数据挖掘技术及其在客户关系管理中的应用

王维家 熊建设 张学梦

摘要:数据挖掘在客户关系管理中的应用是数据库和数据仓库方面的一个研究热点,也是企业实现信息化的重要方法。本文简要介绍了数据挖掘和CRM的概念,重点分析了数据挖掘的基本原理和步骤,并介绍了数据挖掘在CRM中的重要应用。

关键词:数据仓库;数据挖掘;CRM;企业信息化

1 数据挖掘技术和CRM概述

1.1数据挖掘技术概述

数据挖掘是信息技术自然演化的结果。从总体上看,信息技术的发展历程经历了以下几个过程:数据收集和数据库创建、数据管理、数据分析和理解。随着信息量的增大,同时提供查询和事物处理的大量数据库系统的广泛应用,数据分析和理解成为下一个目标。在这样的背景下,数据挖掘技术应运而生,数据挖掘就是从海量的数据中挖掘所需信息的技术!

1.2 CRM概述

客户关系管理(Customer Relationship Management)是一种以客户为中心的经营策略,它以信息技术为手段,对业务功能进行重新设计,并对工作流程进行重组,是现代电子商务活动的核心部分。CRM的主要含义就是通过对客户详细资料的深入分析,来提高客户满意程度,从而提高企业的竞争力的一种手段,它主要包含以下几个方面[6](简称7P):①客户概况分析(Profiling)包括客户的层次、风险、爱好、习惯等; ②客户忠诚度分析(Persistency)指客户对某个产品或商业机构的忠实程度、持久性、变动情况等; ③客户利润分析(Profitability)指不同客户所消费的产品的边缘利润、总利润额、净利润等; ④客户性能分析(Performance)指不同客户所消费的产品按种类、渠道、销售地点等指标划分的销售额;⑤客户未来分析(Prospecting)包括客户数量、类别等情况的未来发展趋势、争取客户的手段等;⑥客户产品分析(Product)包括产品设计、关联性、供应链等;⑦客户促销分析(Promotion)包括广告、宣传等促销活动的管理。

2 数据挖掘和CRM的关系

目前,面向CRM的数据挖掘应用研究是数据挖掘应用研究领域的一个重要课题。研究涉及应用功能、应用方法、算法、模型、数据处理、系统设计和开发等方面。

数据挖掘技术是对数据进行查询,并且找出过去数据之间的潜在联系,从而促进信息的传递[3]。数据挖掘工具能够对未来的行为和趋势进行预测,从而为企业的经营决策提供依据和支持,并对客户需求进行深入分析,满足企业对客户细分市场的需求,帮助企业留着老客户、发展新客户并锁定利润率最高的客户。因此,数据挖掘是CRM的核心,是决定企业发展的关键。

3 数据挖掘技术的应用过程

3.1 确定挖掘对象

数据挖掘的第一步就是要定义清晰的挖掘对象,认清数据挖掘的目标。在定义挖掘对象时,需要确定这样的问题:从何处入手?需要挖掘什么数据?需要多少数据?数据挖掘要进行到什么程度?将数据挖掘应用于客户关系管理中,就需要对客户关系管理的商业主题进行仔细的定义。每个CRM应用都有一个或多个商业目标,要为每个目标建立恰当的模型。

3.2 准备数据

在确定数据挖掘的业务对象后,需要搜索所有与业务对象有关的内部和外部数据,从中选出适合于数据挖掘应用的数据。

3.3 建立模型

将数据转换成一个分析模型,这个分析模型是针对挖掘算法建立的。建立一个真正适合于挖掘算法的分析模型,是数据挖掘的关键。

3.4 数据挖掘

对所得到的经过转化的数据进行挖掘,除了完善于选择合适的算法需要人工干预外,数据挖掘工作都由数据挖掘工具自动完成。

3.5 结果分析

当数据挖掘出现结果后,要对挖掘结果进行解释和评估。

3.6 知识应用

数据挖掘的结果经过业务决策人员的认可,才能实际应用。要将通过数据挖掘得出的预测模式和各个领域的专家知识结合在一起,构成一个可供不同类型的人使用的应用程序。

4 数据挖掘在客户关系管理中的应用

对于CRM应用来说,数据挖掘技术有着巨大的辅助作用,它可以辅助决策人员定位于他们的最佳客户和潜在客户,通过提高客户满意度和忠诚度最大化客户收益率,以降低成本,增加收入。数据挖掘在客户关系管理中的应用主要在以下几个方面:

4.1 客户细分

客户细分是指将一个消费群体划分成一个个细分群的过程,在一个细分群中,消费者彼此相似,而隶属于不同细分群中的消费者差异十分明显。

采用数据挖掘组合分类方法的客户细分属于数据驱动的客户细分。客户细分必须满足以下条件:①完整性,数据库中的每一个消费者都必须属于一个细分群。②互斥性,数据库中的任何一个消费者都不能同属于多个细分群。

4.2 客户获取

在CRM中,业务发展的一个重要指标就是新客户的获取能力。数据挖掘技术可以用于对潜在客户群进行筛选,并把潜在客户名单和他们感兴趣的优惠措施进行关联,以增加市场推广活动产生的反馈率。为了更加有效地吸引新客户,需要对客户反映行为模式进行分析。对于客户反应行为模式分析,从数据挖掘技术角度可以认为是分类问题,可以用组合分类方法进行处理。

4.3 客户保持

随着市场经济的发展和深化,行业内部的竞争也越来越激烈,获得一个新客户的成本也越来越大,而保持旧客户比获取新客户更能节约成本,所以保持原有客户的工作就显得非常具有价值。如何使用数据挖掘来对不同的旨在保留客户的活动中进行建模将对整个客户保持工作起着重要的作用。客户流失或者客户转移是许多行业都会出现的问题,许多公司需要花费大量的人力物力财力去保留客户,或者去竞争对手那里争夺新的客户。

改进保留客户的途径之一是在客户真正流失之前采取行动,这也就是流失模型的价值所在。由于客户流失对公司利润有重大的影响,很多公司都把流失模型作为客户忠诚度计划的主要关注点。组合分类方法可以用于流失模型的建立。

4.4 交叉营销

交叉营销就是指向现有的客户提供新的产品和服务的营销过程。交叉营销的一种形式叫做"提升销售",是指向客户提供与他们已购买的服务相关的新服务。

使用数据挖掘技术进行交叉营销的分析一般是从分析现有客户的购买行为的数据开始的。首先要得到关于现有客户消费习惯的数据。其实,大部分多项产品的交叉营销研究与单项销售所需的分析并无太大区别,。多项产品的交叉营销可以看作是单向产品销售的叠加,其中的关键在于要对所有的客户提供最合适的产品和服务。这样客户所接受的这些服务才能同时给卖方和买方带来最大的收益。在分析交叉营销时,具体的数据挖掘过程包含三个步骤:①对个体行为进行建模;②用预测模型对数据进行评分;③对得分矩阵进行最优选择。

4.5 客户风险分析

风险分析是提供产品或服务时存在潜在损失的行业所特有的。组合分类方法可以为风险分析建立分类定位模型。常见的风险类型出现在银行业和保险业。其他行业因为有先使用后付款的承诺,所以在提供产品或服务时也存在一定的风险,这些行业包括电信、能源供应、零售业等。这些行业的风险与银行业的风险相似,因为它反映了客户是否能为商品或服务如期付款。

欺诈风险是许多公司关心的另一个风险领域,对银行和保险公司更是如此。欺诈检测模型通过了解客户的典型消费行为帮助公司减少损失。如果客户的消费习惯变化极大,则风险处理就采取措施停止或进行监控,直到这种情况达到可评估为止。

5 总结

在CRM中使用数据挖掘技术,可以方便地使企业看到自己客户各方面的情况,是企业保持和增强市场竞争力的重要手段,为企业规划更好的发展战略提供支持[7]。数据挖掘是CRM的基础和前提,CRM是数据挖掘的延续和创新,通过两者有效地组合,最大限度地了解客户需求,提高顾客满意度,不断促进企业单个客户价值的提升和客户规模的扩大,有效推动企业价值和实力的不断攀升,提高企业的竞争优势。

参考文献

[1] 王亚平. 数据库系统工程师教程(M).清华大学出版社,2004

[2] 张 . 数据挖掘及其在客户关系管理中的应用(M).复旦大学出版社,2007

[3] 崔巍. 数据库系统及其应用(M). 高等教育出版社,2003

[4] 郑华.基于数据挖掘银行客户关系管理系统构建研究(J).广西轻工业,2008,10(10):82-83.

[5] 车晓妮.基于SQL SERVER 2005的数据挖掘算法应用研究与实现(J).沈阳师范大学学报,2008,10(4):446-448.

[6] Sharp P K.Efficient GA based techniques for classification[J].Applied Intelligence,1999,11(3):277-284.

[7]樊治平,王建宇,陈媛.客户关系管理(CRM)评述与展望[J].系统工程,2002,20(6):1-8.