淺談數(shù)據挖掘在CRM中的應用
CIO時代 發(fā)表于：13年05月30日 12:21 [轉載] 比特網
一、CRM理論
CRM是Customer Relationship Management的縮寫，即客戶關系管理。CRM 是一種商業(yè)策略，目的是在企業(yè)和特定的客戶之間，保持一個長期的、提高企業(yè)的贏利和銷售收入的業(yè)務關系。
1.CRM定義
目前對CRM的定義，不同的研究機構有著不同的表述。Swift認為CRM是企業(yè)經營方法，通過企業(yè)和客戶之間交流來了解并進一步影響客戶行為，從而為企業(yè)贏得更多的新客戶，留住老客戶。Kincaid認為，CRM是一種綜合使用了企業(yè)管理中的信息、企業(yè)運營機制、信息技術特別是互聯(lián)網技術的商業(yè)戰(zhàn)略。Parvatiyar and Sheth認為CRM是一種綜合的策略和進程，包括贏得新客戶，留住老客戶，以及與特定的客戶合作。這些CRM的定義強調的重點是，認為CRM是為了獲得新客戶和留住老客戶而采取的商業(yè)流程，在商業(yè)智能的幫助下，使企業(yè)最大化的獲得客戶價值。
2.CRM分類
從體系結構的觀點來看，CRM分為操作型CRM和分析型CRM。操作型CRM指的是業(yè)務流程(企業(yè)的市場、銷售、服務等)的自動化，而分析型CRM指的是分析企業(yè)的客戶關系管理系統(tǒng)中的各種數(shù)據，從而了解客戶的消費特點和預測客戶的行為，目的是為企業(yè)的經營和決策提供科學依據。
二、數(shù)據挖掘理論
數(shù)據挖掘的定義：Turban, Aronson, Liang, 和 Sharda認為數(shù)據挖掘是從巨大的數(shù)據庫中通過使用統(tǒng)計、數(shù)學、人工智能和機器學習技術，識別和提取有用的信息并隨后獲得知識的過程。Lejeune,Ahmed, Berry 和Linoff, Berson et al也提供了類似的定義，認為數(shù)據挖掘是從巨大的數(shù)據庫中提取或探知隱藏的模式、信息的過程。
三、CRM的維度和數(shù)據挖掘模型
Swift, Parvatiyar and Sheth, Kracklauer認為，CRM包含四個維度：客戶識別、客戶吸引、客戶保留和客戶開發(fā)。
這四個維度可以被看作是一個客戶管理系統(tǒng)的封閉循環(huán)。數(shù)據挖掘能夠根據數(shù)據建立模型。每種數(shù)據挖掘技術可以生成一個或更多個以下類型的數(shù)據模型：關聯(lián)、分析、分類、聚類、預測、回歸、序列的發(fā)現(xiàn)和可視化。
1.CRM維度
(1)客戶識別。CRM開始于客戶識別，有些文章中也稱作客戶獲得。這個階段的目的就是找到最有可能成為企業(yè)的新客戶;對企業(yè)來說最有價值的是老客戶;本階段還要識別出那些即將流失的客戶并且研究如何挽回。
(2)客戶吸引。本階段是客戶識別完成后的下一階段。發(fā)現(xiàn)了潛在客戶群后，企業(yè)可以采取相應的營銷策略來吸引這些潛在客戶群。吸引客戶的一個有效方法就是直接營銷，直接營銷是企業(yè)向客戶直接進行推銷，通過多種多樣的渠道刺激客戶直接下單。
(3)客戶保留。CRM最關心的部分。企業(yè)為防止老客戶流失而運用的一系列策略來提高客戶的滿意度�？蛻魸M意度指的是客戶對企業(yè)的期望值與客戶本身所感知之間的比較，是企業(yè)能留住老客戶很重要的條件。企業(yè)保留老客戶的方法包括一對一營銷、客戶忠誠度項目和投訴管理。一對一營銷指通過分析、發(fā)現(xiàn)和預測特定客戶的行為，對客戶進行的有針對性的個性化營銷活動;客戶忠誠度項目的目的是企業(yè)和客戶維持較長時間的業(yè)務聯(lián)系�？蛻糁艺\度項目包括客戶流失的分析、信用評分、服務質量和對忠誠度項目的滿意度。
(4)客戶開發(fā)。包括交易強度，交易價值和個別客戶盈利能力持續(xù)的發(fā)展�？蛻糸_發(fā)的要素包括客戶生命周期價值的分析，升級銷售/交叉銷售和市場購物籃分析�？蛻羯芷趦r值指企業(yè)從客戶身上所獲得的總凈收益。升級銷售指在合適的時間，為合適的客戶提供合適的服務。交叉銷售指將各種資源(時間，金錢、構想、活動等)整合，從而降低成本，通過多渠道使企業(yè)接觸到更多的潛在客戶。市場購物籃分析的主要目的是通過分析客戶購買行為的數(shù)據，挖掘出隱藏在客戶購買行為后面的規(guī)則，最大化客戶交易強度和價值。
2.數(shù)據挖掘模型
(1)關聯(lián)。關聯(lián)的目的就是找到所給記錄之間存在的某種規(guī)律。市場購物籃分析和交叉銷售都是關聯(lián)模型典型的例子。關聯(lián)模型的常用建模工具是統(tǒng)計和apriori算法。
(2)分類。分類是數(shù)據挖掘中最常見的學習模型之一。分類是將數(shù)據庫中的記錄按照預先定義好的標準進行分類，從而建立一個模型來預測客戶的未來行為。常見的分類工具是神經網絡、決策樹和if-then-else規(guī)則。
(3)聚類。聚類的目的是將多樣化的人群分組成若干相同性質的群里。聚類與分類是不同的，聚類在算法開始的時候是未知的，聚類的常用工具是神經網絡和判別分析。
(4)預測。預測用來估計記錄模式的將來價值。它涉及到建模和未來某一段時間內模型的邏輯關系。預測模型的一個典型例子就是需求預測。預測的常用工具是神經網絡和生存分析。
(5)回歸�；貧w是一種統(tǒng)計估計技術，目的是將每個數(shù)據對象映像到真正有意義的預測價值�；貧w包括曲線擬合、預測、建模的因果關系和測試的科學假設變量之間的關系。回歸的常用工具包括線性回歸和邏輯回歸。
(6)序列發(fā)現(xiàn)。序列發(fā)現(xiàn)是關聯(lián)識別或超時模式。目的是模擬序列產生過程的狀態(tài)，提取和報告偏差和超時趨勢。序列發(fā)現(xiàn)的常用工具是統(tǒng)計和集合理論。
(7)可視化。可視化指數(shù)據顯示從而使用戶能查看復雜的模式。
一般與其他的數(shù)據挖掘模型一起使用，可以更明白地了解已發(fā)現(xiàn)的模式或關系�？梢暬Ｐ偷牡湫屠邮侨S圖形。
3.根據數(shù)據挖掘技術進行分類的文章分布統(tǒng)計
根據數(shù)據挖掘技術進行文章分類如表1。
表1 關于數(shù)據挖掘技術的文章分類
本文的研究有以下幾個重要的意義：(1)數(shù)據挖掘技術在CRM中的應用研究，在將來會明顯地增加。(2) 34種數(shù)據挖掘技術已經被應用到CRM里，神經網絡是最常用的技術。87篇文章中30篇(占34.5%)是關于神經網絡;其次是決策樹21 篇(占24.1%);關聯(lián)規(guī)則20篇(23.0%)。本研究還有一些局限性。首先，此次研究只調查發(fā)表在2000年到2006年之間的文章，而且這些文章都是基于關鍵詞“客戶關系管理”和“數(shù)據挖掘”的搜索而得到的。其次，本研究所用的文章是在7個在線數(shù)據庫找到的，可能還有其他的學術期刊能夠提供一個更全面的有關數(shù)據挖掘在CRM中的應用的文章。最后，非英語出版物被排除在這個研究。
