论文部分内容阅读
【摘要】 客户关系管理（CRM）是当前企业管理的热点问题，而数据挖掘技术则为有效进行客户信息的挖掘提供了重要的技术支持。介绍了数据挖掘技术在CRM中的应用，随着理论的不断发展，数据挖掘技术必然会带给CRM更加广泛的应用前景和市场价值，提高企业竞争力。
【关键词】 数据挖掘；CRM
一、引言
21世纪随着全球经济一体化不断深入和市场竞争日益激烈，企业再难以单靠产品质量赢取竞争优势。现代企业已逐步从以“产品为中心”的經营管理模式转变为以“客户为中心”。客户关系管理（CRM）越来越被各企业所重视和研究，但是在科技高速发展的今天，面对雪崩式增长的庞大海量信息，企业通过手工方式很难对客户数据的分布找出规律，并进行分析决策。因此面对海量的数据，迫使人们不断寻找新的工具，来对企业的运营规律进行探索，为商业决策提供有价值的知识，使企业获得利润。能满足企业这一迫切需求的强有力的工具就是数据挖掘。
二、CRM概述
客户关系管理(CRM)是企业与其客户的交流方式，它实施于企业的市场营销、销售、服务与技术支持等与客户有关的领域。其核心思想是将企业的客户（包括最终客户、分销商和合作伙伴）作为最重要的企业资源，通过完善的客户服务和深入的客户分析来满足客户的需求，保证实现客户的终生价值。
CRM的目标：一方面通过提供更快速和周到的优质服务吸引和保持更多的客户；另一方面通过对业务流程的全面管理减低企业的成本。设计完善的CRM解决方案可以帮助企业在拓展新收入来源的同时，改进与现有客户的交流方式。据国际CRM论坛统计，国际上成功的CRM实施，能给相应的企业每年带来6%的市场份额增长，提高9%～0%的基本服务收费，并超过服务水平低的企业2倍的发展速度。
CRM的功能主要分为四大部分：
1．户信息管理
整合记录企业各部门、每个人所接触的客户资料进行统一管理，这包括对客户类型的划分、客户基本信息、客户联系人信息、企业销售人员的跟踪记录、客户状态、合同信息等。
2．市场营销管理
制订市场推广计划，并对各种渠道（包括传统营销、电话营销、网上营销）所接触到得客户进行记录、分类和辨识，提供对潜在客户的管理，并对各种市场活动的成效进行评价。CRM营销管理最重要的是实现一对一营销，从“宏营销”到“微营销”的转变。
3．销售管理
功能包括对销售人员电话销售、现场销售、销售佣金等管理，支持现场销售人员的移动通信设备或掌上电脑接入。进一步扩展的功能还包括帮助企业建立网上商店、支持网上结算管理及与物流软件系统的接口。
4．服务管理与客户关怀
功能包括产品安装档案、服务请求、服务内容、服务网点、服务收费等管理信息，详细记录服务全程情况。支持现场服务与自助服务，辅助实现对客户关怀。
三、CRM中数据挖掘的实现过程
数据挖掘是指从大量的、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。从商业角度看，数据挖掘是一种崭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、转化、分析和模式化处理，从中提取辅助商业决策的关键知识，即从一个数据库中自动发现相关商业模式。它可以描述成: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商业规律，并进一步模式化的数据处理方法。数据挖掘工具能够对将来的趋势和行为进行预测，从而很好地支持人们的决策。
数据挖掘是一门交叉学科，它集成了许多学科中成熟的工具和技术，包括数据库技术、统计学、机器学习、模式识别、人工智能和神经网络等，包括确定业务对象、数据准备、数据挖掘、结果分析、知识的同化五个步骤。
1．确定业务对象
在知识发现之前，最先的同时也是最重要的要求就是了解你的数据和业务问题。不同的问题会得到完全不同的结果，有效的问题定义还应该包含对知识发现项目所得到的结果进行衡量的标准，项目的预算和解释。
2．数据准备
数据挖掘的处理对象是大量的数据，这些数据一般存储在数据库系统，是长期积累的结果。但往往不适合直接在这些原始数据上进行挖掘，需要作数据预处理的工作，把数据转换成适合挖掘的形式。数据准备的好坏将影响到数据挖掘的效率和准确度以及最终模式的有效性：包括数据的选择、数据的预处理和数据的转换；数据的选择是指搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据。数据的预处理指研究数据的质量，为进一步的分析作准备，并确定将要进行的挖掘操作的类型；数据的转换是将数据转换成一个分析模型，这个分析模型是针对挖掘算法建立的，建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。
3．数据挖掘
对所得到的经过转换的数据进行挖掘。以根据需要挖掘的侧重点选择不同的方法，常见得有：分类分析、聚类分析、关联分析、序列模式分析、统计回归和偏差分析等。例如关联分析是挖掘出隐藏在数据之间的相互关系，它能发现客户中形如“90%的顾客在一次购买活动中购买商品A的同时也购买了商品B”之类的知识。序列模式分析的侧重点在于分析数据间的前后序列关系。它能发现客户中形如“在某段时间内，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。
4．结果分析
解释并评估结果，经过数据挖据得到的模式，有些可能是不准确的或不真实的，所以需要对所得模式进行评估，确定有效的、有用的模式，从而得到知识。评价可以根据用户多年的经验，也可以直接用数据检验其准确性。其使用的分析方法一般应作数据挖掘操作而定，通常会用到可视化技术。
5．知识的同化
将分析所得到的知识集成到业务信息系统的组织结构中去。
四、数据挖掘在客户关系管理应用中的领域
数据挖掘技术帮助企业管理客户生命周期的各个阶段，包括争取新的客户，让已有的客户创造更多的利润、保持住有价值的客户等等。它能够帮助企业确定客户的特点，使企业能够为客户提供有针对性的服务。
1．获取潜在客户信息
潜在客户是企业利润增长的源泉，获取潜在客户是企业不断成长的关键。获取客户的活动是面向目标客户市场的营销活动，目的是找到可能对公司的产品或服务有兴趣的人。利用数据挖掘揭示新用户的行为习惯，生成预测模型，预测发现一些在不同情况下有相似行为的用户，进行分析，筛选出可能的潜在用户，并据此有效增加服务推广效应，把潜在用户和这些用户感兴趣的资源和服务系统的结合起来，为每一个用户提供主动化、个性化的服务，把潜在用户转化为正式用户。
2．个性化的市场营销
成功的市场营销必须依赖于对客户的了解，每一次营销活动都应该具有针对性，进行个性化营销，这样才能降低营销成本，提高用户响应率。企业利用数据挖掘的聚类分析技术可以对大量客户信息进行分析和处理，根据客户的消费心理、消费习惯、偏好程度、购买频率、收入水平等因素提供差异化营销策略。亚马逊网上书店（Amazon.com）就是利用遍及全球的Internet同时采用先进的CRM系统软件来进行“一对一营销”的。面对数以万计的客户，亚马逊网上书店具有“惊人的记忆力”和“高度的智力”，从而与客户建立了广泛的“一对一”的学习型关系，这使得该书店的客户保有率高达65%。
3．客户群体分类分析
数据挖掘把大量的客户分成不同的类，每个类里的客户具有相似的属性。例如把所有客户分成两类：男性和女性。企业针对不同类的客户的特征提供针对性的产品和服务来提高客户的满意度，从而达到企业利润最大化。
4．交叉销售和增量销售
交叉销售是促使客户购买尚未使用的产品和服务的营销手段，目的是可以拓宽企业和客户间的关系。增量销售是促使客户将现有产品和服务升级的销售活动，目的在于增强企业和客户的关系。这两种销售都是建立在双赢的基础上的，客户因得到更多更好符合其需求的服务而获益，公司也因销售增长而获益。数据挖掘可以采用关联性模型或预测性模型来预测什么时间会发生什么事件，判断哪些客户对交叉销售和增量销售有意向，以达到交叉销售和增量销售的目的。例如在企业所掌握的客户信息，尤其是以前购买行为的信息中，可能包含这个客户决定下一次购买行为的关键因素，数据挖掘中的序列模式分析可以帮助企业寻找影响客户购买行为的因素。
5．客户诚信度分析
数据挖掘中的差异性分析可用于发现客户的欺诈行为，分析客户的诚信度，从而找出诚信较好的客户。企业为留住老客户，防止客户流失，就必须了解客户的需求。可以利用数据挖掘工具对大量的客户资料进行分析，建立数据模型，确定客户的交易习惯、交易额度和交易频率，分析客户对某个产品的忠诚程度、持久性等，从而为他们提供个性化定制服务，以提高客户忠诚度。
6．客户盈利能力分析和预测
对于一个企业而言，如果不知道客户的价值,就很难做出合适的市场策略。不同的客户对于企业而言，其价值是不同的。数据挖掘技术可以用来分析和预测不同市场活动情况下客户盈利能力的变化，帮助企业制定合适的市场策略。
总之，对于企业而言，数据挖掘可以用于发现业务发展的趋势，揭示已知的事实，预测未知的结果，并帮助企业分析出完成任务所需的关键因素，以达到增加收入、降低成本的目的，使企业获得更多的竞争优势。
五、小结
CRM系統的开发和应用已经受到越来越多的企业的关注，而数据挖掘技术也为CRM的实施提供了良好的基础平台和技术支撑，随着理论的进一步发展和深化，必然会带给CRM 更为广泛的应用前景和市场价值，提高企业的竞争力。
参考文献：
[1]Alex Berson,Stephen Smith,Kurt Thearling. 构建面向CRM的数据挖掘应用[M]. 北京：人民邮电出版社,2001
[2]Jiawei Han,Micheline Kamber，范明，孟小峰(译).数据挖掘概念与技术[M].北京：机械工业出版社，2004:3～4
[3]孙建增，天兵.浅析数据挖掘在CRM中的应用.中国管理信息化.2007，10(3)：23～4
【关键词】 数据挖掘；CRM
一、引言
21世纪随着全球经济一体化不断深入和市场竞争日益激烈，企业再难以单靠产品质量赢取竞争优势。现代企业已逐步从以“产品为中心”的經营管理模式转变为以“客户为中心”。客户关系管理（CRM）越来越被各企业所重视和研究，但是在科技高速发展的今天，面对雪崩式增长的庞大海量信息，企业通过手工方式很难对客户数据的分布找出规律，并进行分析决策。因此面对海量的数据，迫使人们不断寻找新的工具，来对企业的运营规律进行探索，为商业决策提供有价值的知识，使企业获得利润。能满足企业这一迫切需求的强有力的工具就是数据挖掘。
二、CRM概述
客户关系管理(CRM)是企业与其客户的交流方式，它实施于企业的市场营销、销售、服务与技术支持等与客户有关的领域。其核心思想是将企业的客户（包括最终客户、分销商和合作伙伴）作为最重要的企业资源，通过完善的客户服务和深入的客户分析来满足客户的需求，保证实现客户的终生价值。
CRM的目标：一方面通过提供更快速和周到的优质服务吸引和保持更多的客户；另一方面通过对业务流程的全面管理减低企业的成本。设计完善的CRM解决方案可以帮助企业在拓展新收入来源的同时，改进与现有客户的交流方式。据国际CRM论坛统计，国际上成功的CRM实施，能给相应的企业每年带来6%的市场份额增长，提高9%～0%的基本服务收费，并超过服务水平低的企业2倍的发展速度。
CRM的功能主要分为四大部分：
1．户信息管理
整合记录企业各部门、每个人所接触的客户资料进行统一管理，这包括对客户类型的划分、客户基本信息、客户联系人信息、企业销售人员的跟踪记录、客户状态、合同信息等。
2．市场营销管理
制订市场推广计划，并对各种渠道（包括传统营销、电话营销、网上营销）所接触到得客户进行记录、分类和辨识，提供对潜在客户的管理，并对各种市场活动的成效进行评价。CRM营销管理最重要的是实现一对一营销，从“宏营销”到“微营销”的转变。
3．销售管理
功能包括对销售人员电话销售、现场销售、销售佣金等管理，支持现场销售人员的移动通信设备或掌上电脑接入。进一步扩展的功能还包括帮助企业建立网上商店、支持网上结算管理及与物流软件系统的接口。
4．服务管理与客户关怀
功能包括产品安装档案、服务请求、服务内容、服务网点、服务收费等管理信息，详细记录服务全程情况。支持现场服务与自助服务，辅助实现对客户关怀。
三、CRM中数据挖掘的实现过程
数据挖掘是指从大量的、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。从商业角度看，数据挖掘是一种崭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、转化、分析和模式化处理，从中提取辅助商业决策的关键知识，即从一个数据库中自动发现相关商业模式。它可以描述成: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商业规律，并进一步模式化的数据处理方法。数据挖掘工具能够对将来的趋势和行为进行预测，从而很好地支持人们的决策。
数据挖掘是一门交叉学科，它集成了许多学科中成熟的工具和技术，包括数据库技术、统计学、机器学习、模式识别、人工智能和神经网络等，包括确定业务对象、数据准备、数据挖掘、结果分析、知识的同化五个步骤。
1．确定业务对象
在知识发现之前，最先的同时也是最重要的要求就是了解你的数据和业务问题。不同的问题会得到完全不同的结果，有效的问题定义还应该包含对知识发现项目所得到的结果进行衡量的标准，项目的预算和解释。
2．数据准备
数据挖掘的处理对象是大量的数据，这些数据一般存储在数据库系统，是长期积累的结果。但往往不适合直接在这些原始数据上进行挖掘，需要作数据预处理的工作，把数据转换成适合挖掘的形式。数据准备的好坏将影响到数据挖掘的效率和准确度以及最终模式的有效性：包括数据的选择、数据的预处理和数据的转换；数据的选择是指搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据。数据的预处理指研究数据的质量，为进一步的分析作准备，并确定将要进行的挖掘操作的类型；数据的转换是将数据转换成一个分析模型，这个分析模型是针对挖掘算法建立的，建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。
3．数据挖掘
对所得到的经过转换的数据进行挖掘。以根据需要挖掘的侧重点选择不同的方法，常见得有：分类分析、聚类分析、关联分析、序列模式分析、统计回归和偏差分析等。例如关联分析是挖掘出隐藏在数据之间的相互关系，它能发现客户中形如“90%的顾客在一次购买活动中购买商品A的同时也购买了商品B”之类的知识。序列模式分析的侧重点在于分析数据间的前后序列关系。它能发现客户中形如“在某段时间内，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。
4．结果分析
解释并评估结果，经过数据挖据得到的模式，有些可能是不准确的或不真实的，所以需要对所得模式进行评估，确定有效的、有用的模式，从而得到知识。评价可以根据用户多年的经验，也可以直接用数据检验其准确性。其使用的分析方法一般应作数据挖掘操作而定，通常会用到可视化技术。
5．知识的同化
将分析所得到的知识集成到业务信息系统的组织结构中去。
四、数据挖掘在客户关系管理应用中的领域
数据挖掘技术帮助企业管理客户生命周期的各个阶段，包括争取新的客户，让已有的客户创造更多的利润、保持住有价值的客户等等。它能够帮助企业确定客户的特点，使企业能够为客户提供有针对性的服务。
1．获取潜在客户信息
潜在客户是企业利润增长的源泉，获取潜在客户是企业不断成长的关键。获取客户的活动是面向目标客户市场的营销活动，目的是找到可能对公司的产品或服务有兴趣的人。利用数据挖掘揭示新用户的行为习惯，生成预测模型，预测发现一些在不同情况下有相似行为的用户，进行分析，筛选出可能的潜在用户，并据此有效增加服务推广效应，把潜在用户和这些用户感兴趣的资源和服务系统的结合起来，为每一个用户提供主动化、个性化的服务，把潜在用户转化为正式用户。
2．个性化的市场营销
成功的市场营销必须依赖于对客户的了解，每一次营销活动都应该具有针对性，进行个性化营销，这样才能降低营销成本，提高用户响应率。企业利用数据挖掘的聚类分析技术可以对大量客户信息进行分析和处理，根据客户的消费心理、消费习惯、偏好程度、购买频率、收入水平等因素提供差异化营销策略。亚马逊网上书店（Amazon.com）就是利用遍及全球的Internet同时采用先进的CRM系统软件来进行“一对一营销”的。面对数以万计的客户，亚马逊网上书店具有“惊人的记忆力”和“高度的智力”，从而与客户建立了广泛的“一对一”的学习型关系，这使得该书店的客户保有率高达65%。
3．客户群体分类分析
数据挖掘把大量的客户分成不同的类，每个类里的客户具有相似的属性。例如把所有客户分成两类：男性和女性。企业针对不同类的客户的特征提供针对性的产品和服务来提高客户的满意度，从而达到企业利润最大化。
4．交叉销售和增量销售
交叉销售是促使客户购买尚未使用的产品和服务的营销手段，目的是可以拓宽企业和客户间的关系。增量销售是促使客户将现有产品和服务升级的销售活动，目的在于增强企业和客户的关系。这两种销售都是建立在双赢的基础上的，客户因得到更多更好符合其需求的服务而获益，公司也因销售增长而获益。数据挖掘可以采用关联性模型或预测性模型来预测什么时间会发生什么事件，判断哪些客户对交叉销售和增量销售有意向，以达到交叉销售和增量销售的目的。例如在企业所掌握的客户信息，尤其是以前购买行为的信息中，可能包含这个客户决定下一次购买行为的关键因素，数据挖掘中的序列模式分析可以帮助企业寻找影响客户购买行为的因素。
5．客户诚信度分析
数据挖掘中的差异性分析可用于发现客户的欺诈行为，分析客户的诚信度，从而找出诚信较好的客户。企业为留住老客户，防止客户流失，就必须了解客户的需求。可以利用数据挖掘工具对大量的客户资料进行分析，建立数据模型，确定客户的交易习惯、交易额度和交易频率，分析客户对某个产品的忠诚程度、持久性等，从而为他们提供个性化定制服务，以提高客户忠诚度。
6．客户盈利能力分析和预测
对于一个企业而言，如果不知道客户的价值,就很难做出合适的市场策略。不同的客户对于企业而言，其价值是不同的。数据挖掘技术可以用来分析和预测不同市场活动情况下客户盈利能力的变化，帮助企业制定合适的市场策略。
总之，对于企业而言，数据挖掘可以用于发现业务发展的趋势，揭示已知的事实，预测未知的结果，并帮助企业分析出完成任务所需的关键因素，以达到增加收入、降低成本的目的，使企业获得更多的竞争优势。
五、小结
CRM系統的开发和应用已经受到越来越多的企业的关注，而数据挖掘技术也为CRM的实施提供了良好的基础平台和技术支撑，随着理论的进一步发展和深化，必然会带给CRM 更为广泛的应用前景和市场价值，提高企业的竞争力。
参考文献：
[1]Alex Berson,Stephen Smith,Kurt Thearling. 构建面向CRM的数据挖掘应用[M]. 北京：人民邮电出版社,2001
[2]Jiawei Han,Micheline Kamber，范明，孟小峰(译).数据挖掘概念与技术[M].北京：机械工业出版社，2004:3～4
[3]孙建增，天兵.浅析数据挖掘在CRM中的应用.中国管理信息化.2007，10(3)：23～4