基于数据挖掘的客户关系管理在教学中的研究

高琳　胡征兵

摘要：日本和欧美一些国家把教育产业的属性归为服务性产业，甚至提倡“以客户为导向”的教育。华东师范大学赵中建教授认为，教育是一种服务的理念。为全面推进质量管理，树立“教育服务”理念，即“教育对象”转变为“服务对象”，需要建立新型师生关系。[1]CRM的核心思想是“以客户为中心”，强调提高客户地位，更好地服务客户，并以“建立完善的客户档案、吸引客户、保留客户”为原则，增进企业与客户之间的关系，更有效地实现与客户沟通及最大化客户满意度，最终实现企业与客户之间的双赢。本文从CRM在教学中的应用、CRM中的呼叫中心、CRM中的数据挖掘技术等方面进行了探究。

关键词：客户关系管理；数据挖掘；教学

中图分类号：G642 文献标识码：A 论文编号：1674-2117（2015）12-0111-02

CRM理论

关于CRM（Customer Relationship Management）的定义目前尚无一个公认的统一定义。CRM的核心思想是“以客户为中心”，强调提高客户地位，更好地服务客户，并以“建立完善的客户档案、吸引客户、保留客户”为原则，增进企业与客户之间的关系，更有效地实现与客户沟通及最大化客户满意度，最终实现企业与客户之间的双赢。CRM不仅是一个系统、一个技术解决方案，更是一种管理思想。

CRM在教学中的应用

20世纪下半叶，国外学者尝试将管理学中的顾客感知理念引入教育管理模式，开始关注学生的需求，追求科学合理地分配教学资源[2]——现在的以“学生为中心”的教学模式。借鉴客户关系管理理念中的客户关怀，从改善师生关系出发，进行全方位的管理，与学生建立稳定、良好、持久的关系。在教学中，学生满意程度能对教学进行相应的测评及分析。

虽然在教学方面要实现一对一的教学会有很大的难度，但我们可以为每位学生建立一份全面、完善的信息档案（个人基本资料、兴趣爱好、学习行为、成绩等），然后通过数据挖掘对其进行详细分析，了解学生需求，接着把学生细分，选择合适的人才培养方案。而且根据这些情况随时给学生一些关于学习方面的建设性意见，并帮助他们选修相应的课程及发挥自己的优势，尽可能准确地定位自己的发展方向。在教育中需要注重对学习者的终身服务，注重学习者个性发展和多元发展，注重将学习者的兴趣需求与有目的的引导相结合，注重学习者实践操作能力的培养。

根据CRM理论，教学中的交互过程需要经历三个阶段：①有针对性地宣传课程相关信息，为感兴趣的学生提供信息咨询和选修课程的帮助；②根据学生的学习需求和兴趣制定学习计划，推荐相关实践机会及项目，并给予其生活上的建议及指导；③对掌握的学生信息（学习能力、自我定位、人生规划、就业意向等）进行分析，为学生提供所需课程的信息。有意愿继续学习该课程的学生又可以建立新的关系。学生课程结业后并不意味着关系的终止，可以通过校友活动、E-mail等保持联系，以获取其对该门课程的满意度。

在此过程中，我们需要注重社会需求及学习者的就业取向，及时给予学习者就业指导，帮助其建立适当的职业规划。例如，开展一些校友活动，为待业人员搭建良好的就业服务平台；保留毕业生的具体就业资料，包括工作单位、性质、职位及联系方式，并与其保持联系。

CRM中的呼叫中心

借助Moodle教学平台，建立具有呼叫功能的接待系统，为学习者提供24小时服务。当学习者在线咨询时，若是第一次呼叫，接线人员需要将其相关信息输入到计算机；若是第二次咨询，计算机根据用户身份调出其咨询，的所有历史信息进行个性化辅导，并把所有记录都保存以便追踪学习者行为，了解其学习情况及进度。真正让学生感觉到其是学习的主体、教育服务对象，并建立一种受重视感或平等感。同时支持传真、电子邮件、网络电话、短信等多种方式的接入呼出，随时倾听学习者的意见并及时改进教学方案等方面的服务。

CRM中的数据挖掘技术

1.数据挖掘涵义

数据挖掘（DM）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。[3]

2.数据获取的实现

Moodle拥有灵活的教学活动模块和资源模块阵列，能创建五类静态课程资料：文本、网页、页面链接、课程目录浏览以及显示任一文本或图片的表格；六类交互式课程资料：课外作业、词语、日志、功课、测验、调查评论；五种学生间进行交互的活动：聊天、论坛、术语汇编、WIKI及专题讨论。[4]我们采用Moodle平台详细记录学生的一切活动日志，并把其数据转换成某一种适合数据挖掘的格式。并针对作业、问题、考试分数进行信息的可视化，使得教师可以了解学生、发现问题学生（如很少做作业、测验成绩差）及明确如何展开教学活动。

此外，若是在职人员想要提升自己，那就需要与其所在单位协商并建立员工数据库，通过分析大致可以把握学习者面临的困境，以及为这些要继续深造的人员重新拟定新的培养方案。在职人员可以针对其自身职业发展中遇到的问题反馈给学校，教师可以结合这些实际问题来更好地丰富自己的教学方案。这样可以避免教学脱离实际，既丰富了教学内容，也提高了学生学习的主动性。

3.数据挖掘应用

第五届高级数据挖掘与应用国际会议（ADMA，The International Conference on Advanced DataMining and Applications）补充了数据挖掘在教育中的应用。运用CRM中数据挖掘可以很好地帮助我们了解教学服务对象，如学习者的年龄、家庭收入和成员、性别、住址、学习风格等。

第一，运用变量间的相关性分折推断影响学生学习的态度或者预测学生的最终成绩。回归分析可以用来预测造成学生考试不理想的知识及品德，也可以用于预测学生是否能十分准确地回答问题，以及预测学末的成绩。[5]关联规则挖掘则可以用来诊断学生学习的问题或是发现学生的某些知识兴趣点的相关性并给予意见，如最适合的学习材料、学习模式等。

第二，运用聚类分析对学生的访问行为、频度、内容、停留时间等进行分析，得出具有相似学习特征及对特定教学策略具有相同反应的学生，以方便进行辅导。从年龄、社会化、个性及认知特征四个方面对学习特征进行了归类分析。

第三，通过分类算法对学生的知识水平进行分类，给予不同级别的训练。并基于学习目标对学生进行分组、给予不同的辅导。

第四，运用数据挖掘中的文本挖掘技术对记录在电子学档中的学生信息进行分析、挖掘；参照评价量规得出各项指标的评价分值，从而实现对学生学习的过程性评价。

参考文献：

[1]胡泽民.“学习用户”理念下远程高等教育教学运行模式研究[D].厦门：厦门大学，2005.

[2]詹泽慧，等.CRM视角下的现代远程教育管理模式构建[J].中国电化教育，2008（08）：34-38.

[3]王全旺，赵兵川.数据挖掘技术在Moodle课程管理系统中的应用研究[J].电化教育研究，2011（11）：69-73.

[4]冯锐.网络学习支持系统中学生特征分析模型的构建及技术实现[J].中国电化教育，2006（12）：101-103.

[5]白丽萍.CRM在服装代理行业中的应用研究[D].济南：山东大学，2012.