楊瑞 王 萍 索瑞霞 銀艷艷

[摘? ? 要] 以我國電子產(chǎn)品行業(yè)中某知名品牌手機為例，利用數(shù)據(jù)挖掘技術(shù)的決策樹算法總結(jié)出該品牌手機客戶滿意度分析的數(shù)據(jù)挖掘模型，并借助因子分析法找出對該品牌手機客戶滿意度起決定性作用的影響因素。最后，根據(jù)決策樹模型及因子分析結(jié)果提出該品牌手機在質(zhì)量及服務(wù)上需要改進的意見及相關(guān)建議。

[關(guān)鍵詞] 數(shù)據(jù)挖掘技術(shù);CRM;客戶滿意度;決策樹

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 15. 025

[中圖分類號] F279.23? ? [文獻(xiàn)標(biāo)識碼]? A? ? ? [文章編號]? 1673 - 0194（2019）15- 0053- 03

0? ? ? 引? ? 言

如今，國內(nèi)電子產(chǎn)品市場的競爭日益激烈，企業(yè)在面對市場客戶群體龐大、客戶喜好紛雜的情況下如何做到精準(zhǔn)定位及營銷成為企業(yè)長期發(fā)展的關(guān)鍵。合理將數(shù)據(jù)挖掘（Data Mining）技術(shù)應(yīng)用于客戶關(guān)系管理（Customer Relationship Management，CRM）并發(fā)掘潛在客戶群體顯得尤為重要。

目前，我國以電子產(chǎn)品為軸心的經(jīng)濟發(fā)展模式成為主流趨勢，多數(shù)企業(yè)實現(xiàn)線上、線下同時銷售，客戶關(guān)系維護更加復(fù)雜。同時，我國電子產(chǎn)品行業(yè)的CRM理念正處于起步階段，而美國等發(fā)達(dá)國家最先提出CRM概念，諸如SAS、IBM公司均使用數(shù)據(jù)挖掘工具幫助企業(yè)維護客戶關(guān)系且收益顯著。因此，分析我國電子產(chǎn)品企業(yè)在CRM中如何高效地利用數(shù)據(jù)挖掘工具進行產(chǎn)品改進并制訂企業(yè)戰(zhàn)略計劃對我國客戶關(guān)系管理的發(fā)展具有一定的指導(dǎo)意義。

1? ? ? CRM與客戶滿意度

客戶關(guān)系管理概念（CRM）最早由美國的Gartner Group提出，他認(rèn)為客戶關(guān)系管理就是賦予企業(yè)更完善的客戶交流能力，最大化客戶收益率，同時羅杰·卡特懷特指出客戶滿意度是企業(yè)客戶關(guān)系管理的關(guān)鍵[2]?？蛻魸M意度也稱為顧客滿意度指數(shù)，它是反應(yīng)顧客對產(chǎn)品的預(yù)期與實際體驗感受是否匹配的指標(biāo)[3]。

2? ? ? 相關(guān)數(shù)據(jù)挖掘技術(shù)

2.1? ?決策樹算法

數(shù)據(jù)挖掘技術(shù)中的決策樹算法是對“分類問題”進行深入研究的一種算法，其中最基本的是CLS算法[4]。決策樹分析模型包含根節(jié)點和分支節(jié)點，各個分支節(jié)點均為逐漸遞進的分類問題，各個葉子節(jié)點（決策樹的末梢節(jié)點）都是將數(shù)據(jù)進行分類劃分的節(jié)點，從決策樹的根節(jié)點到葉子節(jié)點的每個路徑均形成對應(yīng)類別預(yù)測。第一，數(shù)據(jù)準(zhǔn)備包含：①定目標(biāo)變量;②劃分訓(xùn)練樣本和測試樣本數(shù)據(jù)集;第二，構(gòu)造決策樹包含：①處理原始數(shù)據(jù)得到訓(xùn)練數(shù)據(jù)集和空樹，對當(dāng)前節(jié)點進行測試及劃分;②創(chuàng)建葉子節(jié)點并終止運算;③通過最優(yōu)度量計算確定不同類別的集合分組;④決策樹剪技，決策樹的剪枝是通過上一個分支生成情況將那些影響最終判別準(zhǔn)確性的分枝剪除，這是一個校驗的過程[5]。此外，本研究主要分析個體因素對總體滿意度的影響，因此采用決策樹中的CHAID （Chi-squared Automatic Interaction Detection，卡方自動交互檢測）算法，其特征是前向修剪，修改標(biāo)準(zhǔn)是卡方檢測，CHAID算法每次只針對一個變量分析，然后針對獨立變量之間的相互關(guān)聯(lián)性創(chuàng)造關(guān)系決策樹。

2.2? ?因子分析

因子分析是通過將所有變量具有相同特征值的劃分為一類，形成一類主成分，然后分析每個獨立因子的占比及對主成分的影響，根據(jù)各個因子的載荷大小來提取主要因素[6]?；静襟E包含：1）檢查原變量，計算原變量相關(guān)系數(shù)矩陣，若矩陣系數(shù)大于0.3，則適用于因子分析法;2）構(gòu)造因子變量，主要包含主成分分析法、主軸因子法等。本文利用主成分分析法假設(shè)原變量為純線性組合，第一因子有最大的方差，后續(xù)因子方差逐漸遞減。

3? ? ? 基于決策樹算法的客戶滿意度分析

圖1顯示的是針對我國某知名品牌手機利用層次分析法構(gòu)建的三級指標(biāo)體系。本文利用問卷調(diào)查法在陜西西安地區(qū)發(fā)放問卷1 000份，回收有效問卷987份，問卷信度系數(shù)α為0.897。

如圖2所示，本文利用SPSS 21.0根據(jù)指標(biāo)體系創(chuàng)建決策樹模型。結(jié)果顯示，模型產(chǎn)生12個結(jié)點，終端結(jié)點7個，深度為3。設(shè)模型每個結(jié)點為Node，IF為條件選擇，Result為條件判定結(jié)果，Possibility為客戶總體滿意度可能性，A（非常滿意）、B（比較滿意）、C（一般）、D（比較不滿意）、E（非常不滿意），由于解釋邏輯相同，本文第1個葉子節(jié)點解釋為例。

（1）Node4? IF（R11=“D”O(jiān)R “A”O(jiān)R“E”）AND（R9=“B”O(jiān)R“D”）

THEN? Node=“4” Result=“A”Possibility=“33.3%”

顧客選擇R11售前服務(wù)態(tài)度是D（比較不滿意）、A（非常滿意）、E（非常不滿意）其中之一且顧客認(rèn)為R9像素為B（比較滿意）或者D（比較不滿意）則有33.3%的概率確認(rèn)該品牌手機的客戶滿意度是A（非常滿意的）。

（2）Node5? IF（R11=“D”O(jiān)R“A”O(jiān)R“E”）AND（R6=“A”O(jiān)R“C”）

THEN? Node=“5” Result=“A”Possibility=“100%”

顧客選擇R11售前服務(wù)態(tài)度是D（比較不滿意）、A（非常滿意）、E（非常不滿意）其中之一且認(rèn)為R9像素為B（比較滿意）或D（比較不滿意）則有100%的概率確認(rèn)該品牌手機的客戶滿意度是A（非常滿意的）。

按照邏輯將葉子節(jié)點R6、R7、R10、R11、R9分析完可知R11售前服務(wù)態(tài)度，R9像素，R6運存，R8電池對總體滿意度影響較大。如圖3所示，因子旋轉(zhuǎn)后可將主因素聚集的歸為3類，最終可得出因子1中R6運存、R5內(nèi)存、R8電池、R9像素影響程度較大，因子2中R2屏幕大小、R7外觀因素較大，因子3中R9價格、R13售后服務(wù)影響較大。綜上，可認(rèn)為A1內(nèi)在配置、A2外觀材質(zhì)、A3價格及售后服務(wù)這三個新因子成為影響客戶總體滿意度的顯著因素，該企業(yè)可從這三個主要因素進行改善。

4? ? ? 結(jié)? ? 語

本文利用決策樹、因子分析等數(shù)據(jù)挖掘技術(shù)，分析了我國某知名品牌手機產(chǎn)品影響客戶滿意度的主要因素，使該企業(yè)能夠更加精準(zhǔn)的把握生產(chǎn)運營重心、改善客戶關(guān)系管理現(xiàn)狀、降低產(chǎn)品及服務(wù)成本并為企業(yè)精準(zhǔn)營銷做好基礎(chǔ)工作。目前，我國的電子產(chǎn)品行業(yè)可利用這種數(shù)據(jù)挖掘方式構(gòu)建客戶群體滿意度測試模型，在實踐過程中也可推廣到客戶群體流失模型的構(gòu)建中去，借此提升CRM的管理效率。

主要參考文獻(xiàn)

[1]李雪菁.基于數(shù)據(jù)挖掘技術(shù)的電子商務(wù)客戶關(guān)系管理[J].計算機與數(shù)字工程， 2018，46（9）： 1834-1838.

[2]周建軍.數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用對策研究[J].無線互聯(lián)網(wǎng)科技，2016 （22）： 135-136.

[3]李艷.商業(yè)智能的支撐技術(shù)[J].上海大學(xué)學(xué)報， 2004， 65（1）：54-57.

[4]張良均，陳俊德.數(shù)據(jù)挖掘?qū)嵱冒咐治鯷M].北京：機械工業(yè)出版社， 2013.

[5]印勇.決策支持分析新技術(shù)——數(shù)據(jù)挖掘[J].重慶郵電學(xué)院經(jīng)濟與管理學(xué)報，2003，6（12）： 45.

[6]林昕瑤. 基于因子分析法對新型城鎮(zhèn)土地綜合利用效益的研究——以福建省為例[J]. 長春大學(xué)學(xué)報， 2019， 29（3）： 6-10.

[7]Lan Wang.The New Trend and Application of Customer Relationship Management Under Big Data Background[J].Modern Economy，2016（7）：841-848.