登录
首页精彩阅读数据挖掘技术与客户关系管理的应用综述
数据挖掘技术与客户关系管理的应用综述
2018-08-01
收藏

数据挖掘技术与客户关系管理的应用综述

企业通过实施客户关系管理,可以降低成本,增加收入,提高业务运作效率。对于每一个面临竞争的公司,数据仓库是必须最终拥有的市场武器。通过它可以更多地了解客户的需求以及处理这些需求的方法。数据挖掘能够对将来的趋势和行为进行预测,从而很好地支持人们的决策。作为专门管理企业前台的客户关系管理为企业提供了一个收集、分析和利用各种客户信息的系统,帮助企业充分利用其客户管理资源,也为企业在电子商务时代从容自如地面对客户提供了科学手段和方法。建立和维持客户关系是取得竞争优势的唯一的最重要的基础, 这是网络化经济和电子商务对传统商业模式变革的直接结果。
   1 客户关系管理(CRM)
    1.1 内容
    CRM的概念由美国Gartner集团率先提出。我们认为,CRM是辨识、获取、保持和增加“可获利客户”的理论、实践和技术手段的总称。它既是一种国际领先的、以“客户价值”为中心的企业管理理论、商业策略和企业运作实践,也是一种以信息技术为手段、有效提高企业收益、客户满意度、雇员生产力的管理软件。
    客户关系管理(CRM)源于以“客户为中心”的新型商业模式,是一种旨在改善企业与客户之间关系的新型管理机制。通过向企业的销售、市场和客户服务的专业人士提供全面、个性化的客户资料,并强化跟踪服务、信息分析的能力,使他们能够协同建立和维护一系列与客户和生意伙伴之间卓有成效的“一对一关系”,使企业得以提供更快捷和周到的优质服务、提高客户满意度、吸引和保持更多的客户,增加营业额。通过信息共享和优化商业流程有效地降低企业经营成本。
    1.2 CRM解决方案的组成
    CRM作为企业管理系统软件,通常由以下三部分组成:
    (1)网络化销售管理系统(Sales Distributor Management,SDM)。该模块以市场和销售业务为主导,对销售的流程进行了详细的管理,是销售管理人员进行管理和销售业务员销售自动化的重要工具。它实现了销售过程中对客户的集中管理和协同管理,销售管理人员可以随时对销售情况进行分析,具体功能包括客户接待管理、报价单处理、销售合同管理、回款单处理、综合查询功能、综合统计功能。
    (2)客户服务管理系统(Customer Service Management,CSM)。该模块主要对企业的售后服务进行管理,加快售后服务的响应速度,提高客户满意度,对服务人员进行考核,加强对产品质量的监督。
    客户服务系统最典型的代表就是呼叫中心环境,通过呼叫中心环境布署并且实现基于电话、Web的自助服务。它们使企业能够以更快的速度和更高的效率来满足其客户的独特需求。由于在多数情况下,客户忠实度和是否能从该客户身上赢利取决于企业能否提供优质的服务,因此,客户服务和支持对许多企业就变得十分关键。
    (3)企业决策信息系统(Executive Information System,EIS)。随着电子商务时代的到来, 各行各业业务操作流程的自动化,企业内产生了数以几十或上百GB计的大量业务数据。这些数据和由此产生的信息是企业的财富,它如实地记录着企业运作的本质状况。但是面对如此海量的数据,迫使人们不断寻找新的工具,来对企业的运营规律进行探索,为商业决策提供有价值的知识,使企业获得利润。能满足企业这一迫切需求的强有力的工具就是数据挖掘
    1.3 CRM的实施
    CRM项目的实施可以分为3步:①应用业务集成。将独立的市场管理,销售管理与售后服务进行集成,提供统一的运作平台。将多渠道来源的数据进行整合,实现业务数据的集成与共享;②业务数据分析。对CRM系统中的数据进行加工、处理与分析这将使企业受益匪浅。对数据的分析可以采用OLAP的方式进行,生成各类报告。也可以采用业务数据仓库(Business Information Warehouse)的处理手段,对数据做进一步的加工与数据挖掘,分析各数据指标间的关联关系,建立关联性的数据模型用于模拟和预测;③决策执行。依据数据分析所提供的可预见性的分析报告,企业可以将在业务过程中所学到的知识加以总结利用,对业务过程和业务计划等做出调整。[page]   2数据挖掘
    2.1 什么是数据挖掘
   数据挖掘(data mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解模式的非平凡过程。数据挖掘的广义观点:数据挖掘就是从存放在数据库,数据仓库或其它信息库中的大量的数据中“挖掘”有趣知识的过程。数据挖掘,又称为数据库中知识发现(Knowledge Discovery in Database,KDD),也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下步骤组成:
    ①数据清理;②数据集成;③数据选择;④数据变换;⑤数据挖掘;⑥模式评估;⑦知识表示。数据挖掘可以与用户或知识库交互。数据挖掘就是为顺应这种需要应运而生发展起来的数据处理技术。在客户关系管理(CRM)中,数据挖掘的应用是非常广泛的。CRM中的客户分类,客户赢利率分析,客户识别与客户保留等功能都要借助数据挖掘来实现。
    2.2数据挖掘在CRM中的应用
    比较典型的数据挖掘方法有关联分析、序列模式分析、分类分析、聚类分析等。它们可以在以客户为中心的企业决策分析和管理的各个不同领域与阶段得到应用。
    2.2.1 关联分析
    关联分析,即利用关联规则进行数据挖掘。关联分析的目的是挖掘隐藏在数据间的相互关系,它能发现数据库中形如“90%的顾客在一次购买活动中购买商品A的同时购买商品B”之类的知识。
    2.2.2 序列模式分析
    序列模式分析和关联分析相似,但侧重点在于分析数据间的前后序列关系。它能发现数据库中形如“在某一段时间内,顾客购买商品A,接着购买商品B,而后购买商品C,即序列A→B→C出现的频度较高”之类的知识。序列模式分析描述的问题是:在给定交易序列数据库中,每个序列是按照交易时间排列的一组交易集, 挖掘序列函数作用在这个交易序列数据库上,返回该数据库中出现的高频序列。在进行序列模式分析时,同样也需要由用户输入最小置信度C和最小支持度S。
    2.2.3 分类分析
    设有一个数据库和一组具有不同特征的类别(标记),该数据库中的每一个记录都赋予一个类别的标记,这样的数据库称为示例数据库或训练集。分类分析就是通过分析示例数据库中的数据,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它数据库中的记录进行分类。
    2.2.4 聚类分析
    聚类分析输入的是一组未分类记录,并且这些记录应分成几类事先也不知道,通过分析数据库中的记录数据,根据一定的分类规则,合理地划分记录集合,确定每个记录所在类别。它所采用的分类规则是由聚类分析工具决定的。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。
   3 结束语
    应用数据挖掘技术,较为理想的起点就是从一个数据仓库开始。这个数据仓库,里面应保存着所有客户的合同信息,并且还应该有相应的市场竞争对手的相关数据。数据挖掘可以直接跟踪数据,辅助用户快速作出商业决策。用户还可以在更新数据的时候不断发现更好的行为模式,并将其运用于未来的决策当中。

数据分析咨询请扫描二维码

客服在线
立即咨询