数据挖掘技术在客户关系管理中的应用
来源:用户上传
作者: 郑英姿,于晓梅
摘要:数据挖掘技术作为一种先进的数据处理方法,是实现对客户数据进行深入分析的有效工具。基于数据挖掘技术的客户关系管理系统是数据挖掘技术在客户关系管理应用的最终体现,是帮助企业实现既定目标的最佳途径。在客户关系管理中常用的数据挖掘方法主要包括:分类、聚类、关联规则、统计回归、偏差分析等。
关键词:数据挖掘;客户关系管理;挖掘方法
中图分类号:O23 文献标志码:A文章编号:1673-291X(2010)14-0255-02
随着信息技术的迅猛发展,数据库的规模不断扩大,从而产生了大量的数据。这些数据背后隐藏着许多重要的信息,人们希望通过对这些信息进行更高层次的分析,以便更好地利用这些数据。但大量复杂的数据往往使人们无法辨别隐藏在其中的能对决策提供支持的信息,而传统的查询、报表工具无法满足挖掘这些信息的需求。因此,需要一种新的数据分析技术处理大量数据,并从中抽取有价值的潜在知识,数据挖掘(Data Mining)技术由此应运而生。
一、概述
1.数据挖掘技术
数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的过程。它可以帮助决策者对历史数据和当前数据进行分析,并从中发现其中隐藏的关系和模式,进而对可能发生的行为进行预测。数据挖掘的过程也叫知识发现的过程,它是一门涉及面很广的交叉性学科,涉及到数据库、人工智能、数理统计、可视化、并行计算等领域。数据挖掘是一种新型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、转换、分析和其他模型化处理,从中提取辅助商业决策的关键性数据。简言之,数据挖掘其实是一类深层次的数据分析方法。从这个角度数据挖掘也可以描述为:按企业制定的业务目标,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规律性,并进一步将其模型化的先进有效的方法。
数据挖掘已经涉及到社会的各行各业,在移动、银行、电信、保险、零售等商业管理,工程开发,科学研究等诸多领域取得了较好的发展,本文主要研究数据挖掘在商业领域特别是客户关系管理中的应用。激烈的同行竞争,使得越来越多的企业意识到客户是企业竞争力的重要来源。随着管理理念的更新,客户关系管理正逐渐成为企业的焦点。其主要特点是对商业数据库中大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助商业决策的关键性数据。
2.客户关系管理
目前,对于客户关系管理还没有一个统一的定义。许多研究机构、学者和行业组织从不同的角度阐述了自己对客户关系管理的理解。
最早提出客户关系管理(CRM)概念的Gartnet Group认为,所谓的客户关系管理是为企业提供全方位的管理视角,赋予企业更完善的客户交流能力,从而实现客户收益率的最大化。
Hurwitz Group认为,客户关系管理的焦点是自动化,同时也是改善与销售、市场营销、客户服务和支持等领域的客户关系有关的商业流程;客户关系管理既是一套原则制度,也是一套软件和技术。它的目标是缩减销售周期和销售成本、增加收入、寻找扩展业务所需的新的市场和渠道以及提高客户的价值、满意度、赢利性和忠实度。
综合各种观点,客户关系管理的含义还可以从以下三方面进行理解:
CRM首先是一种管理理念。它起源于西方的市场营销理论,产生于美国,并得到了迅速发展。理念的核心是将企业的客户(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,保证客户终生价值的实现。
客户关系管理又是一种新型管理机制。它要求企业从“以产品为中心”的模式向“以客户为中心”的模式转移。也就是说,企业关注的焦点应从内部运作转向客户关系,企业的业务流程和组织流程重点应从“产品”转向“客户”。
客户关系管理也是一种管理软件和技术。它将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其它信息技术紧密结合在一起,为企业的营销、销售、客户服务和决策支持等领域提供一个业务自动化的解决方案,使企业拥有一个基于电子商务的、面对客户的前沿,从而顺利实现由传统企业模式到以电子商务为基础的现代企业模式的转化。
二、客户关系管理中常用的数据挖掘方法
常用的数据挖掘方法主要包括:分类、聚类、关联规则、统计回归、偏差分析等等。
1.分类
分类在数据挖掘中是一项非常重要的任务。分类的目的是通过统计方法、机器学习方法(包括决策树法和规则归纳法)、神经网络方法等构造一个分类模型,然后把数据库中的数据映射到给定类别中的某一个。
2.聚类
聚类是把一组个体按照相似性归成若干类别,即“物以类聚”。它的目的是使同一类别之内的相似性尽可能大,而类别之间的相似性尽可能小。这种方法可以用来对客户进行细分,根据客户的特征和属性把客户分成不同客户群,根据其不同需求,制订针对不同客户群的营销策略。
3.关联规则
它是描述数据库中数据项之间存在关联的规则,即根据一个事物中某些项的出现可导出另一项在同一事物中也出现,即隐藏在数据间的关联或相互关系。在客户关系管理中,通过对企业客户数据库里大量数据进行挖掘,可以从中发现有趣的关联关系,
4.回归分析
回归分析反映的是事务数据库中属性值在时间上的特征,主要用于预测,即利用历史数据自动推出对给定数据的推广描述,从而对未来数据进行预测。它可应用于商品销售趋势预测、客户赢利能力分析和预测等。
5.偏差分析
偏差分析侧重于发现不规则和异常变化,即与通常不同的事件。在相类似的客户中,对客户的异常变化要给予密切关注。例如某客户购买行为发生较大变化,购买量较以前大大减少,就要对客户的这种原因进行调查,避免客户流失。
三、数据挖掘在客户关系管理中的具体运用
在目前激烈的竞争环境下,为了获得生存与发展,企业必须以客户为中心,推进客户关系管理,提升服务内容、服务方式、服务质量、经营管理以及服务意识,增加客户满意度和忠诚度,最大限度地延长客户平均生命周期。数据挖掘正逐渐成为客户关系管理中最核心的部分。数据挖掘有助于发现业务发展的趋势,揭示已知的事实,预测未知的结果,并帮助分析出完成任务所需的关键因素,以达到增加收人、降低成本的目的。具体地说,数据挖掘技术可以帮助企业管理客户生命周期的各个阶段,包括争取客户、交叉销售、客户忠诚度分析和检测客户是否欺诈等。
1.争取客户
传统获得客户的途径一般包括各种广告、电话行销等。这种针对目标市场的营销活动是寻找感兴趣的人。而数据挖掘可以对登陆企业网站、拨打免费电话、填写申请表的响应者进行挖掘,从而把市场活动重点锁定在以上某些人身上。数据挖掘还可以寻找出和高价值的客户类似的潜在客户。在采用了数据挖掘后,为客户提供的直邮广告的有效性和回应率会得到大幅度的提高。
2.交叉销售
企业和客户之间的关系是经常变动的,一旦一个人或者一个公司成为你的客户,你就要尽力使这种客户关系趋于完美。一般来说可以通过三种方法:最长时间地保持这种关系。最多次数地和你的客户交易。最大数量地保证每次交易的利润。
因此我们就需要对我们己有的客户进行交叉销售。交叉销售足指企业向原有客户销售新的产品或服务的过程。交叉销售的好处在于,对于原有客户,企业可以比较容易地得到关于这个客户较为丰富的信息,大量的数据对于数据挖掘的准确性来说有很大帮助。在企业所掌握的客户信息,尤其是以前购买行为的信息中,可能正包含着这个客户决定他下一个购买行为的关键因素甚至是决定因素,这个时候数据挖掘就可以帮助企业寻找到这些影响他购买行为的因素。
3.客户忠诚度分析
客户关系管理需要培养和选择忠诚客户,使之与企业保持长期关系,但不是所有客户都愿意与企业保持联系,一些客户的购买决策只受价格、方便等因素的影响。也有一些顾客更关心商业所带来的利润是巨大的,数据挖掘技术可以通过对数据库中的大量数据进行分析,以确定消费者的购买习惯、购买数量和购买频率,分析客户对某个产品的忠诚程度、持久性、变动情况等,以确定忠诚客户,并为他们提供”一对一”的个性化服务,增强客户的忠诚度,最大限度地挖掘客户对企业的终生价值,为企业创造更大的利润。
4.客户欺诈行为预测
总结归纳出以往客户的各种欺诈行为的内在规律,建立一套欺诈行为规则库,从而可以及时预誓各种骗费、欠费,尽量减少企业损失。首先将多个数据库的信息集成起来,然后可以采用多种数据分析工具来找出异常模式,包括数据可视化工具,链接分析工具,分类工具,聚类分析工具,孤立点分析工具,序列模式分析工具等。这些工具都可以识别出一些重要的活动和模式,有助于聚焦可疑线索。
四、总结与展望
在充满竞争的市场经济中,客户资源的争夺变得更加激烈。数据挖掘和知识发现技术的应用将成为客户关系管理策略的必要补充,并将给企业带来更大的利润。市场对数据挖掘的需求将随着对客户关系管理的需求的增加而进一步加剧。目前,数据挖掘在客户关系管理的应用还处于研究和初级应用阶段,数据挖掘广泛地应用于客户关系管理并为企业创造大量利润,还有大量的课题需要研究。随着越来越多的企业从以产品为中心的传统模式向以客户为中心的现代模式的转变,数据挖掘应用于客户关系管理的意义将显得更加突出。
参考文献:
[1] 夏火松,数据仓库与数据挖掘技术[M].北京:科学出版社,2004.
[2] 苏新宁,杨建林,邓三鸿,等.数据挖掘理论与技术[M].北京:科学技术文献出版社,2003:53-65.
[3] 何荣勤.CRM原理、设计、实践[M].北京:电子工业出版社,2003.
[4] 江毅,朱顺泉.数据挖掘技术在客户关系管理中的应用研究[J].软科学,2003,(12):46-48.
[5] 海波,仲秋雁.基于数据挖掘的客户关系管理体系结构研究[J].大连理工大学学报,2004,(2):42-46.
转载注明来源:https://www.xzbu.com/2/view-398391.htm
