[摘要] 在客戶關系管理中，企業(yè)將面臨大量的來自于客戶和市場的數(shù)據(jù)和信息，這些數(shù)據(jù)是大量的、不完全的、有噪聲的、模糊的、隨機的，但同時又是非常有用的。數(shù)據(jù)挖掘技術可以將這些數(shù)據(jù)有效的分析、整理，從而給數(shù)據(jù)使用者提供有效、及時的信息。本文就數(shù)據(jù)挖掘技術在客戶關系管理中如何應用做了粗淺的探討。

　　根據(jù)波特的影響企業(yè)的利益相關者理論，企業(yè)有五個利益相關者，分別是客戶、競爭對手、供應商、分銷商和政府等其他利益相關者。其中，最重要的利益相關者就是客戶�，F(xiàn)代企業(yè)的競爭優(yōu)勢不僅體現(xiàn)在產(chǎn)品上，還體現(xiàn)在市場上，誰能獲得更大的市場份額，誰就能在競爭中占據(jù)優(yōu)勢和主動。而對市場份額的爭奪實質(zhì)上是對客戶的爭奪，因此，企業(yè)必須完成從“產(chǎn)品”導向向“客戶”導向的轉(zhuǎn)變，對企業(yè)與客戶發(fā)生的各種關系進行管理。進行有效的客戶關系管理，就要通過有效的途徑，從儲存大量客戶信息的數(shù)據(jù)倉庫中經(jīng)過深層分析，獲得有利于商業(yè)運作，提高企業(yè)市場競爭力的有效信息。而實現(xiàn)這些有效性的關鍵技術支持就是數(shù)據(jù)挖掘，即從海量數(shù)據(jù)中挖掘出更有價值的潛在信息。正是有了數(shù)據(jù)挖掘技術的支持，才使得客戶關系管理的理念和目標得以實現(xiàn)，滿足現(xiàn)代電子商務時代的需求和挑戰(zhàn)。

　　一、客戶關系管理（CRM）

　　CRM是一種旨在改善企業(yè)與客戶之間關系的新型管理方法。它是企業(yè)通過富有意義的交流和溝通，理解并影響客戶行為，最終實現(xiàn)提高客戶獲取、客戶保留、客戶忠誠和客戶創(chuàng)利的目的。它包括的主要內(nèi)容有客戶識別、客戶關系的建立、客戶保持、客戶流失控制和客戶挽留。通過客戶關系管理能夠提高企業(yè)銷售收入，改善企業(yè)的服務，提高客戶滿意度，同時能提高員工的生產(chǎn)能力。

　　二、數(shù)據(jù)挖掘（DM）

　　數(shù)據(jù)挖掘（Data Mining，簡稱DM），簡單的講就是從大量數(shù)據(jù)中挖掘或抽取出知識。數(shù)據(jù)挖掘概念的定義描述有若干版本。一個通用的定義是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)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(shù)據(jù)挖掘方法有：（1）關聯(lián)分析。即從給定的數(shù)據(jù)集中發(fā)現(xiàn)頻繁出現(xiàn)的項集模式知識。例如，某商場通過關聯(lián)分析，可以找出若干個客戶在本商場購買商品時，哪些商品被購置率較高，進而可以發(fā)現(xiàn)數(shù)據(jù)庫中不同商品的聯(lián)系，進而反映客戶的購買習慣。（2）序列模式分析。它與關聯(lián)分析相似，其目的也是為了控制挖掘出的數(shù)據(jù)間的聯(lián)系。但序列模式分析的側(cè)重點在于分析數(shù)據(jù)間的前后（因果）關系。例如，可以通過分析客戶在購買A商品后，必定（或大部分情況下）隨著購買B商品，來發(fā)現(xiàn)客戶潛在的購買模式。（3）分類分析。是找出一組能夠描述數(shù)據(jù)集合典型特征的模型，以便能夠分類識別未知數(shù)據(jù)的歸屬或類別。例如，銀行可以根據(jù)客戶的債務水平、收入水平和工作情況，可對給定用戶進行信用風險分析。（4）聚類分析。是從給定的數(shù)據(jù)集中搜索數(shù)據(jù)對象之間所存在的有價值聯(lián)系。在商業(yè)上，聚類可以通過顧客數(shù)據(jù)將顧客信息分組，并對顧客的購買模式進行描述，找出他們的特征，制定針對性的營銷方案。（5）孤立點分析。孤立點是數(shù)據(jù)庫中與數(shù)據(jù)的一般模式不一致的數(shù)據(jù)對象，它可能是收集數(shù)據(jù)的設備出現(xiàn)故障、人為輸入時的輸入錯誤等。孤立點分析就是專門挖掘這些特殊信息的方法。例如，銀行可以利用孤立點分析發(fā)現(xiàn)信用卡詐騙，電信部門可以利用孤立點分析發(fā)現(xiàn)電話盜用等。

　　三、數(shù)據(jù)挖掘在客戶關系管理中的應用

　　1.進行客戶分類客戶分類是將大量的客戶分成不同的類別，在每一類別里的客戶具有相似的屬性，而不同類別里的客戶的屬性不同。數(shù)據(jù)挖掘可以幫助企業(yè)進行客戶分類，針對不同類別的客戶，提供個性化的服務來提高客戶的滿意度，提高現(xiàn)有客戶的價值。細致而可行的客戶分類對企業(yè)的經(jīng)營策略有很大益處。例如，保險公司在長期的保險服務中，積累了很多的數(shù)據(jù)信息，包括對客戶的服務歷史、對客戶的銷售歷史和收入，以及客戶的人口統(tǒng)計學資料和生活方式等。保險公司必須將這些眾多的信息資源綜合起來，以便在數(shù)據(jù)庫里建立起一個完整的客戶背景。在客戶背景信息中，大批客戶可能在保險種類、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群體。經(jīng)過數(shù)據(jù)挖掘的聚類分析，可以發(fā)現(xiàn)他們的共性，掌握他們的保險理念，提供有針對性的服務，提高保險公司的綜合服務水平，并可以降低業(yè)務服務成本，取得更高的收益。

　　2.進行客戶識別和保留

　�。�1）在CRM中，首先應識別潛在客戶，然后將他們轉(zhuǎn)化為客戶這時可以采用DM中的分類方法。首先是通過對數(shù)據(jù)庫中各數(shù)據(jù)進行分析，從而建立一個描述已知數(shù)據(jù)集類別或概念的模型，然后對每一個測試樣本，用其已知的類別與學習所獲模型的預測類別做比較，如果一個學習所獲模型的準確率經(jīng)測試被認可，就可以用這個模型對未來對象進行分類。例如，圖書發(fā)行公司利用顧客郵件地址數(shù)據(jù)庫，給潛在顧客發(fā)送用于促銷的新書宣傳冊。該數(shù)據(jù)庫內(nèi)容有客戶情況的描述，包括年齡、收入、職業(yè)、閱讀偏好、訂購習慣、購書資金、計劃等屬性的描述，顧客被分類為“是”或“否”會成為購買書籍的顧客。當新顧客的信息被輸入到數(shù)據(jù)庫中時，就對該新顧客的購買傾向進行分類，以決定是否給該顧客發(fā)送相應書籍的宣傳手冊。

　�。�2）在客戶保留中的應用客戶識別是獲取新客戶的過程，而客戶保留則是留住老顧客、防止客戶流失的過程。對企業(yè)來說，獲取一個新顧客的成本要比保留一個老顧客的成本高。在保留客戶的過程中，非常重要的一個工作就是要找出顧客流失的原因。例如，某�？茖W校的招生人數(shù)在逐漸減少，那么就要找出減少的原因，經(jīng)過廣泛的搜集信息，發(fā)現(xiàn)原因在于本學校對技能培訓不夠重視，學生只能學到書本知識，沒有實際的技能，在就業(yè)市場上找工作很難。針對這種情況，學校應果斷的抽取資金，購買先進的、有針對性的實驗實訓設備，同時修改教學計劃，加大實驗實訓課時和考核力度，培訓相關專業(yè)的教師。

　�。�3）對客戶忠誠度進行分析客戶的忠誠意味著客戶不斷地購買公司的產(chǎn)品或服務。數(shù)據(jù)挖掘在客戶忠誠度分析中主要是對客戶持久性、牢固性和穩(wěn)定性進行分析。比如大型超市通過會員的消費信息，如最近一次消費、消費頻率、消費金額三個指標對數(shù)據(jù)進行分析，可以預測出顧客忠誠度的變化，據(jù)此對價格、商品的種類以及銷售策略加以調(diào)整和更新，以便留住老顧客，吸引新顧客。

　　（4）對客戶盈利能力分析和預測對于一個企業(yè)而言，如果不知道客戶的價值，就很難做出合適的市場策略。不同的客戶對于企業(yè)而言，其價值是不同的。研究表明，一個企業(yè)的80%的利潤是由只占客戶總數(shù)的20%的客戶創(chuàng)造的，這部分客戶就是有價值的優(yōu)質(zhì)客戶。為了弄清誰才是有價值的客戶，就需要按照客戶的創(chuàng)利能力來劃分客戶，進而改進客戶關系管理。數(shù)據(jù)挖掘技術可以用來分析和預測不同市場活動情況下客戶盈利能力的變化，幫助企業(yè)制定合適的市場策略。商業(yè)銀行一般會利用數(shù)據(jù)挖掘技術對客戶的資料進行分析，找出對提高企業(yè)盈利能力最重要的客戶，進而進行針對性的服務和營銷。

　�。�5）交叉銷售和增量銷售交叉銷售是促使客戶購買尚未使用的產(chǎn)品和服務的營銷手段，目的是可以拓寬企業(yè)和客戶間的關系。增量銷售是促使客戶將現(xiàn)有產(chǎn)品和服務升級的銷售活動，目的在于增強企業(yè)和客戶的關系。這兩種銷售都是建立在雙贏的基礎上的，客戶因得到更多更好符合其需求的服務而獲益，公司也因銷售增長而獲益。數(shù)據(jù)挖掘可以采用關聯(lián)性模型或預測性模型來預測什么時間會發(fā)生什么事件，判斷哪些客戶對交叉銷售和增量銷售很有意向，以達到交叉銷售和增量銷售的目的。例如，保險公司的交叉營銷策略：保險公司對已經(jīng)購買某險種的客戶推薦其它保險產(chǎn)品和服務。這種策略成功的關鍵是要確保推銷的保險險種是用戶所感興趣的，否則會造成用戶的反感。

　　四、客戶關系管理應用數(shù)據(jù)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(shù)據(jù)、選擇方法，因此，需求分析是數(shù)據(jù)挖掘的基礎條件。數(shù)據(jù)挖掘的實施過程也是圍繞著這個目標進行的。在確定用戶的需求后，應該明確所要解決的問題屬于哪種應用類型，是屬于關聯(lián)分析、分類、聚類及預測，還是其他應用。應對現(xiàn)有資源如已有的歷史數(shù)據(jù)進行評估，確定是否能夠通過數(shù)據(jù)挖掘技術來解決用戶的需求，然后將進一步確定數(shù)據(jù)挖掘的目標和制定數(shù)據(jù)挖掘的計劃。

　　2.建立數(shù)據(jù)庫這是數(shù)據(jù)挖掘中非常重要也非常復雜的一步。首先，要進行數(shù)據(jù)收集和集成，其次，要對數(shù)據(jù)進行描述和整合。數(shù)據(jù)主要有四個方面的來源：客戶信息、客戶行為、生產(chǎn)系統(tǒng)和其他相關數(shù)據(jù)。這些數(shù)據(jù)通過抽取、轉(zhuǎn)換和裝載，形成數(shù)據(jù)倉庫，并通過OLAP和報表，將客戶的整體行為結(jié)果分析等數(shù)據(jù)傳遞給數(shù)據(jù)庫用戶。

　　3.選擇合適的數(shù)據(jù)挖掘工具如果從上一步的分析中發(fā)現(xiàn)，所要解決的問題能用數(shù)據(jù)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(shù)據(jù)挖掘技術與方法。將所要解決的問題轉(zhuǎn)化成一系列數(shù)據(jù)挖掘的任務。數(shù)據(jù)挖掘主要有五種任務：分類，估值預測，關聯(lián)規(guī)則，聚集，描述。前三種屬于直接的數(shù)據(jù)挖掘。在直接數(shù)據(jù)挖掘中，目標是應用可得到的數(shù)據(jù)建立模型，用其它可得到的數(shù)據(jù)來描述感興趣的變量。后兩種屬于間接數(shù)據(jù)挖掘。在間接數(shù)據(jù)挖掘中，沒有單一的目標變量，目標是在所有變量中發(fā)現(xiàn)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(shù)據(jù)進行分析，得到一個數(shù)據(jù)挖掘模型的過程。一個好的模型沒必要與已有數(shù)據(jù)完全相符，但模型對未來的數(shù)據(jù)應有較好的預測。需要仔細考察不同的模型以判斷哪個模型對所需解決的問題最有用。如決策樹模型、聚類模型都是分類模型，它們將一個事件或?qū)ο髿w類�；貧w是通過具有已知值的變量來預測其它變量的值。時間序列是用變量過去的值來預測未來的值。這一步是數(shù)據(jù)挖掘的核心環(huán)節(jié)。建立模型是一個反復進行的過程，它需要不斷地改進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，需要對模型進行評估。我們可以將數(shù)據(jù)中的一部分用于模型評估，來測試模型的準確性，模型是否容易被理解模型的運行速度、輸入結(jié)果的速度、實現(xiàn)代價、復雜度等。模型的建立和檢驗是一個反復的過程，通過這個階段階段的工作，能使數(shù)據(jù)以用戶能理解的方式出現(xiàn)，直至找到最優(yōu)或較優(yōu)的模型。

　　6.部署和應用將數(shù)據(jù)挖掘的知識歸檔和報告給需要的群體，根據(jù)數(shù)據(jù)挖掘發(fā)現(xiàn)的知識采取必要的行動，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(tǒng)。在模型的應用過程中，也需要不斷地對模型進行評估和檢驗，并做出適當?shù)恼{(diào)整，以使模型適應不斷變化的環(huán)境。