數據挖掘技術在客戶關系管理中的應用
[摘要] 市場的激烈競爭導致了面向市場營銷和客戶服務的數據倉庫的建設以及數據挖掘技術的應用，本文在介紹了數據挖掘技術的基礎上，重點闡述了數據挖掘平臺的建立，以及基于這個平臺展開數據挖掘的過程和數據挖掘的主題分析。 [關鍵詞]數據挖掘技術；客戶關系管理（CRM）；數據倉庫；數據挖掘主題一、引言
隨著計算機技術、網絡技術、通訊技術的發展以及各行各業業務操作流程的自動化，企業內產生了以幾十或上百GB計的大量業務數據，這些數據和由此產生的信息是企業的財富，它如實地記錄著企業運作的本質狀況。但是面對如此海量的數據，迫使人們不斷尋找新的工具，來對企業的運營規律進行探索，為商業決策提供有價值的知識，使企業獲得利潤。能滿足企業這一迫切需求的強有力的工具就是數據挖掘（Data Mining，DM）。
二、數據挖掘技術概述
數據挖掘是一種知識發現的過程，它主要基于統計學、人工智能、機器學習等技術，高度自動化地分析數據，做出歸納性的推理，從中挖掘出潛在的模式，并對未來情況進行預測，以輔助決策者評估風險，做出正確的決策。數據到知識的演化過程，如圖1。
對于企業而言，數據挖掘有助于發現業務的趨勢，揭示已知的事實，預測未知的結果。從這個意義上講，知識是力量，數據挖掘是財富。在實際應用中，數據挖掘主要采用以下幾種方法進行模式的發現。
（1）相關分析和回歸分析。相關分析主要分析變量之間聯系的密切程度，而回歸分析主要基于觀測數據建立變量之間適當的依賴關系，相關分析是回歸分析的基礎。
（2）時間序列分析。與相關分析類似，目的也是為了挖掘出數據之間的聯系，但時間序列分析更加側重于數據在時間先后上的因果關系。
（3）分類分析。分類分析首先為每一個觀測賦予一個標記，然后檢查這些被標記的觀測，描述出這些觀測的特征。這種描述可以是一個數學公式或者模型，利用它可以分類新的觀測。常用的幾種典型的分類模型有線性回歸模型、決策樹模型、基于規則模型和神經網絡模型等。
（4）聚類分析。與分類分析不同，聚類分析的輸入是一組未標定的記錄，目的是根據一定的規則，合理地劃分記錄集合。聚類分析和分類分析是一組互逆的過程，因此在很多分類分析中適用的算法也同樣適用于聚類分析。
三、數據挖掘在CRM中的應用
在客戶關系管理（Customers Relation Management, CRM）中,數據挖掘的前提是必須建立企業級的客戶信息數據倉庫，能夠把不同聯機事務處理系統（On-Line Transaction Processing, OLTP）的客戶數據聚集在一起，提供一個正確、完整和單一的客戶數據環境。
1. 數據倉庫的建立
數據倉庫作為數據挖掘的基礎，不同于傳統的聯機事務處理系統，它具有面向主題的、集成的、不可更新以及隨時間變化的特性，各個聯機事務處理系統作為數據倉庫的原始數據源，以文件方式提供客戶基本資料、客戶清單、客戶賬單、客戶聯系歷史記錄等數據，數據倉庫通過ETL過程（抽取、轉換和加載）處理這些接口文件，并且按不同的主題域組織、存儲和管理這些客戶數據，通過數據倉庫接口，對數據倉庫中的客戶數據進行聯機分析和數據挖掘。數據倉庫的體系結構主要由數據源、企業級數據倉庫和決策支持3個部分組成。
2. 數據挖掘的主題定義
在建立完成企業級的客戶信息數據倉庫之后，可以基于這個數據倉庫平臺進行數據挖掘工作，應用到以客戶為中心的企業決策分析和管理的各個不同領域和階段，在客戶關系管理（CRM）中，它可以應用在以下幾個方面。
（1）客戶群體分類分析。近年來，一對一營銷正在被眾多的企業所青睞。一對一營銷是指了解每一個客戶，并同其建立起持久的關系。數據挖掘可以把大量的客戶分成不同的類，在每一個類里的客戶具有相似的屬性，而不同類里的客戶的屬性也不同。通過數據挖掘可以了解不同客戶的愛好，提供有針對性的產品和服務，來提高不同類客戶對企業和產品的滿意度。
（2）客戶行為分析。利用分類分析法和聚類分析法對客戶通話行為進行分析，從而得出客戶在消費習慣、生活方式、社會聯系等方面的特征。對客戶行為分析的根本目的是為了按不同特征劃分客戶群，針對不同客戶群的特征，企業可以進行不同的市場營銷活動和客戶服務，在客戶群劃分中典型的應用就是針對某一客戶群的消費特征進行某種業務的營銷。
（3）客戶的獲得與保持。企業的增長和發展壯大需要不斷維持老的客戶，不斷獲得新的客戶，新的客戶包括以前沒有聽說過本企業產品的人，以前不需要本企業產品的人，以及以前是本企業競爭對手的客戶。不論企業希望得到的是哪類客戶，數據挖掘都能幫助企業識別出這些潛在的客戶群，并提高市場活動的響應率，使企業做到心中有數，有的放矢。
（4）優惠策略仿真預測。優惠是市場營銷中十分重要的一部分，優惠策略不恰當，常常會得到適得其反的市場效果，優惠策略仿真預測就是通過已建立的客戶行為模型仿真客戶對優惠策略的反應，從而預測優惠策略實施的效果。通過對優惠策略的仿真，可以預測優惠策略的成功與否，從而進行相應的調整和優化。
（5）客戶信用分析。客戶忠誠度分析主要通過對客戶消費金額和賬務支付的分析，建立客戶價值模型，從而獲得客戶價值。客戶是企業價值之所在，通過對客戶忠誠度分析，有針對性地對高價值客戶進行優質服務，對有離開傾向的客戶及時進行挽留活動，對提高企業市場占有率，降低營銷成本是十分有用的。
（6）反欺詐分析。目前，企業面臨的一個最嚴重的問題是欠費問題，其中很大一部分是欺詐消費，因此反欺詐消費已經成為企業發展的關鍵。通過對客戶數據的多維分析、聚類分析和孤立點分析可以建立客戶欺詐消費模型，從而可以有效地對客戶消費行為進行監控，對滿足欺詐消費模型的消費行為進行告警。
（7）競爭對手分析。成熟的市場必然是一個競爭比較充分的市場，不同企業客戶之間的互聯互通是最基本的前提，因此通過對客戶與競爭對手客戶之間通話的行為分析，可以建立有關競爭對手經營和客戶服務的模型，比如競爭對手客戶發展模型，通過對這些模型的使用，可以制定有效的市場應對策略。
（8）交叉銷售（Cross-Selling）。現在企業和客戶之間的關系是經常變動的，一旦一個人或者一個公司成為企業的客戶，就要盡力使這種客戶關系對企業趨于完善。一般來說可以通過這3種方法：a.最長時間地保持這種關系；b.最多次數地和客戶交易；c.最大數量地保證每次交易的利潤，因此就需要對已有的客戶進行交叉銷售。交叉銷售是指企業向原有客戶銷售新的產品或服務的過程，交叉銷售是建立在雙贏原則的基礎之上的，是對企業和客戶都有好處的，客戶因得到更多更好符合其需求的服務而獲益，企業也因銷售增長而獲益，對原有客戶銷售的挖掘，在很多情況下與對潛在客戶的挖掘是類似的，對于一些情況甚至可以當作是初次銷售來對待，而交叉銷售的好處在于，對于原有客戶，企業可以比較容易地得到關于這個客戶的比較豐富的信息，大量的數據對于數據挖掘的準確性來說是有很大幫助的，在大多數情況下所指的交叉銷售是與初次銷售不同的，在企業所掌握的客戶信息，尤其是以前購買行為的信息中，可能正包含著這個客戶決定下一個購買行為的關鍵因素甚至決定因素，這個時候數據挖掘的作用就會體現出來，它可以幫助企業尋找到這些影響其購買行為的因素。
3. 數據挖掘的過程
在數據挖掘目標明確的前提下，可以基于已經建成的企業級客戶信息數據倉庫進行數據挖掘工作。數據挖掘遵循以下步驟：問題定義、數據準備、數據探索、建立模型、模型檢驗、模型應用以及投資回報分析。
在問題定義之后，需要創建一個數據集市作為數據挖掘和分析的對象，一般抽取數據倉庫中與問題相關的數據子集作為數據集市,在創建集市過程中可以使用隨機抽樣、等距抽樣、分層抽樣和分類抽樣等抽樣技術來減少數據集市的數據量,通過對數據的刪選和對小概率事件的放大，使得數據集市中數據的特征和規律性更加顯著。
在數據探索過程中，通過多維分析和可視化展現探索數據的特征，通過對數據進行增刪操作或者根據現有變量重新組合生成一些新的變量來更加有效地描述數據特征，其中，對數據統計特性的分析在數據探索過程中起著十分重要的作用。建立數學模型是數據挖掘工作的核心環節，目前比較常用的建模方法有神經元網絡模型、決策樹模型和回歸模型。數據挖掘中具體使用哪一種方法，取決于數據集市的特征和需要實現的目標，在實際應用中，往往是對多種建模方法的比較和綜合。在建模過程中，把數據分層為訓練數據和校驗數據，訓練數據主要使用于建模過程中求解模型參數，而校驗數據主要用于模型檢驗。因此模型檢驗階段的主要工作是把檢驗數據代入已經建立的模型中，觀察模型的響應，通過比較模型的響應和真實的數據，從而評估模型的準確程度，如果模型的準確性比較差，就需要重新進行數據探索、建立新的模型，直至新模型檢驗。因此，在實際應用中，數據探索、建立模型、模型檢驗是反復迭代的過程，如圖2。
數據挖掘的過程就是一個不斷探索數據特征、建立和檢驗模型、發現客戶消費行為特征的過程，企業只有把模型的結果應用到市場營銷和客戶服務過程中，才能真正發揮數據挖掘的作用。
四、結語
在信息時代，要充分利用企業的信息資源，從以產品為中心的管理模式轉變為以客戶為中心的管理模式上來，利用數據挖掘技術，分析客戶的特征，探索企業和所對應市場的運營規律，不斷提高企業的經濟效益是企業發展的必由之路。
主要參考文獻
[1]上海現代物流人材培訓中心.企業資源計劃(ERP)與SCM、CRM[M].北京：電子工業出版社，2002.
[2]朱明.數據挖掘[M].合肥：中國科學技術大學出版社，2002.
[3]毛國君，段立娟，王實，石云. 數據挖掘原理與算法[M].北京：清華大學出版社，2005.
【數據挖掘技術在客戶關系管理中的應用】相關文章：
客戶關系管理中數據挖掘的應用03-08
數據挖掘技術在企業知識管理中的應用03-19
數據挖掘技術在ＣＲＭ中的應用03-22
客戶關系管理與數據挖掘技術綜述03-21
談數據挖掘技術在電子商務中的應用03-21
數據挖掘技術在供應鏈精細化管理中的應用12-04
數據挖掘在ＣＲＭ中的應用分析03-22
數據挖掘技術在電子商務網站中的應用03-28
數據挖掘技術在中醫亞健康學中應用的思考12-01