數據挖掘技術(shù)在客戶(hù)關(guān)系管理中怎么應用探討管理論文
根據波特的影響企業(yè)的利益相關(guān)者理論，企業(yè)有五個(gè)利益相關(guān)者，分別是客戶(hù)、競爭對手、供應商、分銷(xiāo)商和政府等其他利益相關(guān)者。其中，最重要的利益相關(guān)者就是客戶(hù)�，F代企業(yè)的競爭優(yōu)勢不僅體現在產(chǎn)品上，還體現在市場(chǎng)上，誰(shuí)能獲得更大的市場(chǎng)份額，誰(shuí)就能在競爭中占據優(yōu)勢和主動(dòng)。而對市場(chǎng)份額的爭奪實(shí)質(zhì)上是對客戶(hù)的爭奪，因此，企業(yè)必須完成從“產(chǎn)品”導向向“客戶(hù)”導向的轉變，對企業(yè)與客戶(hù)發(fā)生的各種關(guān)系進(jìn)行管理。進(jìn)行有效的客戶(hù)關(guān)系管理，就要通過(guò)有效的途徑，從儲存大量客戶(hù)信息的數據倉庫中經(jīng)過(guò)深層分析，獲得有利于商業(yè)運作，提高企業(yè)市場(chǎng)競爭力的有效信息。而實(shí)現這些有效性的關(guān)鍵技術(shù)支持就是數據挖掘，即從海量數據中挖掘出更有價(jià)值的潛在信息。正是有了數據挖掘技術(shù)的支持，才使得客戶(hù)關(guān)系管理的理念和目標得以實(shí)現，滿(mǎn)足現代電子商務(wù)時(shí)代的需求和挑戰。
一、客戶(hù)關(guān)系管理（CRM）
CRM是一種旨在改善企業(yè)與客戶(hù)之間關(guān)系的新型管理方法。它是企業(yè)通過(guò)富有意義的交流和溝通，理解并影響客戶(hù)行為，最終實(shí)現提高客戶(hù)獲取、客戶(hù)保留、客戶(hù)忠誠和客戶(hù)創(chuàng )利的目的。它包括的主要內容有客戶(hù)識別、客戶(hù)關(guān)系的建立、客戶(hù)保持、客戶(hù)流失控制和客戶(hù)挽留。通過(guò)客戶(hù)關(guān)系管理能夠提高企業(yè)銷(xiāo)售收入，改善企業(yè)的服務(wù)，提高客戶(hù)滿(mǎn)意度，同時(shí)能提高員工的生產(chǎn)能力。
二、數據挖掘（DM）
數據挖掘（Data Mining，簡(jiǎn)稱(chēng)DM），簡(jiǎn)單的講就是從大量數據中挖掘或抽取出知識。數據挖掘概念的定義描述有若干版本。一個(gè)通用的定義是從大量的、不完全的、有噪聲的、模糊的、隨機的實(shí)際應用數據中提取人們感興趣的知識，這些知識是隱諱的、事先未知的、潛在有用的信息。
常用的數據挖掘方法有：
�。�1）關(guān)聯(lián)分析。即從給定的數據集中發(fā)現頻繁出現的項集模式知識。例如，某商場(chǎng)通過(guò)關(guān)聯(lián)分析，可以找出若干個(gè)客戶(hù)在本商場(chǎng)購買(mǎi)商品時(shí)，哪些商品被購置率較高，進(jìn)而可以發(fā)現數據庫中不同商品的聯(lián)系，進(jìn)而反映客戶(hù)的購買(mǎi)習慣。
�。�2）序列模式分析。它與關(guān)聯(lián)分析相似，其目的也是為了控制挖掘出的數據間的聯(lián)系。但序列模式分析的側重點(diǎn)在于分析數據間的前后（因果）關(guān)系。例如，可以通過(guò)分析客戶(hù)在購買(mǎi)A商品后，必定（或大部分情況下）隨著(zhù)購買(mǎi)B商品，來(lái)發(fā)現客戶(hù)潛在的購買(mǎi)模式。
�。�3）分類(lèi)分析。是找出一組能夠描述數據集合典型特征的模型，以便能夠分類(lèi)識別未知數據的歸屬或類(lèi)別。例如，銀行可以根據客戶(hù)的債務(wù)水平、收入水平和工作情況，可對給定用戶(hù)進(jìn)行信用風(fēng)險分析。
�。�4）聚類(lèi)分析。是從給定的數據集中搜索數據對象之間所存在的有價(jià)值聯(lián)系。在商業(yè)上，聚類(lèi)可以通過(guò)顧客數據將顧客信息分組，并對顧客的購買(mǎi)模式進(jìn)行描述，找出他們的特征，制定針對性的營(yíng)銷(xiāo)方案。
�。�5）孤立點(diǎn)分析。孤立點(diǎn)是數據庫中與數據的一般模式不一致的數據對象，它可能是收集數據的設備出現故障、人為輸入時(shí)的輸入錯誤等。孤立點(diǎn)分析就是專(zhuān)門(mén)挖掘這些特殊信息的方法。例如，銀行可以利用孤立點(diǎn)分析發(fā)現信用卡詐騙，電信部門(mén)可以利用孤立點(diǎn)分析發(fā)現電話(huà)盜用等。
三、數據挖掘在客戶(hù)關(guān)系管理中的應用
1、進(jìn)行客戶(hù)分類(lèi)
客戶(hù)分類(lèi)是將大量的客戶(hù)分成不同的類(lèi)別，在每一類(lèi)別里的客戶(hù)具有相似的屬性，而不同類(lèi)別里的客戶(hù)的屬性不同。數據挖掘可以幫助企業(yè)進(jìn)行客戶(hù)分類(lèi)，針對不同類(lèi)別的客戶(hù)，提供個(gè)性化的服務(wù)來(lái)提高客戶(hù)的滿(mǎn)意度，提高現有客戶(hù)的價(jià)值。細致而可行的客戶(hù)分類(lèi)對企業(yè)的經(jīng)營(yíng)策略有很大益處。例如，保險公司在長(cháng)期的.保險服務(wù)中，積累了很多的數據信息，包括對客戶(hù)的服務(wù)歷史、對客戶(hù)的銷(xiāo)售歷史和收入，以及客戶(hù)的人口統計學(xué)資料和生活方式等。保險公司必須將這些眾多的信息資源綜合起來(lái)，以便在數據庫里建立起一個(gè)完整的客戶(hù)背景。在客戶(hù)背景信息中，大批客戶(hù)可能在保險種類(lèi)、保險年份和保險金額上具有極高的相似性，因而形成了具有共性的客戶(hù)群體。經(jīng)過(guò)數據挖掘的聚類(lèi)分析，可以發(fā)現他們的共性，掌握他們的保險理念，提供有針對性的服務(wù)，提高保險公司的綜合服務(wù)水平，并可以降低業(yè)務(wù)服務(wù)成本，取得更高的收益。
2、進(jìn)行客戶(hù)識別和保留
�。�1）在CRM中，首先應識別潛在客戶(hù)，然后將他們轉化為客戶(hù)
這時(shí)可以采用DM中的分類(lèi)方法。首先是通過(guò)對數據庫中各數據進(jìn)行分析，從而建立一個(gè)描述已知數據集類(lèi)別或概念的模型，然后對每一個(gè)測試樣本，用其已知的類(lèi)別與學(xué)習所獲模型的預測類(lèi)別做比較，如果一個(gè)學(xué)習所獲模型的準確率經(jīng)測試被認可，就可以用這個(gè)模型對未來(lái)對象進(jìn)行分類(lèi)。例如，圖書(shū)發(fā)行公司利用顧客郵件地址數據庫，給潛在顧客發(fā)送用于促銷(xiāo)的新書(shū)宣傳冊。該數據庫內容有客戶(hù)情況的描述，包括年齡、收入、職業(yè)、閱讀偏好、訂購習慣、購書(shū)資金、計劃等屬性的描述，顧客被分類(lèi)為“是”或“否”會(huì )成為購買(mǎi)書(shū)籍的顧客。當新顧客的信息被輸入到數據庫中時(shí)，就對該新顧客的購買(mǎi)傾向進(jìn)行分類(lèi)，以決定是否給該顧客發(fā)送相應書(shū)籍的宣傳手冊。
�。�2）在客戶(hù)保留中的應用
客戶(hù)識別是獲取新客戶(hù)的過(guò)程，而客戶(hù)保留則是留住老顧客、防止客戶(hù)流失的過(guò)程。對企業(yè)來(lái)說(shuō)，獲取一個(gè)新顧客的成本要比保留一個(gè)老顧客的成本高。在保留客戶(hù)的過(guò)程中，非常重要的一個(gè)工作就是要找出顧客流失的原因。例如，某專(zhuān)科
學(xué)校的招生人數在逐漸減少，那么就要找出減少的原因，經(jīng)過(guò)廣泛的搜集信息，發(fā)現原因在于本學(xué)校對技能培訓不夠重視，學(xué)生只能學(xué)到書(shū)本知識，沒(méi)有實(shí)際的技能，在就業(yè)市場(chǎng)上找工作很難。針對這種情況，學(xué)校應果斷的抽取資金，購買(mǎi)先進(jìn)的、有針對性的實(shí)驗實(shí)訓設備，同時(shí)修改教學(xué)計劃，加大實(shí)驗實(shí)訓課時(shí)和考核力度，培訓相關(guān)專(zhuān)業(yè)的教師。
�。�3）對客戶(hù)忠誠度進(jìn)行分析
客戶(hù)的忠誠意味著(zhù)客戶(hù)不斷地購買(mǎi)公司的產(chǎn)品或服務(wù)。數據挖掘在客戶(hù)忠誠度分析中主要是對客戶(hù)持久性、牢固性和穩定性進(jìn)行分析。比如大型超市通過(guò)會(huì )員的消費信息，如最近一次消費、消費頻率、消費金額三個(gè)指標對數據進(jìn)行分析，可以預測出顧客忠誠度的變化，據此對價(jià)格、商品的種類(lèi)以及銷(xiāo)售策略加以調整和更新，以便留住老顧客，吸引新顧客。
�。�4）對客戶(hù)盈利能力分析和預測
對于一個(gè)企業(yè)而言，如果不知道客戶(hù)的價(jià)值，就很難做出合適的市場(chǎng)策略。不同的客戶(hù)對于企業(yè)而言，其價(jià)值是不同的。研究表明，一個(gè)企業(yè)的80%的利潤是由只占客戶(hù)總數的20%的客戶(hù)創(chuàng )造的，這部分客戶(hù)就是有價(jià)值的優(yōu)質(zhì)客戶(hù)。為了弄清誰(shuí)才是有價(jià)值的客戶(hù)，就需要按照客戶(hù)的創(chuàng )利能力來(lái)劃分客戶(hù)，進(jìn)而改進(jìn)客戶(hù)關(guān)系管理。數據挖掘技術(shù)可以用來(lái)分析和預測不同市場(chǎng)活動(dòng)情況下客戶(hù)盈利能力的變化，幫助企業(yè)制定合適的市場(chǎng)策略。商業(yè)銀行一般會(huì )利用數據挖掘技術(shù)對客戶(hù)的資料進(jìn)行分析，找出對提高企業(yè)盈利能力最重要的客戶(hù)，進(jìn)而進(jìn)行針對性的服務(wù)和營(yíng)銷(xiāo)。
�。�5）交叉銷(xiāo)售和增量銷(xiāo)售
交叉銷(xiāo)售是促使客戶(hù)購買(mǎi)尚未使用的產(chǎn)品和服務(wù)的營(yíng)銷(xiāo)手段，目的是可以拓寬企業(yè)和客戶(hù)間的關(guān)系。增量銷(xiāo)售是促使客戶(hù)將現有產(chǎn)品和服務(wù)升級的銷(xiāo)售活動(dòng)，目的在于增強企業(yè)和客戶(hù)的關(guān)系。這兩種銷(xiāo)售都是建立在雙贏(yíng)的基礎上的，客戶(hù)因得到更多更好符合其需求的服務(wù)而獲益，公司也因銷(xiāo)售增長(cháng)而獲益。數據挖掘可以采用關(guān)聯(lián)性模型或預測性模型來(lái)預測什么時(shí)間會(huì )發(fā)生什么事件，判斷哪些客戶(hù)對交叉銷(xiāo)售和增量銷(xiāo)售很有意向，以達到交叉銷(xiāo)售和增量銷(xiāo)售的目的。例如，保險公司的交叉營(yíng)銷(xiāo)策略：保險公司對已經(jīng)購買(mǎi)某險種的客戶(hù)推薦其它保險產(chǎn)品和服務(wù)。這種策略成功的關(guān)鍵是要確保推銷(xiāo)的保險險種是用戶(hù)所感興趣的，否則會(huì )造成用戶(hù)的反感。
四、客戶(hù)關(guān)系管理應用數據挖掘的步驟
1。需求分析
只有確定需求，才有分析和預測的目標，然后才能提取數據、選擇方法，因此，需求分析是數據挖掘的基礎條件。數據挖掘的實(shí)施過(guò)程也是圍繞著(zhù)這個(gè)目標進(jìn)行的。在確定用戶(hù)的需求后，應該明確所要解決的問(wèn)題屬于哪種應用類(lèi)型，是屬于關(guān)聯(lián)分析、分類(lèi)、聚類(lèi)及預測，還是其他應用。應對現有資源如已有的歷史數據進(jìn)行評估，確定是否能夠通過(guò)數據挖掘技術(shù)來(lái)解決用戶(hù)的需求，然后將進(jìn)一步確定數據挖掘的目標和制定數據挖掘的計劃。
2、建立數據庫
這是數據挖掘中非常重要也非常復雜的一步。首先，要進(jìn)行數據收集和集成，其次，要對數據進(jìn)行描述和整合。數據主要有四個(gè)方面的來(lái)源：客戶(hù)信息、客戶(hù)行為、生產(chǎn)系統和其他相關(guān)數據。這些數據通過(guò)抽取、轉換和裝載，形成數據倉庫，并通過(guò)OLAP和報表，將客戶(hù)的整體行為結果分析等數據傳遞給數據庫用戶(hù)。
3、選擇合適的數據挖掘工具
如果從上一步的分析中發(fā)現，所要解決的問(wèn)題能用數據挖掘比較好地完成，那么需要做的第三步就是選擇合適的數據挖掘技術(shù)與方法。將所要解決的問(wèn)題轉化成一系列數據挖掘的任務(wù)。數據挖掘主要有五種任務(wù)：分類(lèi)，估值預測，關(guān)聯(lián)規則，聚集，描述。前三種屬于直接的數據挖掘。在直接數據挖掘中，目標是應用可得到的數據建立模型，用其它可得到的數據來(lái)描述感興趣的變量。后兩種屬于間接數據挖掘。在間接數據挖掘中，沒(méi)有單一的目標變量，目標是在所有變量中發(fā)現某些聯(lián)系。
4、建立模型
建立模型是選擇合適的方法和算法對數據進(jìn)行分析，得到一個(gè)數據挖掘模型的過(guò)程。一個(gè)好的模型沒(méi)必要與已有數據完全相符，但模型對未來(lái)的數據應有較好的預測。需要仔細考察不同的模型以判斷哪個(gè)模型對所需解決的問(wèn)題最有用。如決策樹(shù)模型、聚類(lèi)模型都是分類(lèi)模型，它們將一個(gè)事件或對象歸類(lèi)�；貧w是通過(guò)具有已知值的變量來(lái)預測其它變量的值。時(shí)間序列是用變量過(guò)去的值來(lái)預測未來(lái)的值。這一步是數據挖掘的核心環(huán)節。建立模型是一個(gè)反復進(jìn)行的過(guò)程，它需要不斷地改進(jìn)或更換算法以尋找對目標分析作用最明顯的模型，最后得到一個(gè)最合理、最適用的模型。
5、模型評估
為了驗證模型的有效性、可信性和可用性，從而選擇最優(yōu)的模型，需要對模型進(jìn)行評估。我們可以將數據中的一部分用于模型評估，來(lái)測試模型的準確性，模型是否容易被理解模型的運行速度、輸入結果的速度、實(shí)現代價(jià)、復雜度等。模型的建立和檢驗是一個(gè)反復的過(guò)程，通過(guò)這個(gè)階段階段的工作，能使數據以用戶(hù)能理解的方式出現，直至找到最優(yōu)或較優(yōu)的模型。
6、部署和應用
將數據挖掘的知識歸檔和報告給需要的群體，根據數據挖掘發(fā)現的知識采取必要的行動(dòng)，以及消除與先前知識可能存在的沖突，并將挖掘的知識應用于應用系統。在模型的應用過(guò)程中，也需要不斷地對模型進(jìn)行評估和檢驗，并做出適當的調整，以使模型適應不斷變化的環(huán)境。
【數據挖掘技術(shù)在客戶(hù)關(guān)系管理中怎么應用探討管理論文】相關(guān)文章：
數據挖掘在培訓管理中的應用論文12-19
數據挖掘技術(shù)在網(wǎng)絡(luò )輿情危機管理中的應用論文10-20
銀行客戶(hù)關(guān)系管理中的數據挖掘探究論文10-31
數據挖掘在CRM中的應用論文04-10