浅析数据挖掘技术在CRM中的应用

刘彬 白万民

【摘要】客户关系管理即CRM，它的管理理论是以客户为中心发展而来的，现在市场的竞争非常激烈，发展客户关系的管理能够赢得客户，赢得市场，提高竞争力。但是有效的客户关系管理无法拜托客户的数据分析，而客户的数据分析最基本的技术和方法就是进行数据发掘。

【关键词】客户关系管理;数据挖掘;方法

客户关系管理简称CRM，世界的CRM市场日益火爆，而且增速飞快，但是能够成功的实施CRM的并不多见，而那些所谓的大企业在实施CRM的过程中仅仅是进行信息的收集，对于真正意义上的CRM来说数据的收集仅仅是第一步，而接下来最重要的是进行数据的挖掘和使用。

一、客户关系管理及其体系结构

客户关系管理的管理理论就是一客户为中心，基于此发展起来的。随着人类科学技术水平的提高，是世界发生两个方面的巨变：

①物资和信息的流速加快，因此对于生产和消费者来说都能够快速的得到想要的信息，同时可以根据自己的想法和要求调整自己的行为习惯，所以全球人们的生活节奏普遍加快;②计算机技术为代表的高科技技术的发展，使得生产能力大力提高，因此大大满足了人们的基本需求，经济市场的转变由卖方市场变为买方市场，竞争也日日益出现白热化，因此怎样在变幻莫测的市场中能够在保持新客户的基础上再挖掘新客户，已经成为一个企业发展和生存的关键，所以客户关系管理系统在这个环境中越来越被人们所重视和关注。

整体上来看，CRM系统主要有三个组成部分，分别是接入管理、流程管理和关系管理。接入管理也就是所说的协作层，是管理企业和客户之间的交流方式，一般的表现形式是全自动语音传真响应、人工坐席电话、电子邮件、互联网、计算机电话集成技术等一系列的呼叫中心;流程管理功能即就是操作层，能够自动集成商业过程，主要包括销售、营销、客服三个的业务的信息化。对于销售自动化、企业营销自动化、客户服务和支持这三个方面的主要功能在业界来说是是操作层的共识;关系管理功能即就是分析层，它是作为CRM的灵魂而存在的，分析层的主要用途是对于协作层和操作层所产生的信息进行分析，能够产生商业智能从而进行对企业战略战术的决策，比如客户服务支持、客户变动分析、客户市场细分、最优化的客户接触、垂直分析新客户资源和广告分析等。

二、数据挖掘技术在CRM中的应用

很多企业运用大量的精力来积累客户信息，却在客户关系管理上做不到更好，究其原因，因为收集的信息只是些原材料，没有经过分析、组织、理解，只有这样做了才能够构建出有效的客户知识，基于这点数据挖掘技术就完全可以进行处理。数据挖掘简称DM，它的概念是，在数据库或者其他的信息库中发掘出具有相关模式，并能够提取潜在有价值的信息的过程。

1.CRM中数据挖掘的内容

CRM中的数据挖掘，是从有关客户的大量数据中进行挖掘，找出先前不知的，具有隐蔽性的，能够对企业的决策有帮助作用的规则与知识，有用的信息就包括黄金客户、客户特征、客户忠诚度、客户关注点等，然后再从自己所拥有的信息中做出对未来行为结果的预判，从而为企业的经营、决策和市场规划提供有效且准确的依据。黄金客户，是将客户先进行分类，然后确定出那些收入高，消费能力强，且比较稳定的客户群体，对于企业来说客户群体的档次不同，所投入营销精力也会有所不同，那么对于黄金客户而言，作为企业肯定要制定相对不同的营销策略以求能够留住这些高利润的客户群，也因在CRM时代不会享受到人人平等的待遇。但是作为一个成功的CRM根本不可能让顾客感觉到这点。但当你发现了在享受待遇时而发现自己被歧视，那么只有一种可能，你相比于那些客户非黄金客户;客户特征数据的挖掘首先是对客户的特殊描述。企业在了解客户信息的方面是不会被满足的，在企业的角度来说，他们会千方百计的弄清楚客户的住址，年龄性别职业和收入状况等等，基本上贯穿到每一个方面，所以一般在讨论到CRM的时候，个人隐私已经非常之敏感;客户关注点，在与客户接触的过程中通过聊天或者其他方式，总会收集到大量的客户的消费信息，再根据这些信息进行全方位的分析，不难从中得出客户的关注点，只要了解了客户所关注的点，然后在制定针对性的营销手段，把资金投入放在“刀刃”上;一样的广告，有的客户群体是、会是以信函的方式被广告，而有的群体被广告的方式是电话，同一个企业在面临不同的客户时，会发送不同形式的信息，这些信息中的共同点就是能让客户感兴趣;客户忠诚度，高忠诚度客户是基于对客户持久性、稳定性、牢固性的分析而得出的，在维护时一定要保持良好的企业形象，地忠诚度客户有两种选择，一是直接放任自流，二是花力气将其也培养成高忠诚度客户。

2.CRM中数据挖掘的方法

数据挖掘的方法种类也很多，但是在CRM中常用的数据挖掘方法，主要有三种：聚类分析、预测分析、关联分析等。

（1）预测分析

预测分析是根据设计预测的实现和预测分析的模型进行的，预测分析的模型通常是假设某种现象的产生而导致其他现象的产生，就是两个现象存在一种稳定的数量关系，因此可以通过已知的数据进行预测可能出现的状况。预测分析模型的构建它的作用主要是通过特定营销活动来探测客户的反映以及客户反映的程度，一般的预测分析技术包括决策树和逻辑回归等。逻辑回归能够构建一个目标变量和一个或者多个预测变量存在的数量关系。逻辑回归的形式和线性回归的形式很类似，但是逻辑回归的目标变量非连续性的，是类别性或者离散型变量。但是逻辑回归只有一个目标变量可以预测一个或者一个以上的结果，在客户管理与营销中，会使用两种水平的结果来针对一个促销活动，两种水平结果就是客户的反映和不反映。典型的逻辑回归模型公式如下表示：

上式中，P为目标事件发生的概率，其取值范围为O～1，

而1一P则代表目标事件不发生的概率，

P/（1-P）代表目标事件发生与不发生概率比值，称为目标事件的几率。

逻辑回归模型，就是将几率的自然对数视为一系列自变量的线性函数。从这一原理出发，数据挖掘软件在构建模型时就可以根据历史数据来完成，然后对客户的行为进行预测;决策树同样也是构建一个目标变量和一个或者一个以上的因变量之间的数量关系，然后顾客或者产品在因变量中的属性。决策树的方法，是先根据自变量的顺序将目标变量进行分割，然后再将目标目标变量分成不同组别，但是要保证组内保持同质性，组间包吃异质性，最后从中找出各个影响因素与目标的关系，在对顾客的行为预测。

（2）聚类分析

聚类分析是将数据库的数据，根据不同的属性划分成各个组别和子集，但是每个组的内部记录与属性具有相似性，但是组间却存在差异性，这类分析主要用于对客户群的细分。与预测分析模型不同的是：聚类分析和预测分析所不同点在于，聚类分析在把数据库中的纪录分成各小组之前不会预设组别，聚类分析和预测分析的不同点还在于，聚类分析产生分组规则，但是预测分析是将纪录通过不同的规则划到不同的小组内。聚类分析中，有两种方式来衡量不同样本在属性上的相似性，一是距离、二是相关系数。样本在空间的相互距离可以反映样本之间的相似程度。因此不难看出距离如果更近，那么相似度就越高，反之则相似度越低，所以通过距离来衡量相似度非常有效，另外样本之间的相似性也可以用各变量间的关联性来反映。不同变量之间的协同程度是通过相关系数来衡量的。相关系数高表明相似程度高，反之则相似度低。分析人员想要形成一套组别划分的规则，就要根据聚类分析研究个变量之间的特性从而更好的使用。

（3）关联性分析

关联性分析就是根据顾客的购买行为，来探寻顾客在商品购买时的行为模式。就好比在购物中客户买了手机，绝大多数的顾客会去一个手机保护壳，发现这些购买行为之间的关联性，那么企业便可以采取针对性的措施，促进相关的产品的销售。关联性分析模型主要有两种。

①简单关联性分析。识别同次事件里面不同属性的关联性主要使用简单关联性分析，所以它的应用也是非广泛，比如根据数据库的记录内容：顾客在购买裤子的时候，35%的顾客也会选择购买上衣。因此这些关联性分析一旦被挖掘出来就可以作为识别规则来使用，或者决策支持，比如在摆放货物时将袜子和鞋子摆放在一起，来互相促进，提高销售额。②序次关联性分析。序次关联性分析的作用是识别有先后次序和不同事件之间的关联性，比如在第一次顾客购买的是果汁，那么在下一次购物有一般的顾客会购买可乐，这个数据是从数据库中得来的，这些数据对于企业的营销和决策作用也是巨大的，这样就为下个月的特惠活动埋下伏笔，比如这个周的活动内容是特价销售果汁，那么下个周就可以进行可乐的优惠活动，从而吸引了有需求的50%的顾客的注意力，从而提高营销水平。序次关联性分析也因此收到了很多大型超市和销售公司的青睐，从而影响它们的销售决策。

三、结束语

CRM管理理念及其价值受到了很多企业的重视，虽然在我国CRM起步较晚，但发展的速度也非常之快，但是在西方国家早已成呈现出井喷的形式，业内普遍认同它的价值提升能力，，因此CRM也步入发展的高峰期，而且形成了一种新的追踪热潮，在未来CRM还会融合前台和后台的信息系统，因此呼叫中心的功能也将会大大扩张，从而真正实现坐席电话-互联网——传真为主体的无线通讯的融合，并成为联系中心。二网络自助服务会成为企业向用户提供更优质服务的重要方式之一。目前全世界范围内客户关系管理的发展速度是空前的，也顺带着用户群体也在扩大，市场竞争在激烈的进行着，CRM也越来越被企业所关注，甚至成为企业要生存和发展的关键法宝。电子商务时代，数据挖掘技术会随着理论的不断发展的深入，扮演着越来越重要切不可或缺的角色，以客户为中心的电子商务时代也更会给CRM带来更广泛的发展前景。

参考文献

[1]郭军华，王静.浅析数据挖掘技术在CRM中的应用[J].商场现代化，2011（5）.

[2]张红岩.数据挖掘技术在CRM中应用浅析[J].现代情报，2010（12）.

[3]陈开，黄明和，但宝平.浅析数据挖掘在CRM中的应用[J].中国电子商务，2013（2）.

作者简介：

刘彬，硕士研究生在读，研究方向：计算机软件与理论。

白万民，西安工业大学计算机科学与工程学院院长，教授，研究生导师，主要从事CAD/CAM技术的技术研究。