数据挖掘在ＣＲＭ中的应用分析

1、  数据挖掘在中的应用分析   摘 要 客户资源是 企业 最重要的战略资源之一，企业必须对此高度重视。crm是以客户的资源价值管理为核心的管理软件，广大用户越来越注重crm的实用价值。在crm中只有有效利用数据挖掘,才可以指导企业高层决策者制定最优的企业营销策略,降低企业运营成本,增加利润,加速企业的 发展 。关键词 数据挖掘；crm； 应用客户资源是企业最重要的战略资源之一。拥有客户就意味着企业拥有了在市场中继续生存的理由，而拥有并想办法保留住客户是企业获得可持续发展的动力源。但是在传统的企业结构中，要真正和客户建立起持续、友好的个性化联系并不容易。正

2、是在这样的情况下，美国gartner groupinc.于1999年首先提出客户关系管理（customer relationship management，crm） 理论 。一、crm的基本内涵crm是一种以客户为中心的经营策略，是利用信息技术对客户资源进行集中管理，将经过 分析 及处理的客户信息与所有与客户有关的业务领域进行链接，使市场、销售、客户服务等各个部门可以共享客户资源，使公司可以实时地跟踪客户的需求，提供产品及服务，提高客户的满意度及忠诚度，从而吸引更多的客户，最终使公司的利润最大化。一般来讲，可以从4个方面来讨论crm的价值。（1）提高效率。由于采用了新技术手段，业务处理流程的自

3、动化程度提高了，特别是在市场、销售、服务等关键业务处理上，实现了企业范围内的信息共享，提高了员工的工作能力，并有效减少培训需要，使企业内部能更高效地运转；（2）拓展市场。通过新的业务模式扩大企业经营活动范围，及时把握新市场机会，占领更多的市场份额，并不断评估市场活动效果；（3）保留客户。客户可以选择自己喜欢的方式与企业进行交流，方便地获取信息，得到更好的服务，客户的满意度得到提高，可帮助企业保留更多的老客户，并更好地吸引新客户；（4）提高企业效益。改进市场、销售、产品开发等工作脱节现象，加快销售进程，通过良好的客户服务和全新的市场活动获得新的销售机会，提高长期销售量的增长；同时，具有针对性的客

4、户挖掘，节约了市场和销售的成本，也减少了企业在战略决策上产生失误的可能性。可以看出，crm的核心是客户的资源价值管理，因此crm的实施必须要获取大量的客户的有用信息，并通过管理和分析大量的信息，从中找出对企业管理决策有价值的知识。这一切都需要有先进的技术和工具的支持，数据挖掘恰恰可以给予crm良好的技术支持。二、数据挖掘的主要 方法数据挖掘也被称作kdd（knowledge discovery in database），即数据库中的知识发现，是一种决策支持过程，它主要基于ai（人工智能）、机器 学习 、统计学等技术，高度自动化地分析企业原有的数据，作出归纳性的推理，从中挖掘出潜在的模式，预测客

5、户的行为，帮助企业的决策者调整市场策略、减少风险、作出正确的决策。crm中的数据挖掘是指从大量的有关客户的数据中挖掘出隐含的、先前未知的、对企业决策有潜在价值的知识和规则。技术上，客户关系管理系统采用嵌入数据挖掘系统的方式，可以自动地产生一些所需要的信息。更进一步的，还需要企业有统计学、决策 科学 、 计算 机科学方面的专业人才制定出相应的挖掘规则以进一步发挥出数据挖掘系统的优势。数据挖掘的主要方法包括关联分析、时序模式、分类、聚类、偏差分析以及预测等，它们可以应用到以客户为中心的企业决策分析及管理的不同领域和阶段。1. 关联分析（correlation）。其目的就是挖掘出隐藏在数据间的相互关

6、系。例如，80%顾客同时会在购买某种a产品的同时购买b产品，这就是一条关联规则。2. 时序模式。通过时间序列搜索出重复发生概率较高的模式，这里强调时间序列的 影响 。例如，某段时间内，购买了a产品的人中，70%的人会买b产品。3. 分类（classification）。找出一个类别的概念描述，它代表了这类数据的整体信息。分类是数据挖掘中应用最多的任务。要为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其他数据库中的记录进行分类。4. 聚类（clustering）。按一定规则将数据分为一系列有意义的子集。通俗地讲，就是多元统计中 研究 所谓“物以类聚”现象的一种方法，

7、其职能是对一批样本或指标按它们在性质上的亲疏程度来进行分类，采用不同的聚类方法，对于相同的记录集合可能有不同的划分结果。5. 偏差分析（deviation）。从数据库中找出异常数据。6. 预测（prediction）。利用 历史 数据找出 规律 ，建立模型，并用此模型预测未来数据的种类、特征等。 转贴于 三、crm中数据挖掘的工作流程1. 数据抽样。当进行数据挖掘时，首先要从 企业 大量客户信息数据中抽取出相关的数据子集。通过对数据样本的精选，不仅能减少数据处理量，节省系统资源，而且能通过对数据的筛选，使数据更加具有 规律 性。2. 数据探索。数据探索就是通常所进行的对数据深入调查的

8、过程，从样本数据集中找出规律和趋势，用聚类 分析 区分类别，最终要达到的目的就是搞清楚多因素相互 影响 的、十分复杂的关系，发现因素之间的相关性。3. 数据调整。通过上述两个步骤的操作，对数据的状态和趋势有了进一步的了解，这时要尽可能对 问题 解决的要求进一步明确化、进一步量化。4. 模型化。在问题进一步明确，数据结构和 内容 进一步调整的基础上，就可以建立模型。这一步是数据挖掘的核心环节，运用神经 网络 、决策树、数理统计、时间序列分析等 方法 来建立模型。5. 评价。从上述过程中将会得出一系列的分析结果、模式和模型，多数情况会得出对目标问题多侧面的描述，这时就要综合它们的规律性，提供合理的

9、决策支持信息。四、crm中数据挖掘的 应用1. 客户的获取。把客户根据其性别、收入、交易行为特征等属性细分为具有不同需求和交易习惯的群体,同一群体中的客户对产品的需求以及交易心理等方面具有相似性,而不同群体间差异较大。这样就有助于企业在营销中更加贴近顾客需求。分类和聚类等挖掘方法可以把大量的客户分成不同的类(群体),适合于进行客户细分。通过群体细分，crm用户可以更好地理解客户，发现群体客户的行为规律。在行为分组完成后，还要进行客户理解、客户行为规律发现和客户组之间的交叉分析。2. 重点客户发现。就是找出对企业具有重要意义的客户，重点客户发现主要包括:发现有价值的潜在客户；发现有更多的消费需求

10、的同一客户；发现更多使用的同一种产品或服务；保持客户的忠诚度。根据80/20（即20%的客户贡献80%的销售额）以及开发新客户的费用是保留老客户费用的5倍等营销原则,重点客户发现在crm中具有举足轻重的作用。3. 交叉营销。商家与其客户之间的商业关系是一种持续的不断 发展 的关系,通过不断地相互接触和交流,客户得到了更好更贴切的服务质量,商家则因为增加了销售量而获利。交叉营销指向已购买商品的客户推荐其他产品和服务。这种策略成功的关键是要确保推销的产品是用户所感兴趣的,有几种挖掘方法都可以应用于此问题,关联规则分析能够发现顾客倾向于关联购买哪些商品；聚类分析能够发现对特定产品感兴趣的用户群；神经

11、网络、回归等方法能够预测顾客购买该新产品的可能性。4. 客户分析。主要包括：客户价值金字塔分析、客户分布分析、新增客户分析、流失客户分析和购买行为分析。其中分类等技术能够判断具备哪些特性的客户群体最容易流失,建立客户流失预测模型，从而帮助企业对有流失风险的顾客提前采取相应营销措施。利用数据挖掘技术,可以通过挖掘大量的客户信息来构建预测模型,较准确地找出易流失客户群,并制订相应的方案,最大程度地保持住老客户。5. 性能评估。以客户所提供的市场反馈为基础，通过数据仓库的数据清洁与集中过程,将客户对市场的反馈自动地输入到数据仓库中，从而进行客户行为跟踪。性能分析与客户行为分析和重点客户发现是相互交叠的过程，这样才能保证企业的客户关系管理能够达到既定的目标，建立良好的客户关系。五、小 结crm作为一个涉及知识管理、业务流程再造和企业信息化的概念看起来非常复杂，其实它最基础的是一整套数据仓库客户资料系统，实施和运用crm，应该从最基础的应用开始，将客户基础数据管理好，服务好和应