金鵬

摘 要：大數(shù)據(jù)背景下物流企業(yè)面臨數(shù)據(jù)處理量大，數(shù)據(jù)碎片化與客戶個(gè)性化需求越來越多的困境，CRM（客戶關(guān)系管理）系統(tǒng)是一類整合企業(yè)內(nèi)部客戶資源，挖掘客戶價(jià)值的綜合性工具。本文構(gòu)建了一個(gè)分析型CRM系統(tǒng)智能推薦算法，揭示CRM系統(tǒng)在物流企業(yè)中的應(yīng)用價(jià)值，并就算法做了一個(gè)簡(jiǎn)易的算例分析。

關(guān)鍵詞：大數(shù)據(jù)；物流企業(yè)；CRM系統(tǒng)

互聯(lián)網(wǎng)的發(fā)展催生了一個(gè)前所未有的大數(shù)據(jù)時(shí)代，物流企業(yè)的數(shù)據(jù)正呈指數(shù)級(jí)增長，在海量的數(shù)據(jù)中如何去獲取企業(yè)所關(guān)注的有價(jià)值的客戶需求信息變得越來越重要。物流企業(yè)作為一個(gè)典型的服務(wù)行業(yè)，客戶就是企業(yè)的生命，如何服務(wù)好客戶，滿足客戶的需求，提升客戶價(jià)值一直是物流企業(yè)關(guān)注的問題。大數(shù)據(jù)背景下，各物流企業(yè)對(duì)于客戶的需求挖掘，大多借助信息系統(tǒng)、數(shù)據(jù)挖掘技術(shù)，而CRM（客戶關(guān)系管理）系統(tǒng)則是一個(gè)綜合應(yīng)用系統(tǒng)，為物流企業(yè)整合客戶信息資源，挖掘有用信息提供了強(qiáng)有力的抓手。

一、大數(shù)據(jù)下的物流企業(yè)面臨的困境

我國工商企業(yè)幾十年的信息系統(tǒng)建設(shè)與使用已經(jīng)積累了大量的原始產(chǎn)品產(chǎn)供銷數(shù)據(jù)，分別存在于企業(yè)的各類系統(tǒng)中，尤其是近些年互聯(lián)網(wǎng)、電子商務(wù)的發(fā)展，客戶通過網(wǎng)絡(luò)與企業(yè)互動(dòng)增強(qiáng)，在網(wǎng)絡(luò)數(shù)據(jù)庫留存了大批量的消費(fèi)數(shù)據(jù)，以阿里為代表的互聯(lián)網(wǎng)企業(yè)早早地啟動(dòng)了云計(jì)算戰(zhàn)略，應(yīng)對(duì)大數(shù)據(jù)時(shí)代的挑戰(zhàn)。但是，要處理大數(shù)據(jù)并不是容易的事情，現(xiàn)代物流企業(yè)必須具備較高的信息技術(shù)能力，來應(yīng)對(duì)以下大數(shù)據(jù)帶來的問題。

1.數(shù)據(jù)量大，數(shù)據(jù)處理能力要求高

在電子領(lǐng)域有一個(gè)著名的摩爾定律，Gordon Moore在1965年提出IC上可容納的晶體管數(shù)量將持續(xù)10年以倍數(shù)級(jí)增加，如此數(shù)據(jù)存儲(chǔ)硬件的容量越來越大，成本越來越低，為海量信息的存儲(chǔ)提供了可能。在互聯(lián)網(wǎng)時(shí)期，數(shù)據(jù)的量級(jí)已經(jīng)達(dá)到了PB（拍字節(jié)，2的30次方MB，一首歌曲約4MB），即時(shí)物流企業(yè)沒有那么大量級(jí)的數(shù)據(jù)，從全球整體我們可見一斑。物流企業(yè)要處理的數(shù)據(jù)已經(jīng)遠(yuǎn)遠(yuǎn)超過了我們傳統(tǒng)電子表格或生產(chǎn)系統(tǒng)所能提供的計(jì)算能力，對(duì)信息系統(tǒng)提出了更高的要求。

2.數(shù)據(jù)碎片化，數(shù)據(jù)亟需整合

物流企業(yè)從傳統(tǒng)型轉(zhuǎn)向現(xiàn)代物流并沒有太久的歷程，同企業(yè)信息化進(jìn)度一致，受到互聯(lián)網(wǎng)、通信技術(shù)、多媒體技術(shù)等的推動(dòng)下步入信息化改革。物流企業(yè)內(nèi)部存在多種信息系統(tǒng)，數(shù)據(jù)成碎片化狀態(tài)，客戶的各類產(chǎn)品信息、財(cái)務(wù)信息分布在不同的企業(yè)內(nèi)部系統(tǒng)，各部門看到的客戶視圖都是片面的，對(duì)于客戶的消費(fèi)行為分析無從下手，客戶分布在企業(yè)內(nèi)部的數(shù)據(jù)資源亟需整合，已獲得有價(jià)值的信息。

3.客戶個(gè)性化需求越來越多

在電子商務(wù)發(fā)達(dá)的今天，物流企業(yè)間的競(jìng)爭(zhēng)加劇，RFID、GIS、物聯(lián)網(wǎng)等高端技術(shù)在逐步不斷得提升客戶體驗(yàn)，“慣”壞了客戶，客戶的嘗到互聯(lián)網(wǎng)時(shí)代優(yōu)質(zhì)的類定制化服務(wù)體驗(yàn)，同時(shí)也對(duì)物流企業(yè)提出了更多的定制化服務(wù)要求。對(duì)于客戶對(duì)于被動(dòng)獲取客戶個(gè)性化需求，企業(yè)可以應(yīng)對(duì)，而大批量的客戶則沒有與企業(yè)互動(dòng)，在服務(wù)同質(zhì)化嚴(yán)重的消費(fèi)市場(chǎng)，客戶轉(zhuǎn)移成本低，在沒有獲得個(gè)性化需求滿足下流失率提高，企業(yè)需要主動(dòng)獲取客戶的個(gè)性化需求，但是，面對(duì)數(shù)以萬計(jì)的客戶，億萬數(shù)量的消費(fèi)記錄，物流企業(yè)該如何去逐個(gè)應(yīng)對(duì)是個(gè)問題。

二、大數(shù)據(jù)背景下CRM實(shí)施的必要性

1.CRM對(duì)企業(yè)各系統(tǒng)的整合

CRM系統(tǒng)以客戶為中心進(jìn)行各類數(shù)據(jù)整合，融合成完整的客戶信息，從而分析客戶行為、偏好，對(duì)企業(yè)客戶價(jià)值挖掘裨益匪淺。大多數(shù)企業(yè)客戶關(guān)系管理系統(tǒng)都會(huì)集成多個(gè)企業(yè)內(nèi)部系統(tǒng)，比如物流企業(yè)的辦公系統(tǒng)、訂單系統(tǒng)、產(chǎn)品系統(tǒng)與車輛管理系統(tǒng)等，提供各業(yè)務(wù)人員一個(gè)統(tǒng)一的入口，給客戶的也是一個(gè)統(tǒng)一的視圖，一個(gè)統(tǒng)一的物流企業(yè)入口。對(duì)于企業(yè)內(nèi)部而言，多系統(tǒng)的集成，解決了各部門對(duì)同一客戶完整信息的了解，并提供業(yè)務(wù)分析人員一個(gè)完整的數(shù)據(jù)集，為數(shù)據(jù)挖掘做好準(zhǔn)備。對(duì)于客戶而言，可以查看企業(yè)的產(chǎn)品，自身消費(fèi)記錄及物流訂單的全流程監(jiān)控信息，全方位了解自身業(yè)務(wù)情況。

2.CRM提供處理大數(shù)據(jù)的手段

基于數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)進(jìn)行經(jīng)營分析是CRM系統(tǒng)的一個(gè)較為典型的應(yīng)用，數(shù)據(jù)倉庫技術(shù)也是CRM實(shí)現(xiàn)的一個(gè)基礎(chǔ)。數(shù)據(jù)倉庫的構(gòu)建，以允許冗余、搭建多維視圖的數(shù)據(jù)結(jié)構(gòu)來實(shí)現(xiàn)對(duì)于海量數(shù)據(jù)的管理。數(shù)據(jù)挖掘技術(shù)則提供提煉、剖析數(shù)據(jù)背后的價(jià)值信息的手段，是分析型CRM系統(tǒng)模型構(gòu)建的基礎(chǔ)。

3.CRM二次獲客，提升綜合價(jià)值

CRM系統(tǒng)以全方位的客戶視圖，系統(tǒng)自動(dòng)推薦產(chǎn)品達(dá)到個(gè)性化維護(hù)功用，做到客戶二次開發(fā)，提升客戶終身價(jià)值。CRM的二次獲客功能在于通過客戶的消費(fèi)行為曲線研究分析，推薦更多的物流服務(wù)，重點(diǎn)在于對(duì)客戶的行為、喜好，客戶間的行為、喜好相似度的判讀與預(yù)測(cè)，以期給一個(gè)相似客戶群提供一類產(chǎn)品，或給一個(gè)客戶群提供一類相似產(chǎn)品。

三、CRM系統(tǒng)的應(yīng)用

客戶關(guān)系管理系統(tǒng)可以整合客戶資源，智能推薦，推動(dòng)交叉銷售的形成。大數(shù)據(jù)背景下物流企業(yè)想獲得已有客戶的再增值，尋求對(duì)客戶的交叉銷售，需要采取一定的技術(shù)手段，挖掘適合客戶的產(chǎn)品，實(shí)行組合式營銷。分析型CRM系統(tǒng)中一個(gè)重要的功能是智能推薦，通過系統(tǒng)后臺(tái)的算法計(jì)算，主動(dòng)將產(chǎn)品推送給客戶。

1.分析型CRM個(gè)性化推薦引擎的基本原理

本文介紹兩種類型的CRM推薦方法，分別為基于客戶推薦及基于產(chǎn)品推薦，具體介紹如下。

基于客戶的推薦方法如圖1所示，喜歡同一類產(chǎn)品的客戶一般具有相似的口味與偏好，兩個(gè)客戶若相似度較高，則一般會(huì)喜歡同一大類產(chǎn)品。如圖中客戶A喜歡產(chǎn)品A與C，客戶C喜歡產(chǎn)品A、C與D，客戶B喜歡產(chǎn)品B，在這三個(gè)客戶組成的客戶群中，我們根據(jù)客戶喜歡的產(chǎn)品歷史信息可以得到客戶A與C喜歡的產(chǎn)品較為相似（喜歡的產(chǎn)品有兩項(xiàng)一致），因此推斷得到客戶A也有可能喜歡產(chǎn)品D。

基于產(chǎn)品的推薦方法同基于客戶的推薦方法類似，如圖2所示，不同之處是需求產(chǎn)品的相似度，將相似的產(chǎn)品推薦給相對(duì)應(yīng)的客戶。如圖所示，用戶A喜歡產(chǎn)品A與C，用戶C喜歡產(chǎn)品A，我們發(fā)現(xiàn)產(chǎn)品A與C相似（客戶A與B喜歡產(chǎn)品A的同時(shí)也都喜歡C），則判定客戶C可能也喜歡產(chǎn)品C。

2.個(gè)性化推薦實(shí)施過程

個(gè)性化推薦分為三步走：確定查詢條件，根據(jù)客戶行為推薦適合產(chǎn)品，根據(jù)產(chǎn)品特點(diǎn)挖掘潛在客戶。

確定查詢條件：營銷人員需要初步設(shè)定查詢條件，比如物流企業(yè)對(duì)于自身某一個(gè)階段或者某一時(shí)期特定的業(yè)務(wù)營銷需要進(jìn)行產(chǎn)品、客戶的條件設(shè)定，設(shè)定路線、配送車輛的限定、客戶分布的區(qū)域等。

根據(jù)客戶行為推薦適合產(chǎn)品：即運(yùn)用基于客戶的推薦方法發(fā)現(xiàn)具有相同興趣愛好的客戶群體為他們推薦各自持有的個(gè)性產(chǎn)品，互動(dòng)有無，實(shí)現(xiàn)自然的交叉銷售，而非物流企業(yè)根據(jù)自己的主觀意愿將最新產(chǎn)品無目標(biāo)的直接投向客戶市場(chǎng)。根據(jù)客戶間的相似度來判定相同興趣的客戶可能會(huì)購買相同的產(chǎn)品組合，這類方法被廣泛地應(yīng)用于消費(fèi)者行為分析中，也在實(shí)踐中被大量地應(yīng)用。銷售人員往往會(huì)對(duì)自己的客戶市場(chǎng)進(jìn)行細(xì)分，然后批量地進(jìn)行營銷，這樣可以提高命中率。

根據(jù)產(chǎn)品特點(diǎn)挖掘潛在客戶：即基于產(chǎn)品的推薦方法，根據(jù)歷史客戶消費(fèi)數(shù)據(jù)，分析產(chǎn)品間的相似性，將相似的產(chǎn)品推薦給潛在的客戶消費(fèi)需求。該類推薦方法類似于數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則，如經(jīng)典例子——啤酒尿布，產(chǎn)品間的相似性不一定是產(chǎn)品屬性的相似，是以客戶消費(fèi)的關(guān)聯(lián)性來確定，因此兩種推薦方法具有較大的關(guān)聯(lián)的。

3.個(gè)性化推薦算法

個(gè)性化推薦算法是通過尋找客戶與客戶群中其他客戶的相似性，然后推測(cè)客戶可能喜歡的產(chǎn)品，首先我們需要獲得一個(gè)客戶群持有產(chǎn)品情況，如表1所示

表1中客戶C就是我們需要推薦產(chǎn)品的客戶，其中持有產(chǎn)品值為1，未持有為0，客戶C持有產(chǎn)品序號(hào)為1至J-1，客戶C與客戶I的相似度用sim（c，i）表示，相似度計(jì)算公式為

其中，C∩I表示客戶C與I持有的相同產(chǎn)品的數(shù)量，N取C與I的最大值，相似度取值為0至1。可獲得客戶C與客戶群各個(gè)體的相似度如表2所示。

以Sim（c，1）計(jì)算為例，客戶C與客戶1持有產(chǎn)品均為5，即N=5，兩客戶持有相同產(chǎn)品兩項(xiàng)，分別為P1和P3，即C∩I=2，因此，客戶C與1相似度為0.4，以此類推可以獲得其他相似度值。

選擇相似度前5名客戶加入客戶C的鄰居集合中，運(yùn)用鄰居所持有的產(chǎn)品對(duì)客戶C可能喜歡的產(chǎn)品進(jìn)行補(bǔ)充。要判斷客戶C對(duì)5名鄰居持有自己未購買的產(chǎn)品的喜歡程度，需要利用鄰居對(duì)各產(chǎn)品的評(píng)分來判定?？蛻鬋對(duì)產(chǎn)品J的評(píng)分公式如下：

表示表示客戶C對(duì)自己目前持有所有產(chǎn)品的平均評(píng)分，sim（c，i）是客戶C與鄰居I的相似度，Rij表示客戶I對(duì)產(chǎn)品J的評(píng)分。與客戶C相似度前5名分別為客戶2，3，6，9，10，假設(shè)前5名鄰居對(duì)持有產(chǎn)品的評(píng)分如下表所示（客戶序號(hào)重新編號(hào)為1至5，評(píng)分區(qū)間為1到10分，評(píng)分為0表示未持有該產(chǎn)品），則可獲得客戶C對(duì)未持有產(chǎn)品P4，P5，P7與P9的評(píng)分：

以客戶C對(duì)未持有產(chǎn)品P4的評(píng)分計(jì)算為例，客戶C對(duì)持有產(chǎn)品平均評(píng)分為6.6，只有客戶3持有P4，P4=6.6+0.6*（5-6.6）=5.64。

根據(jù)上述公式循環(huán)執(zhí)行可以獲得客戶對(duì)鄰居持有的其他產(chǎn)品的評(píng)分，選擇評(píng)分較高的P4產(chǎn)品進(jìn)行推薦，可以根據(jù)需要選取前幾名的產(chǎn)品對(duì)客戶C進(jìn)行針對(duì)性營銷。這里就是將客戶C與其他客戶的共同興趣做了挖掘，通過運(yùn)用相似度較高的鄰居客戶對(duì)客戶C所未購買過的產(chǎn)品評(píng)分進(jìn)行排序來推測(cè)客戶C最有可能會(huì)喜歡的產(chǎn)品組合，從而做到相對(duì)更有成功率的產(chǎn)品推薦，提高營銷精準(zhǔn)度。

本例只列舉了少量數(shù)據(jù)的一個(gè)CRM系統(tǒng)智能個(gè)性化推薦應(yīng)用，在物流企業(yè)上千萬的客戶群中應(yīng)用推薦算法進(jìn)行產(chǎn)品交叉推薦可以提升客戶的二次價(jià)值挖掘。物流企業(yè)是一個(gè)典型的服務(wù)行業(yè)，同時(shí)又是一個(gè)信息化發(fā)展較為快速的行業(yè)，在現(xiàn)代物流實(shí)施浪潮中智能倉儲(chǔ)、RFID標(biāo)簽及衛(wèi)星定位技術(shù)的導(dǎo)入，使得物流企業(yè)積累大量的客戶數(shù)據(jù)，在物流企業(yè)構(gòu)建客戶關(guān)系管理系統(tǒng)，實(shí)施分析型CRM模塊，將有助于海量數(shù)據(jù)的挖掘，充分利用歷史數(shù)據(jù)的價(jià)值，做到數(shù)據(jù)驅(qū)動(dòng)型企業(yè)，在大數(shù)據(jù)時(shí)代贏得先機(jī)。

四、結(jié)語

大數(shù)據(jù)背景下的物流企業(yè)必須要依托一個(gè)綜合的客戶管理系統(tǒng)，來處理物流平臺(tái)所積累的大量的客戶數(shù)據(jù)，做好客戶跟蹤、維護(hù)及二次開發(fā)?？蛻絷P(guān)系管理系統(tǒng)是打通物流企業(yè)內(nèi)部多個(gè)系統(tǒng)間障礙，整合物流企業(yè)內(nèi)部數(shù)據(jù)資源，給營銷人員及客戶程序一個(gè)完整的客戶服務(wù)、產(chǎn)品消費(fèi)全方位視圖，為營銷人員拓展客戶提供抓手，為客戶了解自己的消費(fèi)情況提供窗口。本文闡述了大數(shù)據(jù)背景下物流企業(yè)實(shí)施CRM系統(tǒng)的必要性，認(rèn)為只有企業(yè)運(yùn)用CRM先進(jìn)的數(shù)據(jù)分析與挖掘功能，才能應(yīng)對(duì)數(shù)據(jù)指數(shù)級(jí)爆炸式增長的困境，才能在數(shù)據(jù)為王的時(shí)代占據(jù)先機(jī)，謀求發(fā)展。同時(shí)，本文提出了一個(gè)分析型CRM中的個(gè)性化推薦算法，通過該模塊做了一個(gè)算例演示，通過智能推薦企業(yè)可以獲得內(nèi)部客戶再增值的利益。

參考文獻(xiàn)：

[1]陶紅英.論物流企業(yè)的CRM[J].物流技術(shù)，2003.

[2]葉斌，余真翰.大數(shù)據(jù)背景下物流企業(yè)CRM變革分析[J].商貿(mào)流通，2014.

[3]李其芳，沈湘蕓.物流企業(yè)CRM與數(shù)據(jù)挖掘技術(shù)[J].科技創(chuàng)業(yè)，2009.

[4]王平.基于GIS的物流企業(yè)CRM系統(tǒng)的研究與開發(fā)[D].河北工業(yè)大學(xué)，2003.