1 數據挖掘的含義
當前，數據庫和數據倉庫已經被廣泛地應用于企業管理、產品銷售、科學研究和信息服務等領域。數據量的不斷增長對數據的存儲、管理和分析提出了更高的要求，急需新一代的計算技術和工具，能夠智能化地從大量的數據中提取出有用的信息和知識，于是數據挖掘技術應運而生。
數據挖掘(Data Mining)，又稱數據庫中的知識發現(Knowledge Discovery in Database，KDD)，是指從大型數據庫或數據倉庫中提取隱含的、未知的、非平凡的及有潛在應用價值的信息，它是數據庫研究中的一個很有應用價值的新領域，融合了數據庫、人工智能、機器學習、統計學等多個領域的理論和技術。數據挖掘能對龐雜的數據進行科學的梳理和細分，從中發現潛在的價值規律，從而為我們做出合理的預測、決策提供有力的幫助和支持。
數據挖掘所能解決的典型商業問題包括：數據庫營銷、客戶群體劃分、背景分析、交叉銷售等市場行為分析，以及客戶流失性分析、客戶信用記分、欺詐發現等。而在市場經濟日益發達，競爭日益殘酷、激烈的今天。將數據挖掘應用到企業的客戶關系管理中，具有特別重要和關鍵的意義。
2 客戶關系管理的內容
客戶關系管理是一種以客戶為中心的經營策略。它以信息技術為手段。對相關業務功能重新設計，并對相關工作流程進行重組。以達到留住老客戶、吸引新客戶、提高客戶利潤貢獻度的目的。它的目的在于建立一個收集和分析客戶數據的系統，使企業在客戶服務、市場競爭、銷售及服務等方面形成彼此協調的關系實體。以提高企業的競爭優勢。客戶關系管理的實施可以分成兩個階段。
2.1 過程型客戶關系管理階段
該階段要對市場、銷售、服務等企業與客戶直接接觸部門的前端管理的業務流程進行重新規劃與調整，要在整個企業內部建立以客戶為中心的理念。要完成客戶數據的收集、確認客戶的數據是否完整等工作，然后將建立企業級數據庫。分配訪問權限，積累客戶數據并將銷售、客戶服務等分屬不同部門的客戶、員工數據整合起來形成一個完整的企業共享的數據庫。
2.2 分析型客戶關系管理階段
對過程型客戶關系管理階段所產生的數據進行加工處理，產生對企業決策有用的信息，為企業提供戰略決策支持。主要應用數據倉庫、客戶數據庫、客戶細分系統、報表和分析系統，提高對客戶數據和客戶行為模式進行分析的能力。企業實施客戶關系管理的目的是為了提升管理水平和實現企業的戰略目標。但實際上，客戶關系管理在現實中并未取得很好的效果。主要原因在于分析型客戶關系管理階段，缺乏有效的工具和方法，不能從大量的客戶數據中提取隱藏著的信息，產生新的知識從而幫助企業獲得市場競爭優勢。能滿足企業這一迫切需求的工具就是數據挖掘，數據挖掘技術主要是應用在分析型客戶關系管理階段，數據挖掘技術的引入是客戶關系管理第一階段的直接結果，它將幫助企業更深入地認識自己的客戶。
3 數據挖掘在客戶關系管理中的應用
在客戶關系管理系統中，數據挖掘主要應用在以下幾個方面。
3.1 客戶細分分析
客戶細分是企業有效銷售、營銷、服務的基礎。對于大量的客戶數據可從中選取能夠反映客戶特征的屬性，如性別、年齡、職業、職位、教育程度、年薪、平均消費額等，并根據這些特征將客戶聚類或分類成高價值客戶、中等價值客戶、初等價值客戶等若干類型。通過數據挖掘獲得不同客戶的消費愛好、習慣、傾向、需求和趨勢等信息。進而在營銷中提供有針對性的產品和服務。提高不同類別客戶對企業和產品的滿意度，以獲取最大的利潤。
3.2 客戶識別分析
客戶識別包括新客戶獲取和不良客戶識別。新客戶包括以前沒有聽說過本企業產品的人、以前不需要本企業產品的人以及以前本企業競爭對手的客戶。數據挖掘技術可以用來揭示客戶的行為習慣和預測發現一些在不同情況下有相似行為的新客戶，幫助企業識別出這些潛在的客戶群，從而使銷售與營銷更有針對性。
3.3 客戶保持和流失分析
在競爭日益激烈的市場環境下，企業獲取一個新客戶的成本將越來越大，因此保留老客戶的工作變得非常重要。統計數據表明。有1/3的客戶流失是因為企業對客戶的關懷和服務不夠。運用數據挖掘可以更好地了解客戶流失動機，企業可以針對這類特定客戶的需求，采取高效的客戶保留策略。即可以給各類客戶提供有層次、有區別的服務來提高客戶的滿意度。從而來留住可能離去的客戶。
3.4 客戶關聯需求分析
客戶的需求是動態變化的，但客戶的需求也存在著一定的聯系和規律性，企業需要掌握這些聯系和規律以滿足客戶。擴大銷售量，同時也能提高客戶的忠誠度。通過數據挖掘技術，如關聯分析，可以從中發現客戶的特征信息。如性別、學歷、收入等，同時也可發現不同類別、不同特征的客戶購買的產品的型號和時間，表面上看起來與客戶購買產品行為不存在聯系的因素，通過特定的數據挖掘技術可證實它們之間潛在的聯系，以便企業做出正確的銷售決策。
3.5 交叉銷售
企業與客戶之間的關系是動態變化的，企業應盡力完善與客戶之間的關系。交叉銷售是企業向老客戶銷售新的產品或提供新的服務的過程，它是建立在雙贏原則基礎上的。通常客戶需要進一步得到更好的滿足需求的服務和產品，企業通過對老客戶的數據挖掘，找到包含著客戶潛在需要的產品和服務。得到最優的合理銷售策略，促進企業的銷售額和利潤的增長。
3.6 客戶貢獻分析
利用數據挖掘可以進行客戶特征分析，發現哪些客戶是真正創造利潤的客戶，哪些是低利潤和無利潤的，企業就可以采取一定的措施，使低利潤和無利潤的客戶轉化為創造利潤的客戶。企業對創造利潤的客戶要采取相應的措施，推出一些優惠措施力求保留住這些客戶；對于潛在的創造利潤的客戶要采取針對性的措施，實行個性化服務；對于無利潤的客戶可不必投入過多精力，通過對客戶貢獻的分析可以有效地降低企業成本，提高經濟效益。
4 基于數據挖掘的客戶關系管理的實施
實施基于數據挖掘的客戶關系管理是一個循序漸進、循環反復、不斷調整的動態過程。其主要步驟如下：
4.1 確定業務對象
企業首先要明確業務需求，企業實施基于數據挖掘的客戶關系管理系統都有一個或多個商業目標，如提高客戶價值或客戶細分等，企業必須明確這些業務需求，然后在此基礎上開展數據的收集和預處理工作。
4.2 數據分析
在明確了業務的需求的基礎上，對企業的數據進行分析，形成對數據的初步認識，了解數據的分布狀況，為建立預測模型打下基礎。
4.3 數據準備
數據準備是數據挖掘過程中非常重要的一步，數據的質量直接影響到最后挖掘的結果，數據準備工作可以按以下步驟進行。
(1)數據的收集：收集完整、真實有效的客戶數據，企業需通過制定嚴格的業務操作流程，協調各相關部門完成數據的收集工作，要能夠及時完整地從多種異構數據源中獲得目標數據。
(2)數據預處理：對客戶數據進行清理。對所收集到的數據進行抽取并加以組合，為進一步挖掘做好準備。
(3)數據轉換：將數據轉換成一個分析模型，該分析模型是針對數據挖掘算法建立的，包括分類算法、聚類算法、關聯算法等。
4.4 建立數據挖掘模型
從各種數據挖掘模型中選擇最有利于解決業務問題的一個或多個模型。這一步是一個迭代的過程，在選擇模型的過程中所獲得的信息，可能要求重新整合正在使用的數據甚至可能要重新修改業務問題。
4.5 解釋和評價模型
本階段是對數據挖掘質量進行評定。好的挖掘模型應能夠用隨機的數據得到較為理想的結果，如果效果不好則可能需要重新整合數據或重新修正原有的模型。
以上步驟是不斷循環持續的動態過程，隨著系統的不斷擴展，客戶數據的不斷積累，先前建立的數據挖掘模型很可能不再有效，因此需要重新建立數據挖掘模型。同時，隨著企業業務需求的變化，可能又會有新的數據挖掘應用。因此基于數據挖掘的客戶關系管理系統的實施應用不是一成不變的，而是隨著數據和業務需求的發展而改變的。
總之，在信息時代，要充分剩用企業的信息資源，從以產品為中心的管理模式轉變為以客戶為中心的管理模式，利用數據挖掘技術，分析客戶的特征，探索企業和市場的運營規律，不斷提高企業的經濟效益。
核心關注：拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理，全面涵蓋了企業關注ERP管理系統的核心領域，是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.guhuozai8.cn/
本文標題：淺談基于數據挖掘的客戶關系管理CRM
本文網址：http://www.guhuozai8.cn/html/consultation/1082068270.html
相關文章
