面向全价值链创新的电子商务客户智能系统设计

曹钰华 沈阳阳

基金项目：国家重点研发计划（2019YFC0121303），江苏省教育科学“十三五”规划重点课题（B-a/2020/03/10）

摘 要：为实现数字经济时代电子商务企业对客户数据的充分挖掘和全面应用，达成全域客户价值共创，融合客户管理理论和数据分析方法，本文设计了一个面向全价值链创新的电子商务客户智能系统，分析结果可应用于产品研发、消费者与市场、供应链等各个领域。该系统有助于推动全价值链创新，能够实现“来源于全链条、服务于全链条”的客户智能。

关键词：客户智能;全价值链;电子商务;理论基础;系统设计

随着大数据、人工智能、云计算、物联网等数字信息技术不断革新，电子商务行业正在经历着“全面数字化”的迭代升级，使得客户或主动或被动地更加深度地参与到电子商务全价值链所有环节的业务中，全面、系统、深度挖掘客户数据并反馈至产品开发、营销推广、销售运营以及供应链等各个领域成为一种可能，也成为一种必需，充分利用数字分析技术，面向电子商务全价值链，对客户数据进行充分挖掘分析，具有较高的理论价值和现实意义。

客户数据挖掘所蕴含的巨大价值已经催生出一个专门领域——“客户智能”。客户智能指的是企业利用各种信息化技术手段收集、分析与客户有关的数据，并以此完善客户关系、进行客户决策、提升客户价值，以实现获取并长期保留客户的目的（Anshari等，2019;Zerbino等，2018）。客户智能的本质是以客户为中心，以数字技术为导向的新型营销理念。国内外一些研发机构和大型IT公司，例如IBM、SAS、Business Objects、Oracle等公司均开发出客户智能系统;电商平台，如生意参谋、京东商智等也设有客户数据分析模块。但现有的客户智能软件、系统或模块存在明显的不足：SAS等公司的客户智能软件源于传统的企业管理信息系统，对于电子商务领域的具体情境的精准匹配欠佳;主流的电子商务数据分析平台中虽然涉及客户数据分析，但总体仍较为零散和碎片;现有的客户智能系统总体来说大多处于“从客户到客户”的模式，既没有充分挖掘出电子商务全价值链中所蕴含的客户数据价值，亦没有充分发挥客户数据对于电子商务全价值链创新的推动作用。

基于此，本文构建了一个面向全价值链创新的电子商务客户智能系统，该系统基于电子商务全价值链视角，全面分析各个环节中蕴含的客户数据，并形成能够推动全价值链创新的优化对策与方案，有助于进一步完善现有的客户智能系统，并为电子商务企业的整体运营优化提供决策参考。

一、相关研究与应用现状

客户智能是一种“以客户为中心理念+数据挖掘技术”的新型商业模式和运营策略，其理论研究和实践应用都处于不断发展的过程中。

1.客户智能的理论研究现状

客户智能的理论研究从大的方面来说主要包括管理视角和技术视角。

管理视角下的研究主要包括客户智能内涵与概念、客户智能的内容与功能、客户知识等方面。内涵与概念方面，普遍认为客户智能是从企业内外各种渠道搜集客户数据，通过分析挖掘其中蕴含的客户知识，并将这些知识应用到客户关系管理、营销推广以及产品开发等过程中的技术、方法、过程以及模式集合体（France和Ghose 2019;艾丹祥，2007）。内容与功能方面，流程视角的研究认为客户智能主要包括客户知识的生成、分配以及应用等内容（艾丹祥，2007），主题视角的研究认为客户智能包括客户价值、客户行为、客户兴趣、客户满意度等内容，其本质就是基于客户知识的创新过程，即以客户知识推动企业运营优化，不断提供企业竞争力的过程（Nambisan，2010）。客户知识方面，普遍认为客户知识是客户智能的关键核心要素，是客户拥有的，或在交易、交流、服务等过程中产生的经验、体验、知识等信息资源组合（齐丽云，2009），从来源渠道包括来自客户的知识、流向客户的知识和关于客户的知识等三类，从表现形式来说包括显性客户知识和隐性客户知识，从内容属性来说包括对话型知识、观察型知识和预测型知识（艾丹祥，2007）。

技术视角下的研究主要为客户数据分析主题及其相应的实现模型。目前客户智能的常见分析主题主要包括：客户识别、客户忠诚度分析、客户满意度分析、客户细分、客户分类等（赵雅慧等，2019）;应用到的分析模型与技术手段主要包括：关联分析、分类分析、聚类分析、回归分析、预测分析以及时间序列等（Dam等，2019）;分析的数据来源主要包括交易数据、社交媒体数据、系统日志以及客户关系数据库等（Dam等，2019;Zerbino等，2018）。

2.客户智能的实践应用现状

由于存在巨大的市场需求，客户智能的实践应用相对来说领先于理论研究的发展。现有客户智能软件主要包括两种类型：商务智能或ERP在客户关系管理领域的延伸和聚焦;电子商务平台中的客户管理模块或功能。前者如IBM、SAS、business objects、Oracle、浪潮、东软等公司推出的客户智能系统，例如IBM公司推出的Predictive Customer Intelligence，该系统能够基于对客户购买行为、网络活动、社交媒体等数据的挖掘分析，对客户未来的消费行为进行预测，为客户提供个性化的服务体验。后者如亚马逊、淘宝以及京东等电子商务平台在其数据化管理系统中均设有客户管理相关的模块或功能。

3.理论研究与实践应用简要评述

综合分析现有关于客户智能的理论研究和实践应用现状，可以发现存在三个层面的“分离”，有待进一步完善。第一层面的“分离”体现在管理视角的研究与技术视角研究之间的“分离”，如何融合管理理论的指导和数据分析技术的设计，进一步优化客户智能实现模式有待突破;第二层面的“分离”体现在现有客户智能的功能与电子商务发展对客户管理实际需求之间的“分离”，现有源于ERP或商务智能的客户智能软件面向的主要是传统的企业客户关系管理，对于电子商务领域具体情境的精准匹配欠佳，而主流的电子商务数据分析平台中虽然多多少少都涉及客户数据分析，但总体仍较为零散和碎片;第三个层面的“分离”体现为现有客户智能系統中客户知识在价值链各环节中的“分离”，大多处于“从客户到客户”的模式，既没有充分挖掘出电子商务全价值链中所蕴含的客户知识价值，亦没有充分发挥客户知识对于电子商务企业全价值链创新的推动作用。

二、理论模型

对于当下的电子商务企业来说，客户是决定企业取得可持续的良性发展的关键资源，并且这种资源的性质从“外生”向“内生”转变，成为共同创造价值的元素之一。价值共创领域的研究认为客户的价值共创角色主要体现在共同创意、共同设计、共同开拓市场、共享经验以及成为合伙人等方面（Ramaswamy和Ozcan，2018）。具体到电子商务领域，客户的价值共创行为主要包括共同产品开发、共同开发市场以及共同运营三个方面。客户数据分析在本质上是对客户知识的挖掘，而当前客户知识的来源与类型更加丰富和多样（Gibbert等，2002），从表现形式来说包括显性客户知识和隐性客户知识（艾丹祥，2007），电子商务的客户知识包括描述客户静态状态的“结果性”数据，刻画客户行为过程的“行为性”数据，以及反映客户内在意向和想法的“内在化”数据。因此，本文提出面向全价值链创新的电子商务客户智能系统，理论框架如图1所示。

三、整体框架、关键功能与核心模块

1.整体框架

基于理论框架，本电子商务客户智能系统主要包括数据来源与类型、分析方法与手段、核心任务与模块、功能输出与应用几个部分，具体如图2所示。

2.关键功能

遵循“来源于全链条、服务于全链条”的客户数据分析思路，重点聚焦客户关系管理、市场营销、技术创新于产品开发等环节，面向电子商务全价值链协同创新，本系统实现的关键功能包括：客户洞察、技术与产品创新以及价值链协同，如图3所示。

3.核心模块

（1） 客户运营分析

该模块面向营销推广、销售以及客户关系管理等领域产生的关于客户的“结果性”数据，重点挖掘客户整体特征、营销属性、活跃度、价值度以及异动规律，建立全生命周期、多层次、多维度，包含客户识别、定位和预测功能的数据化系统，主要包括以下分析內容。

①客户特征分析

对现有客户群体各个维度的特征进行分析，以及为客户关系管理以及营销等业务部门提供决策参控。

②客户分类分析

将客户群体依据不同的维度标准划分为不同的细分群体或类型，有助于客户的精细化管理和精准营销。

③客户活跃度分析

用来评估客户的活跃程度情况，是客户状态分析的基本模型。

④客户价值度分析

用来评价客户的价值情况，是区分客户价值的重要模型和参考依据，也是衡量不同营销效果的关键指标之一。

⑤客户营销预测分析

针对营销推广活动展开，通常在营销活动开展之前，通过对客户数据分析找到能实现营销目标的客户特征，以及该群体的数量与可能产生的销售额。

⑥客户流失预测分析

主要用来预测客户是否流失，是做客户生命周期管理的重要决策参考之一。

（2） 客户行为分析

该模块面向营销推广、交易销售以及客户访问过程等环节中产生的“行为”性数据，重点挖掘客户交易类型及其偏好，访问路径与规律，从动态角度精准刻画客户从访问到交易的全过程，为网站规划、视觉设计、引流策略和营销方案等提供参考，主要包括以下分析内容。

①客户群体行为分析

对电子商务企业客户群体的访问、收藏以及交易等行为的整体性分析，以帮助企业进一步优化营销、销售和客户关系管理。

②客户访问路径分析

能够分析不同页面引流和前后路径关系，可用于站内流程完善、流量引导和营销优化等方面。

（3） 客户内容分析模块

该模块面向客户评价、企业官微、公众号、社交网络以及专业论坛中产生的关于客户“内容”数据，重点分析客户产生的关于对商品、企业、品牌的体验、反馈、评价和设想等内容，挖掘相关关键词、主题、情感倾向等信息，主要包括以下分析内容。

①客户内容情感倾向分析

基于客户产生的内容分析其对企业、商品、活动等对象的观点、态度、情绪、立场以及其他主观情感的倾向，包括积极、消极、中性或负向等。

②客户内容词频统计

用来分析客户产生内容中词语出现频率统计分析，可以分析客户对于特定商品等对象关注的焦点、评价的重点及其分布情况。

③客户内容关键词和主题分析

从客户产生的文本中提取相关的词语，主题分析是从客户产生的内容中抽取所表达的中心思想和核心概念，能够反映客户内容的主旨。

四、结论

为实现数字经济时代电子商务领域充分、高效地挖掘并利用客户数据，基于客户知识与客户价值共创相关理论，本文提出了一个面向电子商务全价值链创新的客户智能系统。该系统从电子商务的客户关系管理、营销推广、销售等各个环节收集和挖掘客户数据，并将分析结果应用于包含产品研发、消费者与市场、供应链等各个领域，对现有客户智能系统存在的诸如不精准、不全面等问题进行了优化，能够满足当前电子商务行业发展对于客户数据分析的需求，具有一定的理论价值和实践意义。

参考文献：

[1]Anshari M，et al.Customer relationship management and big data enabled：Personalization&customization of services[J].Applied Computing and Informatics，2019，15（2）：94-101.

[2]Zerbino P，et al.Big Data-enabled customer relationship management：A holistic approach[J].Information Processing&Management，2018，54（5）：818-846.

[3]France S L，S Ghose.Marketing analytics：Methods，practice，implementation，and links to other fields[J].Expert Systems with Applications，2019，119：456-475.

[4]艾丹祥.基于數据挖掘的客户智能研究[D].武汉：武汉大学，2007.

[5]Nambisan S.Virtual customer environments：IT-enabled customer co-innovation and value co-creation，in Information technology and product development[M].Springer，2010：109-127.

[6]齐丽云.客户知识管理对企业绩效影响的实证研究[D].大连：大连理工大学，2009.

[7]赵雅慧，刘芳霖，罗琳.大数据背景下的用户画像研究综述：知识体系与研究展望[J].图书馆学研究，2019（24）：13-24.

[8]Dam N A K，T Le Dinh，W Menvielle.Marketing Intelligence From Data Mining Perspective–A Literature Review[J].International Journal of Innovation，Management and Technology，2019，10（5）：184-190.

[9]Gibbert M，M Leibold，G Probst.Five styles of customer knowledge management，and how smart companies use them to create value[J].European management journal，2002，20（5）：459-469.

作者简介：曹钰华（1983- ），女，汉族，江苏南通人，博士，副教授，研究方向：电子商务、商务数据分析;沈阳阳（1987- ），女，汉族，江苏苏州人，博士，讲师，研究方向：商务数据分析