區(qū)嘉良+呂淑儀

【摘 要】主要研究客戶關系管理中的客戶細分的數(shù)據(jù)挖掘，對客戶關系管理、客戶細分以及數(shù)據(jù)挖掘的內(nèi)涵與相關理論進行了認真學習，并對客戶細分的數(shù)據(jù)挖掘方法進行了研究，對客戶關系為中心的企業(yè)管理模式提供了技術支持。

【關鍵詞】客戶關系管理；客戶細分；數(shù)據(jù)挖掘

市場經(jīng)濟給企業(yè)發(fā)展帶來了日益激烈的競爭環(huán)境，企業(yè)開始重視客戶資源的發(fā)掘與分析企業(yè)的工作重心逐漸從產(chǎn)品轉(zhuǎn)移到客戶?？蛻絷P系管理是客戶細分的有效工具，而數(shù)據(jù)挖掘技術就是客戶細分有力的技術支撐。

一、理論研究

1.客戶關系管理

客戶關系管理的目標是依靠高效優(yōu)質(zhì)的服務吸引客戶，同時通過對業(yè)務流程的全面優(yōu)化和管理控制企業(yè)運行成本?？蛻絷P系管理是一種管理理念，將企業(yè)客戶視作企業(yè)發(fā)展最重要的企業(yè)資源，采用企業(yè)服務優(yōu)化等手段來管理客戶關系。但是客戶管理管理同樣是一種管理技術將最佳商業(yè)實踐和數(shù)據(jù)挖掘、數(shù)據(jù)倉庫、銷售自動化以及信息技術結(jié)合起來，為企業(yè)銷售、客戶服務等提供了一整套業(yè)務自動化解決方案，為企業(yè)實現(xiàn)從電子商務現(xiàn)代化企業(yè)模式提出了明確的方法?？蛻絷P系管理并不是單純的信息技術或者管理技術，也是一種企業(yè)生物戰(zhàn)略，通過對企業(yè)客戶的分段充足，強化客戶滿意的行為，優(yōu)化企業(yè)可盈利性，將客戶處理工作上升到企業(yè)級別，不同部門負責和客戶進行交互，但是整個企業(yè)都需要向客戶負責，在信息技術的支持下實現(xiàn)企業(yè)和客戶連接環(huán)節(jié)的自動化管理。

2.客戶細分

客戶細分由美國學者溫德爾·史密斯在上世紀50年代提出，認為客戶細分是根據(jù)客戶屬性將客戶分成集合。現(xiàn)代營銷學中的客戶細分是按照客戶特征和共性講客戶群分為不同等級或者子群體，尋找相同要素，對不同類別客戶心理與需求急性研究和評估，從而指導進行企業(yè)服務資源的分配，為企業(yè)獲得客戶價值的一種理論與方法。

因此我們注意到，客戶細分其實是一個分類問題，但是卻有著顯著的特點。

（1）客戶細分是動態(tài)的。企業(yè)不斷發(fā)展變化，用戶數(shù)據(jù)不斷積累，市場因素的變化，都會造成客戶細分的變化。所以客戶細分工作需要根據(jù)客戶情況的變化進行動態(tài)調(diào)整，減少錯誤分類，提高多次細分中至少有一次是正確分類的可能性。

（2）受眾多因素影響。隨著時間的推移，客戶行為和心理會發(fā)生變化，所以不同時間的數(shù)據(jù)會反映出不同的規(guī)律，客戶細分方法需要在變化過程中準確掌握客戶行為的規(guī)律性。

（3）客戶細分有不同的分類標準。一般分類問題強調(diào)準確性，客戶關系管理則強調(diào)有用性，講求在特定限制條件下實現(xiàn)特定目標。

3.數(shù)據(jù)挖掘

數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫數(shù)據(jù)中提取有價值的，隱含的，事前未知的，潛在有用信息。數(shù)據(jù)挖掘技術不斷發(fā)展，挖掘?qū)ο蟛辉偈菃我粩?shù)據(jù)庫，已經(jīng)逐漸發(fā)展到文件系統(tǒng)、數(shù)據(jù)集合以及數(shù)據(jù)倉庫的挖掘分析。

二、客戶細分的數(shù)據(jù)挖掘

1.邏輯模型

客戶數(shù)據(jù)中有著若干離散客戶屬性和連續(xù)客戶屬性，每個客戶屬性為一個維度，客戶作為空間點，全部客戶都能夠形成多為空間，作為客戶的屬性空間，假設A={A1，A2，…Am}是一組客戶屬性，屬性可以是連續(xù)的，也可以離散型，這些屬性就形成了客戶m維屬性空間。同時設g是一個描述客戶屬性的一個指標，f（g）是符合該指標的客戶集合，即為概率外延，則任一確定時刻都是n個互不相交集合。在客戶價值概念維度上，可分為“有價值客戶”“潛在價值客戶”“無價值客戶”三種類型，定義Rb如下：

顯然RB是一個等價關系，經(jīng)RB可分類屬性空間為若干等價類，每個等價類都是一個概念累，建立客戶細分，就是客戶屬性空間和概念空間映射關系的建立過程。

2.客戶細分數(shù)據(jù)挖掘?qū)嵤?/p>

通過數(shù)據(jù)庫已知概念類客戶數(shù)據(jù)進行樣本學習和數(shù)據(jù)挖掘，進行客戶屬性空間與概念空間映射的自動歸納。首先確定一組概念類已知客戶集合。首先確定一個映射：p：C→L，使cC，如果cLi，則p（c）=Li。cC，求p（c）確定所屬概念類。

數(shù)據(jù)部分有客戶數(shù)據(jù)存儲和概念維數(shù)據(jù)構(gòu)成，客戶數(shù)據(jù)存儲有企業(yè)全部內(nèi)在屬性、外在屬性以及行為屬性等數(shù)據(jù)，方法則主要有關聯(lián)規(guī)則分析、深井網(wǎng)絡分類、決策樹、實例學習等數(shù)據(jù)挖掘方法，通過對客戶數(shù)據(jù)存儲數(shù)據(jù)學習算法來建立客戶數(shù)據(jù)和概念維之間的映射關系。

3.客戶細分數(shù)據(jù)分析

建立客戶動態(tài)行為描述模型，滿足客戶行為非確定性和非一致性要求，客戶中心的管理體制下，客戶細分影響企業(yè)戰(zhàn)術和戰(zhàn)略級別決策的生成，所以數(shù)據(jù)挖掘要能夠彌補傳統(tǒng)數(shù)據(jù)分析方法在可靠性方面的缺陷。

（1）客戶外在屬性。外在屬性有客戶地理分布、客戶組織歸屬情況和客戶產(chǎn)品擁有情況等。客戶的組織歸屬是可數(shù)社會組織類型，客戶產(chǎn)品擁有情況是客戶是否擁有或者擁有哪些與其他企業(yè)或者其他企業(yè)相關產(chǎn)品。

（2）內(nèi)在屬性。內(nèi)在屬性有人口因素和心理因素等，人口因素是消費者市場細分的重要變量。相比其他變量，人口因素更加容易測量。心理因素則主要有客戶愛好、性格和信用情況以及價值取向等因素。

（3）消費行為。消費行為屬性則重點關注客戶購買前對產(chǎn)品的了解情況，是客戶細分中最客觀和重要的因素。

三、結(jié)束語

從工業(yè)營銷中的客戶細分觀點出發(fā)，在數(shù)據(jù)挖掘、客戶關系管理等理論基礎上，采用統(tǒng)計學、運籌學和數(shù)據(jù)挖掘技術，對客戶細分的數(shù)據(jù)挖掘方法進行了研究，建立了基于決策樹的客戶細分模型，是一種效率很高的管理工具。

參考文獻：

[1]董憲，趙衛(wèi)東.客戶關系管理中數(shù)據(jù)挖掘技術的研究與應用[M].福建電腦，2012（4），10-11.

[2]成文偉，黃金才.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘[J].人民郵電出版社，2012，7-9.

[3]魏娟，梁靜國.基于數(shù)據(jù)挖掘技術的企業(yè)客戶關系管理（CRM）[J].商業(yè)研究，2011（7）.

[4]劉文昌.APriori算法在客戶關系管理中的應用[J].長春大學學報，2011，15（4），25-27.

[5]費賢舉，王文琴，莊燕濱.基于關聯(lián)規(guī)則的數(shù)據(jù)挖掘技術在CRM中的應用研究[J].常州工學院學報，2011，15（4）.endprint