数据挖掘技术在CRM中的应用

张清桃

摘 要：客户关系管理（CRM）主要就是能够改善客户和企业关系的一种新型管理制度。在CRM中应用数据挖掘技术，能够有效改善和提高客户管理关系，以便于可以给企业带来更大的效益和利润，本文主要分析了数据挖掘技术在CRM中的应用。

关键词：数据挖掘技术；CRM；应用

前言

近年来，极大程度改变着客户和公司的关系，不能保证持续客户，所以，企业需要及时分析和了解客户，以便于能够更好的维护客户以及提高公司利润，促进CRM的进步和发展，目前，由于不断增加客户信息量，出现越来越复杂的客户和企业关系，单纯操作性CRM逐渐不能充分满足客户实际需求，需要在数据挖掘技术中融合人工智能技术，以此来充分了解客户行为和特征，为公司发掘潜在客户，辨别大客户，提供产品等，有机结合CRM和数据挖掘技术，从而使得CRM逐渐朝着智能型方向发展。

1.数据挖掘的功能

数据挖掘主要从不完全、随机的、模糊的、大量的、有噪音的应用数据中，有效提取隐含的、人们不知道、潜在的有用知识和信息的过程。数据挖掘功能在挖掘数据的时候提供需要的模式类型。一般可以把数据挖掘任务分为预测和描述两种。

1.1概念描述

概念描述主要是说描述某类对象内涵，总结上述对象相关特征。主要可以分为区别性描述和特征性描述，前者是对不同类对象进行描述，后者是对某类对象共同特征进行描述。

1.2关联分析

关联分析能够找到关联规则，在给定数据中，上述规则能够体现频繁属性值的条件。主要目的就是能够发掘隐藏的数据关系，例如，在一次购买中，90%客户购买商品A，同时也购买商品B等信息，大量使用在事物数据或购物数据分析中[1]。

1.3分类和预测

描述用来划分概念或者数据类的模型，从而依据上述模型来预测未知对象类，训练数据集就是使用已知类标记妙护数据对象，以此分析数据集，得到分类数据模型，然后预测未知数据。

1.4聚类

聚类主要就是把抽象或者物理对象进行集合划分成通过类似对象形成对种类过程。相比较预测和分类，聚类是不同的，不需要类标记，本身会形成类标记。聚类的主要依据就是最小化类间相似性、最大化类内相似性的基本原则。

1.5孤立点分析

数据库中會存在数据对象，不同于一般数据模型或者行为，上述数据对象属于孤立点，数据孤立点分析能够处理罕见事件，例如，信用卡欺诈等。

1.6演变分析

数据演变分析主要就是会因为时间的改变形成的对象趋势，来进行相应建模。主要包括相似性搜索、趋势分析、周期模式挖掘等[2]。

2.CRM的含义

综合分析CRM的目前存在的观点，可以从以下几方面来分析CRM具体含义：

CRM是管理理念的一种，主要起源于美国的市场营销理论，经过快速发展，主要核心就是企业客户是重要资源，包括合作伙伴、分销商、客户服务等，依据深入客户分析以及完善客户服务来不断满足实际要求，保证实现客户价值。

CRM是新型管理制度，企业模式逐渐从产品核心变为客户中心，企业不断发展和进步，把关注点从原来企业内部运作变为客户关系，企业组织和服务流程也逐渐从产品变为客户。

CRM是管理技术和软件，紧密结合信息技术、数据仓库、数据挖掘。自动化销售、一对一影响以及最佳商业实践，围殴销售、营销、支持决策、服务客户提供自动化业务水平的方案，确保企业具备面客户、电子商务的先进技术，实现现代化企业发展模式[3]。

3.CRM应用系统的体系结构

CRM应用系统的体系结构可以分为以下几方面：

第一，操作型CRM。保证企业具备市场。销售、服务一体自动化的业务流程，能够有效收集客户信息，为进行分析型CRM提供基础和保证。

第二，分析型CRM。原有数据系统和分析型CRM能够得到数据信息，为企业进行决策、经营提供量化的可靠数据，是最重要、最难的功能，具备一定核心作用。

第三，协作型CRM。紧密结合多种客户交流方式，例如，传真、电话、网络等，保证具备一致性、可靠性的渠道，不但需要紧密结合上述三方面，还应该有机结合核心应用业务[4]。

4.数据挖掘在CRM中的应用

4.1客户识别

客户识别是依据相应技术方式来得到客户购买记录、个性特征等数据，是企业管理客户关系的关键，确保能够为实现CRM提供依据。可以从以下几方面分析客户识别在CRM中的应用：

第一，客户市场。分析客户赢利和市场分割的能力，市场分割就是说把大量用户集体合理划分为多个小集体，基本上小集体都具备一致的特征，不同群体具备不相同的性质特征，市场分割中最重要工具就是聚类、决策树，如，银行贷款客户可以利用聚类分析方式划分为A、B、C三类，对客户进行分类的主要标准就是还款期限、资信度、贷款数额，把A和B类作为重点对象，并且发掘潜在客户。

第二，依据数据挖掘形成预测客户利润回报模型。对客户进行合理分类，低价值客户、高价值客户、一般价值客户，利用不同优化政策和促销方式来对待高价值客户，保证企业忠诚度，从预测模型中发现变化趋势。依据不同客户利用不同措施来对待，以此来提高企业信誉度[5]。

4.2获取新客户

获取新客户就是让潜在客户使用企业服务或者产品，企业想要利用CRM来得到新客户，需要、分析不同客户实际特征和性质，也就是发现市场目标、优质潜在客户、企业潜在客户、获得新客户难度，主要就是对客户进行识别。依据不同方式来服务不同客户。在CRM中应用数据挖掘技术，能够实际反映预测情况，以此来有效调整营销策略和目标。数据挖掘技术应用在历史数据中，建立一定客户行为反映模型，以此来预测客户行为，可以分为负反映、正反映、无反应三种情况，正反映是有兴趣、负反映是没有兴趣、无反应是可有可无，以此来合理推销产品。

4.3提升客户价值

提高客户价值能够有效增加企业效益，可以从保持长时间关系、保证最大数量交易利润、最多次数交易来达到完善的目的，可以利用一对一、交叉销售来提高客户价值。

在win-win的基本原则上建立交叉销售模式，主要就是企业对原有客户销售服务或者产品的方式。交叉销售点时候，保证客户能够获得更好更多的服务和产品，并且提高企业效益，从而降低成本，此外，这种方式能够促使企业从一种生命周期上平稳转移到另一种服务或产品，进一步联系客户和企业的关系。交叉销售应用在数据挖掘中最重要的就是能够得到最合理、最优的销售匹配。

一对一营销就是能够单独给客户提供服务或者产品，在满足客户实际需求的时候，能够提高企业效益。实现一对一销售模式的基础就是分析客户群体的分类技术，依据数据挖掘技术能够对数据进行细致分类，依据实际分类结果，对客户提供给一对一销售[6]。

4.4保持客户

客户保持是说能够留住企业流失的客户，逐渐提高得到新客户成本，提高流失老客户的效率，得到新客户成本是5倍的保留老客户成本，所以，对企业来说，保持原有客户变得越来越重要，保持客户基本流程就是，合理分析优劣客户，对可能流失客户进行挖掘，分析流失客户的原因，合理已调整企业管理制度等，以便于降低客户的流失，保证有效解决上述问题，可以合理利用数据挖掘方式来分类流失的客户，描述流失客户实际特征，然后对客户消费行为进行关联、邻近等技术分析，保证得到可能流失客户的原因[7]。

5.数据挖掘在CRM中的实施

第一，确定预测和分析目标。数据挖掘应用在CRM中的时候，需要首先确定商业目标，也就是说想利用数据挖掘达到怎样目的和解决什么问题，此外，把需要解决的问题变为能够预测的目标，也就是成功进行数据挖掘的准则，作为进行数据挖掘的第一步，需要充分分析各种因素，例如，资金、时间、技术等。

第二，选择数据。了解和选择基础数据，如，从哪里得到数据，怎样建立数据仓库，能否直接使用内部数据，必要的数据字段，选择数据以后能够建立基础数据可信度。

第三，准备数据。预处理、转换选择的数据，从而降低或者消除数据噪音，以便于整体增加数据可信度、准确性、完整性。

第四，构造模型，是最重要和关键的数据挖掘阶段，依据实际数据挖掘的商业目的，合理选择符合情况的挖掘技术，建立测试和培训数据，利用相应算法对配需数据建立一定模型以及模型解释。

第五，评估模型和校验。依据测试数据来测試建立的模型，合理计算误差率，如果不能符合实际目标，需要分析误差出现的原因，重新回到选择数据阶段或者构建模型阶段，重复上述过程，直到发现符合实际的模型，如果不能符合商业确定目标，需要重新定义商业目标。

第六，部署和应用。建立符合标准的模型以后，需要在公司内部应用和部署模型，此外，在实际应用的时候，需要不断的对模型进行测试，有效完善模型[8]。

结语：

总之，在客户关系管理中应用数据挖掘技术是十分重要的，需要在整个客户生命周期中都贯穿数据挖掘技术，为企业实施智能化和决策提供一定保证和基础。由于不断发展和深化研究数据挖掘技术，促使具备更加广阔的应用市场和前景。（作者单位：北京远程视觉科技有限公司）

参考文献：

[1] 王慧.数据挖掘技术在分析型CRM中的应用研究[J].生产力研究，2010（11）：118-119，171.

[2] 董宁.数据挖掘技术在CRM中的应用[J].计算机工程与设计，2011，28（6）：1429-1432.

[3] 陈海珍，黄德才，郭海东等.数据挖掘技术在CRM中的应用[J].计算机工程，2013，29（7）：189-191.

[4] 魏娟，梁静国.基于数据挖掘技术的企业客户关系管理（CRM）[J].商业研究，2015（7）：53-56.

[5] 廖成斌.数据挖掘技术在制造业CRM中的应用[J].制造业自动化，2010，32（5）：221-224.

[6] 江念南.利用数据仓库/数据挖掘技术构建DC-CRM模型[J].情报学报，2011，23（5）：611-618.

[7] 王松林，朱洪文.数据挖掘技术在CRM中的应用[J].商业研究，2014（2）：61-64.

[8] 郭佳.数据挖掘技术在企业客户关系管理（CRM）中的应用[J].制造业自动化，2012，34（3）：79-82.