基于數據挖掘技術的客戶關系管理系統，就是一個組織以數據挖掘技術為平臺，將管理資源、業務流程與專業技術進行有效整合，構建的服務消費者的集合，它可以使得組織以更低成本、更高效率地滿足客戶的需求。

一、客戶關系管理的定義

    客戶關系管理的概念可以從以下三個層次來表述：它是一種現代的經營管理理念，這是宏觀概念；它包含一整套的解決方案，這是中觀概念；它意味著一套應用軟件系統，這是微觀概念。

    客戶關系管理作為一種管理理念，起源于西方的市場營銷理論，產生和發展在美國。它理念的核心就是以客戶為中心，不斷的去分析和研究客戶的需求，適時地為客戶提供產品和服務。要做到這一點，需要整合客戶各方面的信息，同時要有一系列的技術手段作為支持。近年來，信息技術的長足發展為客戶關系理念的普及和應用開辟了廣闊的空間。

    客戶關系管理作為解決方案，指的就是支持客戶關系管理理念的各種技術手段，包括：Internet和電子商務、多媒體技術、數據倉庫和數據挖掘、專家系統和人工智能、呼叫中心以及相應的硬件環境。Internet和呼叫中心得到客戶的各種相關信息；數據倉庫和數據挖掘技術對這些信息進行加工和處理，多媒體技術則可以用一種更直觀、具體的方式把這些信息展示出來，從而更好地分析客戶的需求，做出相關的決策。

    對于企業來說，實施客戶關系管理的目的是通過一系列的技術手段了解客戶目前的需求和潛在客戶的需求，然后整合各方面的信息，使得企業對客戶信息的了解達到完整和一致。這樣企業就可以對客戶的行為進行分析，然后把分析的結果反饋給相關部門，從而進行一對—個性化服務。

二、數據挖掘的內涵

    所謂數據挖掘就是從隨機的、有噪聲的、不完全的、大量的、模糊的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。

    在數據倉庫和數據挖掘應用中，分類是一種非常重要的方法。目前，分類的主要算法有貝葉斯算法、決策樹算法(如ID3、C4.5等)、規則推導、人工神經網絡、最近鄰算法、支持向量機等等。這些算法在許多現實數據集合上具有較好的預測精度。

    在數據倉庫和數據挖掘應用中，聚類也是一種非常重要的方法，廣泛地應用于商務、市場分析、生物學、WEB文檔分類等領域中。聚類分析是一種數據劃分或分組處理的重要手段和方法，也是數據挖掘中的一個重要研究領域。在客戶關系管理系統中，分類和聚類同樣重要。分類模型可隨時監控客戶流失的可能性，聚類可以使得企業針對不同的用戶群體提供不同的服務。

三、數據挖掘技術在客戶關系管理中的應用

    當前，電信行業已經積累了大量的運營數據和客戶的信息，所面臨的主要問題就是如何利用數據挖掘等分析技術對現有的數據進行分析，以得出客戶的信息，并利用這些信息改善自己現有的業務，提供可以滿足客戶需求的新業務。所以說，電信行業在實施客戶關系管理時，有其不可比擬的優勢。

    因此，本文以電信業為例，研究基于數據挖掘技術的客戶關系管理系統的構建問題。

    (一)數據挖掘技術在客戶關系管理中的應用流程

    開發數據挖掘項目時，要在問題和數據的理解上，即項目的需求和采用哪種技術都要作深人和透徹的分析。例如，確定應用領域，定位數據挖掘問題類型；選擇與解決問題類型相配的數據挖掘技術。將這些關鍵點分析綜合并確定后，再進行階段任務分配和過程實例的開發。根據數據挖掘任務的構成，數據挖掘模型一般由功能、數據和方法三部分組成，功能部分既在目標中體現又在結果中體現。根據數據挖掘技術特點在電信行業客戶關系管理系統中的應用流程。見圖1所示。

圖1 數據挖掘技術在客戶關系管理中應用流程圖

    1．確定挖掘目標

    明確數據挖掘的業務目標是數據挖掘的第一步。挖掘對象的確定要充分了解電信領域的有關情況，熟悉電信企業客戶背景知識。在客戶關系管理中，客戶流失管理就是要把流失客戶的特征通過預測模型(分類模型)從大量的數據中挖掘出來，同時對于非流失客戶要將具有較高相似度的客戶聚類管理，從而針對不同類型的客戶制定出相應的營銷、服務措施。

    2．數據準備

    在數據挖掘過程中，數據準備是非常重要的一個階段，數據挖掘的效率和準確度以及最終挖掘模式的有效性都受到數據準備的影響。在電信客戶關系管理中，由于企業長期對于客戶資料管理不夠重視以及我國企業的數據倉庫的建設大都處于起步階段等原因造成企業的原始數據并不利于數據挖掘方案的實施，數據準備工作就顯得尤為重要，數據集成、數據選擇、數據預處理和數據轉換是數據準備階段的4個步驟。

    3．數據挖掘模型的構造與應用

    基于數據挖掘的電信客戶關系管理系統設計，數據挖掘模型的選擇是數據挖掘任務的應用開發基礎環節。數據挖掘任務有大有小，問題及其要達到的目標各異，數據挖掘算法對數據集規模的要求，結果表現和應用形式也不盡相同，所以一定要結合特定的業務需求，設計有效實用的客戶關系管理模型，有針對性的進行挖掘和分析，才能取得好的效果。

    4．數據挖掘結果的應用和評價

    數據挖掘模型投入使用后，本階段的主要任務就是根據最終用戶的決策目的，對提取的知識進行分析，把最有價值的信息區分出來并提交給用戶。同時，在應用和評價階段，不僅要把知識以能被人理解的方式表達出來，還要對其有效性進行評價，如果不能滿足用戶要求，則應重復上述數據挖掘過程。

    (二)基于數據挖掘技術的客戶關系管理的系統設計

    1．系統總體結構設計

    基于數據挖掘電信客戶關系管理系統包括以下幾個組成部分：

    (1)組成數據源。由關系型數據庫作為源系統的組成數據源。

    (2)構成知識庫。在確定數據挖掘的目標以后，選取相應的數據挖掘算法對數據源中的數據進行分析，應用分類模型得到隱含在數據集中的知識，最后構成知識庫。

    (3)提供決策支持。將獲取的隱含知識應用于客戶關系服務，為市場營銷和新業務的推廣等方面提供決策支持。

    (4)反饋和改進。對應用結果進行評價并反饋到數據挖掘過程，用于以后改進數據挖掘模型和相關算法。

    以上結構見圖2所示。

圖2 電信客戶關系管理系統結構圖

    2．系統功能設計

    電信客戶關系管理系統從功能說，可以為決策者在客戶特征和客戶行為分析、市場營銷、個性化服務等方面制定決策提供支持。

    (1)分析不同客戶特征和客戶行為

    由于性別、年齡、職業等的不同，客戶的行為也呈現多樣性。譬如，運營商可以通過聚類分析得到三類用戶：第一類客戶盡管長途通話次數和網絡通話次數較高，但是總的通話費用卻較少。此類客戶可能較多的是學生客戶，較多的在優惠時段撥打長途和網絡電話。從市場的角度來說，如果采取適當的營銷手段，提高他們對數據業務的使用量，就有可能提高這一群體的利潤水平；而且這個用戶群在若干年之后，消費能力整體增強，如果采取措施提高他們對企業的忠誠度，將有利于企業的長遠發展。

    第二類客戶盡管長途的通話量較少，但是總的通話費用卻較高，因此，此類客戶屬于企業的“優質”客戶，他們為公司貢獻了絕大多數的利潤。此類客戶同樣具有市場潛力，企業可以通過套餐業務和折扣優惠，來提高他們對長途業務的使用量，從而增加該群體的長途業務收入。

    第三類客戶屬于大眾型客戶，與前兩類客戶相比，沒有什么特殊的特征，其大多數指標都接近總體的平均值。對于此類客戶，企業需要采用積極的市場策略，為他們提供更多的產品和服務。

    三類不同的客戶特征，三類不同的客戶行為，三類不同的營銷方案，為領導決策提供了支持。

    (2)預測用戶消費行為

圖3 電信客戶關系管理系統主要功能模塊

    不同的客戶特征會有不同的客戶行為，從大量的數據中，系統可以挖掘出規則庫，預測哪些客戶會使用某種產品，哪些客戶會經常更改電話號碼，由此，市場部門可以有針對性地進行宣傳，有針對性地改善服務。

    (3)分析呼叫數據

    呼叫數據主要是指通話時間、長度和路由等等。分析呼叫數據就是主要使用神經網絡和遺傳算法的方法來規劃和優化網絡。分析呼叫數據可以考察各個地區話務量同人口變化，經濟發展等因素的關系。

    (4)提供個性化服務

    提供個性化服務是通信運營商的追求之一。由于客戶數量的巨大，個性化服務只能通過自動化的數據挖掘技術來實現。譬如防盜打服務——它就是通過數據挖掘技術首先獲得某一個用戶使用電話的規律，當這種規律突然發生改變時給用戶警告。見圖3所示。

    3．系統數據結構設計

    進行分析的客戶數據主要來自企業數據庫的以下3個關系表。

    (1)客戶基本情況表

    客戶的基本情況，主要字段見表1。

表1 客戶基本情況表

    (2)客戶帳戶表

    客戶的話費構成及其交納情況，主要字段見表2。

表2 客戶賬戶表

    (3)客戶通話記錄表

    客戶的通話記錄，主要字段見表3。

表3 客戶通話記錄表

    4．系統技術架構設計

    系統技術架構設計要保證具有良好的擴充性——一是硬件設備的擴充，二是軟件系統的功能方面的擴充，并能兼容不同廠家的系統平臺。這一系統結構的設計就是通過采用流行的三層系統體系結構——數據庫服務器、應用服務器、瀏覽器，以及分布式技術來實現的。

    系統將常用的分析工具模塊、挖掘算法、模型以對象的形式構建，以通用的“插件”的形式插在分布式的“軟總線”上，供不同分析主題的調用，這樣，隨著系統主題的不斷擴充，算法與模型的不斷豐富，系統的功能將不斷增強，并且不會影響系統的整體結構。這種軟總線的設計理念，大大提高了系統的擴充性能。見圖4所示。

圖4 三層的系統體系結構圖

    本系統將采用OLAP技術(聯機分析處理，on-ling analytical processing)展示數據挖掘的結果，OLAP具備多視圖和動態視圖的能力，為成功的數據挖掘奠定了堅實的基礎。

    除此以外，用戶要經常與系統進行交互，選擇合適的算法，持續進行系統的優化，而不能簡單依靠數據挖掘系統自動地產生模式和知識。用戶要經常進行評價和反饋，從這個意義上說，客戶關系管理系統應當是以人為中心的過程，OLAP為交互式數據分析提供了很好的借鑒，為探測式數據挖掘做了充分而必要的準備。見圖5所示。

圖5 基于OLAP的系統結構圖

    本文僅以電信業為例，研究了基于挖掘技術的客戶關系管理系統的構建問題，在其他行業，譬如銀行業、商業、工業等行業也得到廣泛的應用，其應用流程，總體結構，系統功能，數據結構和技術架構等也大同小異。

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：基于數據挖掘技術的客戶關系管理系統研究

本文網址：http://www.guhuozai8.cn/html/consultation/10839311726.html