數(shù)據(jù)挖掘在現(xiàn)代企業(yè)CRM中的應(yīng)用研究

1、 數(shù)據(jù)挖掘在現(xiàn)代企業(yè)crm中的應(yīng)用研究 北京嚴(yán)國(guó)莉 王勝利 連晟 李瀟摘要：筆者在探討crm的基礎(chǔ)上，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于現(xiàn)代crm領(lǐng)域?；诿枋鍪綌?shù)據(jù)挖掘和預(yù)測(cè)式數(shù)據(jù)挖掘，構(gòu)建了描述模型和預(yù)測(cè)模型，對(duì)客戶進(jìn)行描述分析和分類預(yù)測(cè)，實(shí)現(xiàn)客戶全生命周期管理，為企業(yè)經(jīng)營(yíng)、決策支持和商業(yè)智能發(fā)揮重要作用。關(guān)鍵詞：數(shù)據(jù)挖掘；crm；描述模型；預(yù)測(cè)模型引 言目前，經(jīng)濟(jì)全球化進(jìn)程的加快、市場(chǎng)經(jīng)濟(jì)的迅速發(fā)展、互聯(lián)網(wǎng)技術(shù)的普及，使得市場(chǎng)競(jìng)爭(zhēng)更加激烈?？蛻羰瞧髽I(yè)最重要的資源之一，現(xiàn)代企業(yè)之間的競(jìng)爭(zhēng)主要表現(xiàn)在為對(duì)客戶的全面爭(zhēng)奪，而是否擁有客戶取決于企業(yè)與客戶之間關(guān)系的狀況。企業(yè)要改善與客戶之間的關(guān)系，就必須進(jìn)行客戶

2、關(guān)系管理?？蛻舴治鍪强蛻絷P(guān)系管理的基礎(chǔ)，而如何進(jìn)行客戶分析，則是數(shù)據(jù)挖掘的一個(gè)主要應(yīng)用。研究數(shù)據(jù)挖掘在現(xiàn)代企業(yè)客戶關(guān)系管理中的應(yīng)用，具有一定的指導(dǎo)意義。crm理論1.crm的定義crm（customer relationship management，客戶關(guān)系管理），是選擇和管理有價(jià)值客戶及其關(guān)系的一種商業(yè)策略，crm要求以客戶為中心的商業(yè)哲學(xué)和企業(yè)文化，支持有效的市場(chǎng)營(yíng)銷和服務(wù)流程。如果企業(yè)擁有正確的領(lǐng)導(dǎo)、策略和企業(yè)文化，crm應(yīng)用將為企業(yè)實(shí)現(xiàn)有效的客戶關(guān)系管理?？蓮慕鉀Q方案和應(yīng)用軟件角度來(lái)理解crm。作為解決方案( solution)的crm，集合了當(dāng)今最新的信息技術(shù)，如internet、

3、電子商務(wù)、多媒體技術(shù)、數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘、專家系統(tǒng)、人工智能、呼叫中心等；作為一個(gè)應(yīng)用軟件的crm，凝聚了市場(chǎng)營(yíng)銷的管理理念，市場(chǎng)營(yíng)銷、銷售管理、客戶關(guān)懷、服務(wù)和支持構(gòu)成了cr來(lái)自www.lw5u.comm軟件的基來(lái)自ww石。crm有三層含義：一是體現(xiàn)為新態(tài)企業(yè)管理的指導(dǎo)思想和理念；二是創(chuàng)新的企業(yè)管理模式和運(yùn)營(yíng)機(jī)制；三是企業(yè)管理中信息技術(shù)、軟硬件系統(tǒng)集成的管理方法和應(yīng)用解決。2crm的內(nèi)容時(shí)代在進(jìn)步，企業(yè)管理思想也在逐步改變。企業(yè)管理思想的轉(zhuǎn)變經(jīng)歷了從產(chǎn)值中心論到銷售額中心論，到利潤(rùn)中心論，再到客戶中心論，最后到客戶滿意中心論，如圖1所示：企業(yè)要贏利，關(guān)鍵在于兩點(diǎn)：一是提高產(chǎn)品的質(zhì)量；二是增加

4、客戶的滿意度。提高產(chǎn)品質(zhì)量是企業(yè)內(nèi)部的一個(gè)硬技術(shù)；而增加客戶的滿意度，則是企業(yè)管理理念和管理方式的改變。許多企業(yè)在不同程度上已認(rèn)識(shí)到客戶服務(wù)的重要性，并建立了客服中心、客戶咨詢電話、客戶投訴信箱和電話等，以滿足客戶的需求、改善企業(yè)的服務(wù)。這些都是crm的基本內(nèi)容。但是有些是采取事后處理的方式，照樣會(huì)給企業(yè)帶來(lái)很大的損失和麻煩?，F(xiàn)代企業(yè)的crm就是建立一套事先處理的系統(tǒng)，事先了解客戶的需求，預(yù)防客戶流失，并且為不同的客戶提供不同的服務(wù)，即采取“量體裁衣”、“一對(duì)一”的服務(wù)方式，這也是現(xiàn)代企業(yè)crm的核心。數(shù)據(jù)挖掘理論1數(shù)據(jù)挖掘的特點(diǎn)數(shù)據(jù)挖掘( data mining，dm)是從大量的、不完全的、

5、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)，集中識(shí)別有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過(guò)程。它是一門(mén)涉及面很廣的交叉學(xué)科，包括機(jī)器學(xué)習(xí)、數(shù)理統(tǒng)計(jì)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)、模式識(shí)別、粗糙集、模糊數(shù)學(xué)等相關(guān)技術(shù)。數(shù)據(jù)挖掘的特點(diǎn)是：(1)數(shù)據(jù)挖掘工作者需要考慮，采取何種高效的挖掘算法，才能有效的從大量的數(shù)據(jù)中選擇出自己感興趣的數(shù)據(jù)子集。(2)在數(shù)據(jù)變化迅速的應(yīng)用領(lǐng)域（如證券交易、商業(yè)投資等），要求數(shù)據(jù)挖掘能實(shí)時(shí)的做出反應(yīng)并提供相關(guān)決策支持。(3)在數(shù)據(jù)挖掘中，規(guī)則的發(fā)現(xiàn)基于大樣本數(shù)據(jù)統(tǒng)計(jì)中，當(dāng)達(dá)到某一閾值時(shí)，認(rèn)為規(guī)則就成立，但規(guī)則也要隨著新數(shù)據(jù)的更新而做適當(dāng)?shù)母淖儭?4)數(shù)據(jù)挖掘是一個(gè)復(fù)雜的系統(tǒng)，它需

6、要業(yè)務(wù)理解、數(shù)據(jù)準(zhǔn)備、建模、評(píng)估等一系列步驟，是一個(gè)需要不斷完善的系統(tǒng)工程。(5)通過(guò)數(shù)據(jù)挖掘出來(lái)的知識(shí)是有用的、自己感興趣的知識(shí)，并且這些知識(shí)是事先不可預(yù)知的。2數(shù)據(jù)挖掘的功能數(shù)據(jù)挖掘就是指從海量模糊的應(yīng)用數(shù)據(jù)中，找出藏在其中的潛在的、有用的信息與知識(shí)的過(guò)程。數(shù)據(jù)的挖掘任務(wù)主要分為兩種：描述、預(yù)測(cè)。描述就是挖掘出數(shù)據(jù)庫(kù)里面數(shù)據(jù)的獨(dú)特性質(zhì)；預(yù)測(cè)性挖掘就是在這些數(shù)據(jù)的基礎(chǔ)上，再進(jìn)行一些選擇判斷。數(shù)據(jù)挖掘系統(tǒng)可挖掘出不同種類的模式來(lái)適應(yīng)各種客戶要求。挖掘系統(tǒng)的功能有以下幾點(diǎn)：(1)概念的描述，就是對(duì)一些對(duì)象里展示的內(nèi)容進(jìn)行描述，對(duì)所有對(duì)象的特點(diǎn)進(jìn)行一些總結(jié)概述。概念的描述主要分為特征性與區(qū)別性的描

7、述。特征性的描述是對(duì)一些對(duì)象的共同所用的特點(diǎn)進(jìn)行的描述，區(qū)別性的描述是對(duì)不同的對(duì)象之間進(jìn)行的一種描述。(3)數(shù)據(jù)挖掘技術(shù)的分類和預(yù)測(cè)，就是可找出與描述數(shù)據(jù)類的模型，用這個(gè)模型還可對(duì)未知的對(duì)象進(jìn)行預(yù)測(cè)類的標(biāo)記。再用類標(biāo)記的數(shù)據(jù)對(duì)象作為訓(xùn)練時(shí)的數(shù)據(jù)集來(lái)源，通過(guò)對(duì)數(shù)據(jù)集的研究可導(dǎo)出數(shù)據(jù)集里的分類模型，然后再用模型對(duì)未知的數(shù)據(jù)對(duì)象進(jìn)行預(yù)測(cè)。(4)聚類，就是把較抽象的對(duì)象由組合在一起的狀態(tài)變?yōu)橛珊芏喾N類的對(duì)象組合在一起的一種過(guò)程。對(duì)象可根據(jù)最大化類的相似性、最小化類的相似性的規(guī)則進(jìn)行聚類和分組。(5)孤立點(diǎn)的分析。數(shù)據(jù)庫(kù)中一般都會(huì)存在一種特殊數(shù)據(jù)對(duì)象，這種數(shù)據(jù)對(duì)象和數(shù)據(jù)的一般行為與模型有很大的不同，這些

8、數(shù)據(jù)對(duì)象就可以稱為孤立點(diǎn)。利用數(shù)據(jù)挖掘，可對(duì)這些孤立點(diǎn)進(jìn)行分析。(6)演變的分析，可描述行為隨著時(shí)間對(duì)象的規(guī)律來(lái)對(duì)其建模，主要包括趨勢(shì)分析和相似性搜索。數(shù)據(jù)挖掘在現(xiàn)代企業(yè)crm中應(yīng)用研究1數(shù)據(jù)挖掘在現(xiàn)代企業(yè)crm中的應(yīng)用從數(shù)據(jù)分析的角度，數(shù)據(jù)挖掘可分為描述式dm、預(yù)測(cè)式dm。描述式dm是對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單的描述，并提供有用的數(shù)據(jù)一般特性。預(yù)測(cè)式dm分為回歸分析和分類分析，預(yù)測(cè)式dm是指建立一個(gè)或一組模型進(jìn)行數(shù)據(jù)分析，以預(yù)測(cè)新數(shù)據(jù)集的行為。描述式dm分為關(guān)聯(lián)分析、序列模式分析和聚類分析，如圖2所示：(1)分類分析。分類就是為一個(gè)事件或?qū)ο髿w類，即對(duì)一個(gè)類別數(shù)據(jù)的整體信息的概念描述。可用分類分析描述每

9、個(gè)類別數(shù)據(jù)、挖掘出分類規(guī)則或建立分析模型，然后對(duì)其他數(shù)據(jù)進(jìn)行分類。分類分析包括決策樹(shù)分類分析、統(tǒng)計(jì)學(xué)方法分析、神經(jīng)網(wǎng)絡(luò)分類分析、粗糙集分析。(2)回歸分析，是指確定一個(gè)方程，使其滿足某個(gè)給定的數(shù)據(jù)集，并根據(jù)方程由自變量預(yù)測(cè)因變量的方法。二元二階方程允許使用多個(gè)自變量回歸技術(shù)，可確定復(fù)雜的數(shù)學(xué)模型，而線性回歸則是普遍使用的簡(jiǎn)單回歸分析。(3)聚類分析，即按一定規(guī)則把數(shù)據(jù)庫(kù)分成不同的群組，把數(shù)據(jù)分為不同意義的子集。為了使同一群內(nèi)的數(shù)據(jù)盡量相似，同一聚類的個(gè)體差距較小；而為了使不同群之間的數(shù)據(jù)有明顯差別，不同聚類的個(gè)體差距較大。若采用不同的聚類方法，相同的記錄集合可能會(huì)有不同的劃分結(jié)果。(4)關(guān)聯(lián)分

10、析，即利用關(guān)聯(lián)規(guī)則，挖掘出在數(shù)據(jù)中隱藏的相互關(guān)系。關(guān)聯(lián)規(guī)則是尋找在同一事件中出現(xiàn)的不同項(xiàng)的相關(guān)性。實(shí)現(xiàn)關(guān)聯(lián)分析的技術(shù)主要是統(tǒng)計(jì)學(xué)中的置信度和支持度分析。關(guān)聯(lián)規(guī)則的挖掘有多種方法，比較典型的有argen算法、apriori算法。(5)時(shí)序分析。為了挖掘出在數(shù)據(jù)中隱藏的聯(lián)系，通過(guò)時(shí)間序列搜索重復(fù)發(fā)生概率較高的模式，其側(cè)重點(diǎn)是分析數(shù)據(jù)間的前后序列關(guān)系。隨著現(xiàn)代生產(chǎn)管理手段的快速發(fā)展，企業(yè)之間生產(chǎn)的產(chǎn)品難以區(qū)分開(kāi)，產(chǎn)品已形成了同質(zhì)化的特點(diǎn)。市場(chǎng)的形式也向買(mǎi)方市場(chǎng)轉(zhuǎn)變，客戶對(duì)消費(fèi)的期望也越來(lái)越高，所以對(duì)客戶的需求研究就顯得十分重要。提高對(duì)客戶的服務(wù)質(zhì)量和客戶價(jià)值的發(fā)展成為現(xiàn)代企業(yè)發(fā)展的重點(diǎn)。將數(shù)據(jù)挖掘應(yīng)

11、用于crm領(lǐng)域，基于描述式數(shù)據(jù)挖掘和預(yù)測(cè)式數(shù)據(jù)挖掘，構(gòu)建描述模型和預(yù)測(cè)模型，進(jìn)行描述分析和分類預(yù)測(cè)，對(duì)客戶進(jìn)行全生命周期管理，如圖3所示：圖3由三部分組成：數(shù)據(jù)預(yù)處理對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行處理，為后面的研究準(zhǔn)備好數(shù)據(jù)；模型構(gòu)建根據(jù)數(shù)據(jù)類型，建立描述模型和預(yù)測(cè)模型；挖掘應(yīng)用利用前階段的模型，運(yùn)用數(shù)據(jù)挖掘技術(shù)，進(jìn)行描述分析或分類預(yù)測(cè)，將數(shù)據(jù)挖掘技術(shù)應(yīng)用到crm系統(tǒng)中，對(duì)客戶進(jìn)行全生命周期管理。數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理是建立模型的重要步驟，處理后的數(shù)據(jù)質(zhì)量決定著該模型是否穩(wěn)定有效的發(fā)揮作用。要通過(guò)有效的技術(shù)手段對(duì)數(shù)據(jù)進(jìn)行處理，處理后的數(shù)據(jù)直接決定著模型能否產(chǎn)生穩(wěn)定的結(jié)果。從數(shù)據(jù)倉(cāng)庫(kù)來(lái)的數(shù)據(jù)，首先進(jìn)行et

12、l。etl為數(shù)據(jù)抽取(extract)、清洗(cleaning)、轉(zhuǎn)換（transform）、裝載(load)的過(guò)程。用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)清洗，形成預(yù)先定義好的數(shù)據(jù)格式。然后采取一定算法，進(jìn)行特征選擇，最后輸出用戶信息文件。模型構(gòu)建。系統(tǒng)根據(jù)用戶信息文件，應(yīng)用數(shù)據(jù)挖掘技術(shù)，建立描述模型或者預(yù)測(cè)模型。描述模型對(duì)用戶信息文件構(gòu)建分類判定樹(shù)，進(jìn)行聚類關(guān)聯(lián)分析，獲取客戶分析的數(shù)據(jù)信息，然后生成分類描述規(guī)則，產(chǎn)生規(guī)則，建立描述模型。預(yù)測(cè)模型對(duì)用戶信息文件構(gòu)造決策樹(shù)，然后生成分類規(guī)則，產(chǎn)生規(guī)則，建立預(yù)測(cè)模型。挖掘應(yīng)用。這是數(shù)據(jù)挖掘技術(shù)在現(xiàn)代企業(yè)crm中的具體應(yīng)用。系統(tǒng)根據(jù)前階段建立的描述

13、模型或者預(yù)測(cè)模型，對(duì)客戶信息進(jìn)行描述分析和分類預(yù)測(cè)。描述分析可進(jìn)行客戶貢獻(xiàn)分析和價(jià)值分析等?？蛻舻馁?gòu)買(mǎi)力對(duì)企業(yè)的盈利有很大的影響，客戶貢獻(xiàn)越多，企業(yè)相應(yīng)的利潤(rùn)也就越豐厚。所以按客戶的貢獻(xiàn)大小對(duì)客戶群進(jìn)行分類，然后對(duì)不同貢獻(xiàn)率的客戶采取不同的措施，對(duì)企業(yè)提高收益具有極大的意義。同時(shí)，不同的客戶對(duì)于企業(yè)的價(jià)值是不一樣的，這就需要對(duì)客戶的價(jià)值進(jìn)行分析，這有助于企業(yè)合理利用客戶價(jià)值，提高企業(yè)的收益。分類預(yù)測(cè)對(duì)現(xiàn)有客戶進(jìn)行分析，正確的識(shí)別現(xiàn)有客戶，并發(fā)現(xiàn)其中隱藏的相關(guān)模式，能挖掘潛在客戶、獲取新客戶、保持老客戶，從而為企業(yè)決策提供支持。識(shí)別客戶，可對(duì)客戶進(jìn)行分類，可分為戰(zhàn)略客戶、重要客戶、一般客戶和低價(jià)

14、值客戶。企業(yè)可有針對(duì)性地采取相應(yīng)的對(duì)策，促進(jìn)好的轉(zhuǎn)化，或避免壞的轉(zhuǎn)化。利用數(shù)據(jù)挖掘技術(shù)可區(qū)分出不同的客戶之間存在的不同特點(diǎn)，可挖掘出企業(yè)需要的潛在客戶。使用數(shù)據(jù)挖掘技術(shù)，可提前分析預(yù)測(cè)可能流失的客戶，分析原因，采取措施留住客戶。通過(guò)分類預(yù)測(cè)，可實(shí)現(xiàn)客戶的全生命周期管理。2數(shù)據(jù)挖掘在crm中的具體實(shí)施基于數(shù)據(jù)挖掘，現(xiàn)代企業(yè)建立描述模型和預(yù)測(cè)模型，進(jìn)行客戶關(guān)系管理，其具體實(shí)施如圖4所示：實(shí)施過(guò)程分為六步：(1)確立分析和預(yù)測(cè)目標(biāo)。在數(shù)據(jù)挖掘時(shí)，首先要確立一個(gè)明確的目標(biāo)，就是企業(yè)希望通過(guò)數(shù)據(jù)挖掘得到哪些想要的信息。(2)數(shù)據(jù)選擇。對(duì)一些基礎(chǔ)的數(shù)據(jù)進(jìn)行了解和分析。(3)數(shù)據(jù)準(zhǔn)備。對(duì)所選擇的數(shù)據(jù)進(jìn)行處理。(4)模型構(gòu)造。根據(jù)挖掘的目的選擇相應(yīng)的數(shù)據(jù)進(jìn)行測(cè)試，利用測(cè)試所得數(shù)據(jù)建立描述模型和預(yù)測(cè)模型。(5)模型評(píng)估和檢驗(yàn)。用測(cè)試數(shù)據(jù)對(duì)已建立的模型進(jìn)行檢驗(yàn)。(6)分布于應(yīng)用。建立模型后，在企業(yè)內(nèi)推廣應(yīng)用。結(jié)論筆者在探討crm的基礎(chǔ)上，引入了數(shù)據(jù)挖掘技術(shù)，將數(shù)據(jù)挖