论文部分内容阅读
摘 要：在电子商务这种企业充分竞争的环境下，多数有远见的企业都将自己的战略核心从“产品为中心”向以“客户为中心”转变，以客户需求为导向的客户关系管理（Customer Relationship Management，以下简称CRM）成为企业研究与应用的重点[1]。而在电子商务带来的海量数据面前，传统的以业务人员为核心的手工客户细分方式已经不能够满足需要了，数据挖掘技术[2]便随之诞生发展了。但是电子商务环境下客户关系管理还不够成熟和完善，能够适应企业快速变化的且具备基于数据挖掘技术的商业智能分析能力的电子商务环境下客户关系管理系统也比较少。综上所述，数据挖掘在电子商务环境下客户关系管理中的应用研究具有重要的意义和实际的应用价值。
关键词：电子商务；客户关系管理；数据挖掘
CRM管理理念及其价值被越来越多的企业所重视，于1997年开始，全球的CRM市场一直处于爆炸性的快速增长之中。国内CRM起步较晚，但却依然显示出强劲的发展势头，其显著的价值提升能力已经得到业界的认同，即将进入发展的蓬勃期并将形成新的追踪热潮[3]。
作为一个跨知识管理、业务运作和电子商务等系统的融合概念，客户关系管理正以前所未有的速度发展，正在逐渐成为现代企业生存的根本和制胜的关键。
传统的运营型CRM虽然在长期的运作之中显示了它一贯的优势，然而，以海量客户信息为代表的电子商务的不断发展使得数据挖掘在电子商务CRM中的应用已经明显的显示出其必要性与紧迫性。国内外的学术界对于数据挖掘在电子商务客户关系管理中的研究现在主要集中在这样几个方面：
第一，数据挖掘的模型研究：如关联规则快速挖掘模型研究，用户访问数据模型研究，路径分析模型研究等等[4]。
第二，新的应用领域的开发：数据挖掘在CRM中的应用已经由传统的银行业电信业这类传统的涉及到大量客户数据的行业向普通行业转化。现在，已经涉及到新兴电子商务行业（主要指信息产品的在线销售这一完全形式）以及房地产，大型零售业等传统行业的E化。同时，除了销售与市场领域之外，即使在生产领域，整个生产过程也根据CRM的要求进行了重组，特别是在动态质量管理和柔性生产方面取得了一定的进展。
但总体上来看，目前数据挖掘技术在电子商务客户关系管理的研究还是描述性偏多，对数据挖掘在电子商务环境下客户关系管理的研究仍然进展缓慢。
本研究将整合电子商务，客户关系管理和数据挖掘的相关概念，主要针对电子商务CRM的现状、数据挖掘技术较传统CRM方式的先进性及数据挖掘对电子商务CRM的技术实现进行具体分析，具有一定的实际价值。
1电子商务CRM
1.1电子商务运用CRM的优势
1.1.1多种渠道综合运用，加强与客户的沟通。CRM通过整合的信息平台，综合了与客户沟通的多种交流渠道，可以根据后台的归类分析，为客户提供其希望的交流渠道和方式，有利于提高与客户沟通的效率。
1.1.2运用技术手段对客户进行分类，提供个性化的服务。通过运用数据挖掘等技术手段，深入分析客户类型，将具有相同或相似类型的客户归类，为其提供更具针对性的服务。通过对同类客户的细分，为每个客户提供差异化的个性服务，寻找和拓宽企业与客户之间的利润空间，提高客户的满意度。
1.1.3信息资源共享有利于从整体上提高客户服务质量。CRM有利于企业各业务部门共享客户的资源和经验，达到为客户服务时有统一的标准和口径，提高客户服务质量，进而使得客户对企业形成了完整的、良好的印象，增强客户的忠诚度，避免客户流失。
1.1.4借助CRM平台，客户的一次点击就可以完成多项业务，同时前台自动化程度的提高，使得很多重复的工作（如批量發传真、邮件）都可以由计算机系统完成，使得企业的工作质量和营销效率得以提高。
1.1.5CRM借助现代网络技术，降低营销运作成本。
1.1.6相对于以产品为竞争基础的传统企业，客户没必要进行复杂的自行联络过程来得到进一步的咨询和服务，因而能够在第一时间完成交易，增加了销售机会。
1.2电子商务CRM的现状及存在的问题
1.2.1现状
1.2.1.1客服流程与方法的整合：它包含了前端与后端的整合。前端是指统一的联系渠道，它使得企业可以同时让客户选择在不同时间以电话、传真、网站或电子邮件等各种不同方式与企业接触。后端则是指用先进的资料分析方法，深入探索客户相关的知识，做客户管理的依据。
1.2.1.2重在一对一营销：电子商务CRM应以每一个客户作为一个个别的区域，因此对客户行为的追踪或分析，都是以单一客户为单位，发现其行为方式与偏好。同时，应对策略或行销方案也是依每个客户的个别状况来提供。
1.2.1.3交互的实时性：Internet时代消费者快速地接受大量信息，所以消费者偏好也不断地改变。企业必须不断地观察消费者行为的改变，并立即产生应对策略，才能掌握先机赢得客户。
1.2.2问题
1.2.2.1客户范畴的认知不深：企业的客户，应该包括现有客户与潜在客户。而当前许多企业只把目光放在眼前的客户上，看不到潜在客户的利润空间。
1.2.2.2服务缺乏创新：个性化服务只停留在观念的层次，仅有形式的个性，实际上并没有给客户提供多少贴心的服务。
1.2.2.3大量有益信息未充分的挖掘和利用：电子商务网站每天都可能有上百万次的在线交易，生成大量的记录文件和登记表，这些数据都是和客户行为有关的，对商家来说是非常重要的。但是数据并不是信息，这些数据资源中所蕴涵的大量有益信息至今却未能得到充分的挖掘和利用。这些数据一旦不能为企业所用，大量的数据就可能成为企业的包袱，甚至成为垃圾。 2数据挖掘简介
数据挖掘，又称数据库中的知识发现（Knowledge Discovery In Database。 KDD）【5】，是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
从技术上来说，数据挖掘就是从大量的、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。
从商业角度来说，数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。
因此，数据挖掘可以描述为：按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化，供企业有益地决策。
3数据挖掘技术在电子商务CRM中的运用
3.1电子商务CRM运用数据挖掘的先进性
数据挖掘技术相对于传统CRM方式在电子商务CRM中的应用及优势，主要有以下几点：
3.1.1客户细分：首先将现有的客户进行聚类，利用聚类结果给客户赋予类标记，如高价值客户、普通客户、负价值客户等，然后分类描述出高价值客户的具体特征。通过对顾客年龄、年收入、住址、婚姻状况、收益和商家保持交易的时间、对商家的边际贡献等因素进行分析，细分出不同的客户群。
3.1.2获取新客户：用数据挖掘技术可以揭示客户的行为习惯，发现一些不同情况下有相似行为的新客户，帮助商家识别这些潜在的客户群，同时还可以帮助营销人员完成对潜在客户的发现和筛选工作，把潜在客户的名单和这些客户感兴趣的营销、促销措施系统结合起来，为每个客户提供个性化的服务，以不断地获取新客户。
3.1.3挽留老客户：通过数据挖掘对流失的客户群进行针对性的研究，分析其特征，再根据分析结果到现有客户资料中找到可能转移的客户，然后根据分析模型和结果设计预防客户流逝的方案，比如对将要流失的客户给予一定的优惠条件等等。
3.1.4提高客户的购买能力：通过分析现有客户的购买行为和消费习惯数据，用数据挖掘的算法对不同的销售方式的个体行为进行建模；其次用建立预测模型对客户将来的消费行为进行预测分析，最后用建立的分析模型对新的客户数据进行分析，以决定向客户提供哪一种产品。在这其中可以通过关联分析，找出相关产品的相关性来决定推销哪一种产品。
3.1.5防范客户的欺诈行为：利用数据挖掘技术对一些有欺诈行为的客户群样本进行训练，可采用神经网络算法进行建模，然后对现有客户进行分析，探查出具有欺诈倾向的客户，也可以采用数据挖掘孤立点分析技术，在对客户群进行分析时找到那些与其他的客户不同的客户群来进行防范。因为欺诈的行为很少，为了防止出错，还可以对前面判断出来的欺诈行为进行再次判断，进一步提高判断的准确性。
3.2运用于电子商務CRM的主要数据挖掘技术
3.2.1关联分析
关联分析【6】，即利用关联规则进行数据挖掘。关联分析的目的是挖掘隐藏在数据间的相互关系，它能发现数据库中形如“90%的顾客在一次购买活动中购买商品 A 的同时购买商品 B”之类的知识。
3.2.2序列模式分析
序列模式分析和关联分析相似，但侧重点在于分析数据间的前后序列关系。它能发现数据库中形如在某一段时间内，顾客购买商品a，接着购买商品b，而后购买商品c，即序列a-b-c出现的频度较高之类的知识。序列模式分析描述的问题是在给定交易序列数据库中，每个序列是按照交易时间排列的一组交易集。
3.2.3分类分析
设有一个数据库和一组具有不同特征的类别（标记）。该数据库中的每一个记录都赋予一个类别的标记，这样的数据库称为示例数据库或训练集。分类分析就是通过分析示例数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其它数据库中的记录进行分类。
3.2.4聚类分析
聚类分析输入的是一组未分类记录，并且这些记录应分成几类事先不知道，通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。它所采用的分类规则是由聚类分析工具决定的。采用不同的聚类方法，对于相同的记录集合可能有不同的划分结果。
4结束语
我们知道电子商务客户关系管理是近年来的一个研究热点。本文结合电子商务，客户关系管理和数据挖掘的相关理论，对数据挖掘技术在电子商务客户关系管理中的运用做了一些基础的研究。数据挖掘技术体现的优势，使其运用于电子商务CRM成为一种必然的趋势。本文的研究对今后在这方面的更深层次的研究具有一定的借鉴意义。我们相信，数据挖掘和CRM的结合必然会推动企业的发展，同时也为客户提供更优质的服务。实践证明，将数据挖掘技术应用于CRM使企业进一步巩固了高价值的客户群体，引导并提升了低价值的客户群体，激励并转化了没有价值的客户群体，取得了可观的直接经济收益，为企业带来了丰厚的利润。数据挖掘技术对具有“海量信息”的行业或公司，例如：金融行业、超市、移动通信行业等，具有广泛的应用前景。
参考文献：
[1]齐佳音，韩新民，李怀祖，我国客户关系管理研究的紧迫性和方向分析 [J].管理科学学报，2002（4）：88-89.
[2]吴恒亮.Web 挖掘在电子商务推荐系统中的应用研究[J].中国商贸，2010（4）：78-79
[3]瞿艳平. 国内外客户关系管理理论研究述评与展望[J]. 财经论丛，2011（03）
[4]Anonymous . Both sides of the CRM divide . Marketing . Toronto ：Apr 18 ， 2005 . Vol .110 .is s 14：p.S14（1 page）
[5]张澎坦，王鲁达，唐日成.电子商务中的数据挖掘[J].湘南学院学报，2009，30（2）： 85-88.
[6]胡欣如. 基于数据挖掘技术的客户关系管理系统设计与实现[J]. 微计算机信息， 2009， 25（12）：58-62.
关键词：电子商务；客户关系管理；数据挖掘
CRM管理理念及其价值被越来越多的企业所重视，于1997年开始，全球的CRM市场一直处于爆炸性的快速增长之中。国内CRM起步较晚，但却依然显示出强劲的发展势头，其显著的价值提升能力已经得到业界的认同，即将进入发展的蓬勃期并将形成新的追踪热潮[3]。
作为一个跨知识管理、业务运作和电子商务等系统的融合概念，客户关系管理正以前所未有的速度发展，正在逐渐成为现代企业生存的根本和制胜的关键。
传统的运营型CRM虽然在长期的运作之中显示了它一贯的优势，然而，以海量客户信息为代表的电子商务的不断发展使得数据挖掘在电子商务CRM中的应用已经明显的显示出其必要性与紧迫性。国内外的学术界对于数据挖掘在电子商务客户关系管理中的研究现在主要集中在这样几个方面：
第一，数据挖掘的模型研究：如关联规则快速挖掘模型研究，用户访问数据模型研究，路径分析模型研究等等[4]。
第二，新的应用领域的开发：数据挖掘在CRM中的应用已经由传统的银行业电信业这类传统的涉及到大量客户数据的行业向普通行业转化。现在，已经涉及到新兴电子商务行业（主要指信息产品的在线销售这一完全形式）以及房地产，大型零售业等传统行业的E化。同时，除了销售与市场领域之外，即使在生产领域，整个生产过程也根据CRM的要求进行了重组，特别是在动态质量管理和柔性生产方面取得了一定的进展。
但总体上来看，目前数据挖掘技术在电子商务客户关系管理的研究还是描述性偏多，对数据挖掘在电子商务环境下客户关系管理的研究仍然进展缓慢。
本研究将整合电子商务，客户关系管理和数据挖掘的相关概念，主要针对电子商务CRM的现状、数据挖掘技术较传统CRM方式的先进性及数据挖掘对电子商务CRM的技术实现进行具体分析，具有一定的实际价值。
1电子商务CRM
1.1电子商务运用CRM的优势
1.1.1多种渠道综合运用，加强与客户的沟通。CRM通过整合的信息平台，综合了与客户沟通的多种交流渠道，可以根据后台的归类分析，为客户提供其希望的交流渠道和方式，有利于提高与客户沟通的效率。
1.1.2运用技术手段对客户进行分类，提供个性化的服务。通过运用数据挖掘等技术手段，深入分析客户类型，将具有相同或相似类型的客户归类，为其提供更具针对性的服务。通过对同类客户的细分，为每个客户提供差异化的个性服务，寻找和拓宽企业与客户之间的利润空间，提高客户的满意度。
1.1.3信息资源共享有利于从整体上提高客户服务质量。CRM有利于企业各业务部门共享客户的资源和经验，达到为客户服务时有统一的标准和口径，提高客户服务质量，进而使得客户对企业形成了完整的、良好的印象，增强客户的忠诚度，避免客户流失。
1.1.4借助CRM平台，客户的一次点击就可以完成多项业务，同时前台自动化程度的提高，使得很多重复的工作（如批量發传真、邮件）都可以由计算机系统完成，使得企业的工作质量和营销效率得以提高。
1.1.5CRM借助现代网络技术，降低营销运作成本。
1.1.6相对于以产品为竞争基础的传统企业，客户没必要进行复杂的自行联络过程来得到进一步的咨询和服务，因而能够在第一时间完成交易，增加了销售机会。
1.2电子商务CRM的现状及存在的问题
1.2.1现状
1.2.1.1客服流程与方法的整合：它包含了前端与后端的整合。前端是指统一的联系渠道，它使得企业可以同时让客户选择在不同时间以电话、传真、网站或电子邮件等各种不同方式与企业接触。后端则是指用先进的资料分析方法，深入探索客户相关的知识，做客户管理的依据。
1.2.1.2重在一对一营销：电子商务CRM应以每一个客户作为一个个别的区域，因此对客户行为的追踪或分析，都是以单一客户为单位，发现其行为方式与偏好。同时，应对策略或行销方案也是依每个客户的个别状况来提供。
1.2.1.3交互的实时性：Internet时代消费者快速地接受大量信息，所以消费者偏好也不断地改变。企业必须不断地观察消费者行为的改变，并立即产生应对策略，才能掌握先机赢得客户。
1.2.2问题
1.2.2.1客户范畴的认知不深：企业的客户，应该包括现有客户与潜在客户。而当前许多企业只把目光放在眼前的客户上，看不到潜在客户的利润空间。
1.2.2.2服务缺乏创新：个性化服务只停留在观念的层次，仅有形式的个性，实际上并没有给客户提供多少贴心的服务。
1.2.2.3大量有益信息未充分的挖掘和利用：电子商务网站每天都可能有上百万次的在线交易，生成大量的记录文件和登记表，这些数据都是和客户行为有关的，对商家来说是非常重要的。但是数据并不是信息，这些数据资源中所蕴涵的大量有益信息至今却未能得到充分的挖掘和利用。这些数据一旦不能为企业所用，大量的数据就可能成为企业的包袱，甚至成为垃圾。 2数据挖掘简介
数据挖掘，又称数据库中的知识发现（Knowledge Discovery In Database。 KDD）【5】，是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
从技术上来说，数据挖掘就是从大量的、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。
从商业角度来说，数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。
因此，数据挖掘可以描述为：按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化，供企业有益地决策。
3数据挖掘技术在电子商务CRM中的运用
3.1电子商务CRM运用数据挖掘的先进性
数据挖掘技术相对于传统CRM方式在电子商务CRM中的应用及优势，主要有以下几点：
3.1.1客户细分：首先将现有的客户进行聚类，利用聚类结果给客户赋予类标记，如高价值客户、普通客户、负价值客户等，然后分类描述出高价值客户的具体特征。通过对顾客年龄、年收入、住址、婚姻状况、收益和商家保持交易的时间、对商家的边际贡献等因素进行分析，细分出不同的客户群。
3.1.2获取新客户：用数据挖掘技术可以揭示客户的行为习惯，发现一些不同情况下有相似行为的新客户，帮助商家识别这些潜在的客户群，同时还可以帮助营销人员完成对潜在客户的发现和筛选工作，把潜在客户的名单和这些客户感兴趣的营销、促销措施系统结合起来，为每个客户提供个性化的服务，以不断地获取新客户。
3.1.3挽留老客户：通过数据挖掘对流失的客户群进行针对性的研究，分析其特征，再根据分析结果到现有客户资料中找到可能转移的客户，然后根据分析模型和结果设计预防客户流逝的方案，比如对将要流失的客户给予一定的优惠条件等等。
3.1.4提高客户的购买能力：通过分析现有客户的购买行为和消费习惯数据，用数据挖掘的算法对不同的销售方式的个体行为进行建模；其次用建立预测模型对客户将来的消费行为进行预测分析，最后用建立的分析模型对新的客户数据进行分析，以决定向客户提供哪一种产品。在这其中可以通过关联分析，找出相关产品的相关性来决定推销哪一种产品。
3.1.5防范客户的欺诈行为：利用数据挖掘技术对一些有欺诈行为的客户群样本进行训练，可采用神经网络算法进行建模，然后对现有客户进行分析，探查出具有欺诈倾向的客户，也可以采用数据挖掘孤立点分析技术，在对客户群进行分析时找到那些与其他的客户不同的客户群来进行防范。因为欺诈的行为很少，为了防止出错，还可以对前面判断出来的欺诈行为进行再次判断，进一步提高判断的准确性。
3.2运用于电子商務CRM的主要数据挖掘技术
3.2.1关联分析
关联分析【6】，即利用关联规则进行数据挖掘。关联分析的目的是挖掘隐藏在数据间的相互关系，它能发现数据库中形如“90%的顾客在一次购买活动中购买商品 A 的同时购买商品 B”之类的知识。
3.2.2序列模式分析
序列模式分析和关联分析相似，但侧重点在于分析数据间的前后序列关系。它能发现数据库中形如在某一段时间内，顾客购买商品a，接着购买商品b，而后购买商品c，即序列a-b-c出现的频度较高之类的知识。序列模式分析描述的问题是在给定交易序列数据库中，每个序列是按照交易时间排列的一组交易集。
3.2.3分类分析
设有一个数据库和一组具有不同特征的类别（标记）。该数据库中的每一个记录都赋予一个类别的标记，这样的数据库称为示例数据库或训练集。分类分析就是通过分析示例数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其它数据库中的记录进行分类。
3.2.4聚类分析
聚类分析输入的是一组未分类记录，并且这些记录应分成几类事先不知道，通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。它所采用的分类规则是由聚类分析工具决定的。采用不同的聚类方法，对于相同的记录集合可能有不同的划分结果。
4结束语
我们知道电子商务客户关系管理是近年来的一个研究热点。本文结合电子商务，客户关系管理和数据挖掘的相关理论，对数据挖掘技术在电子商务客户关系管理中的运用做了一些基础的研究。数据挖掘技术体现的优势，使其运用于电子商务CRM成为一种必然的趋势。本文的研究对今后在这方面的更深层次的研究具有一定的借鉴意义。我们相信，数据挖掘和CRM的结合必然会推动企业的发展，同时也为客户提供更优质的服务。实践证明，将数据挖掘技术应用于CRM使企业进一步巩固了高价值的客户群体，引导并提升了低价值的客户群体，激励并转化了没有价值的客户群体，取得了可观的直接经济收益，为企业带来了丰厚的利润。数据挖掘技术对具有“海量信息”的行业或公司，例如：金融行业、超市、移动通信行业等，具有广泛的应用前景。
参考文献：
[1]齐佳音，韩新民，李怀祖，我国客户关系管理研究的紧迫性和方向分析 [J].管理科学学报，2002（4）：88-89.
[2]吴恒亮.Web 挖掘在电子商务推荐系统中的应用研究[J].中国商贸，2010（4）：78-79
[3]瞿艳平. 国内外客户关系管理理论研究述评与展望[J]. 财经论丛，2011（03）
[4]Anonymous . Both sides of the CRM divide . Marketing . Toronto ：Apr 18 ， 2005 . Vol .110 .is s 14：p.S14（1 page）
[5]张澎坦，王鲁达，唐日成.电子商务中的数据挖掘[J].湘南学院学报，2009，30（2）： 85-88.
[6]胡欣如. 基于数据挖掘技术的客户关系管理系统设计与实现[J]. 微计算机信息， 2009， 25（12）：58-62.