数据挖掘技术在企业客户关系管理中的应用

3 数据挖掘

3.1 数据挖掘定义

数据挖掘就是应用一系列技术从大型数据库或数据仓库中提取人们感兴趣的信息和知识，这些知识或信息是隐含的，事先未知而潜在有用的，提取的知识表示为概念、规则、规律、模式等形式。数据挖掘是一类深层次的数据分析，它通过选择数据对数据进行检测，建立挖掘模型，挖掘出深层次的信息和知识。将其运用在CRM中就能在庞大的客户数据库中将看似无联系的数据进行筛选和净化，提取出有价值的客户数据，从而对客户未来的发展趋势和行为进行预测，帮助决策者做出正确的决策。

3.2 数据挖掘流程

下面要具体介绍数据挖掘流程(如图2)，它包括目标定义，数据预处理，建立模型和评价模型四个阶段：
                          

                                                                图2 数据挖掘流程图

(1)目标定义：要发挥数据挖掘的价值，企业首先必须对自己的目标有一个明确的定义，而后再根据特定的目标，选择和准备数据，建立模型。

(2)数据预处理：这是整个数据挖掘流程的最主要环节，目的是确保原始数据和输入标准的一致性，它包括4个步骤：①数据过滤，用以确保收集数据符合分析的需要；②数据集成，用于确保原始数据和输入标准一致，它将来自不同数据库中(客户数据库、产品数据库、客户互动数据库)的数据集成、合并人单一营销数据库，并进行差异协调；③数据分析，用于对处理后的数据进行初步分析、认识，找出对预测输出影响最大的数据字段；④数据准备，这是建模前数据处理的最后一步，这一步要完成确定模型变量，转换变量，选择数据形成一个样本数据库等工作。

(3)建立模型：在多个可供选择的模型中找出最佳模型，初始模型可能无法达到数据挖掘的目的，需要多次反复。在寻找最优模型过程中，可能要修改正在使用的数据甚至修改问题的陈述。

(4)评价模型：本阶段是对数据挖掘质量进行评定。好的模型应能够用随机的数据就能得到较为理想的结果，如果效果不好则需要重新修正原有的模型。

4 数据挖掘技术在CRM中的应用

4.1 CRM中数据挖掘的主要技术方法

在CRM中，需要借助一定的数据分析方法，把大量表面的、无序的数据整合，揭示出潜在的关联性和规律，用于指导决策。按照所挖掘的数据模式的不同，可以将数据挖掘的技术方法划分为以下四种：

(1)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问的相互关系，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)序列模式分析：序列模式分析和关联分析相似，其目的也是为了挖掘数据之间的联系，但序列模式分析的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ABc出现的频度较高”之类的知识。

(3)分类分析：分类要解决的问题是为一个事件或对象归类。在使用上，既可以用此模型分析已有的数据，也可以用它来预测未来的数据。例如，用分类来预测哪些客户最倾向于直接邮件推销做出回应，又有哪些客户可能会更换他的手机服务提供商，或在医疗领域遇到一个病例时用分类来判断一下从哪些药品着手比较好。

(4)聚类分析：这是分类的逆向方法。聚类是把没有分类的记录，在不知道应分成几类的情况下，按照数据内在的差异性大小，合理地划分成几类，并确定每个记录所属类别。它采用的分类规则是按统计学的聚类分析方法决定的。比如，面对数据库中“消费额”、“购买频率”、“收入水平”等多个评价指标，没有办法按照一个指标去分类，就可以通过聚类按照数据间的自然联系把分散的记录“聚”成几“堆”，然后再对每堆进行深入分析。

4.2 CRM中数据挖掘的具体运用

数据挖掘在CRM中主要可以用于以下几方面：

(1)客户细分：运用数据挖掘技术的聚类功能可按照不同的标准，比如：客户的消费心理、消费习惯、购买频率、对产品的需求或对产品获利的贡献来划分不同的用户群体，以实现对客户的针对性服务及开发针对性的产品，以提高客户的满意度，最大限度的挖掘客户对企业的终身价值。通过这样的细分类有助于企业根据客户的不同特征提供差异化的服务。

(2)客户保持：在客户保持中一般涉及到三个数据挖掘的模型：①首先建立模型用来预测和识别潜在的流失者；②然后通过数据挖掘识别潜在的流失者中的黄金客户；③最后利用聚类分析等方法对黄金客户中潜在流失者的数据进行分析挖掘，识别其行为模式，从而有针对性地对客户采取相应的措施，以期保持客户。

(3)发现新客户：对企业来讲不仅需要保持原有客户，更重要的是不断发现具有潜在价值的新客户群体，扩大客户群。运用数据挖掘可以在原有客户的消费记录中发现他们潜在的交叉购买需求。还可以通过调查问卷等信息分析发现有可能发展为现实客户的潜在客户。

(4)客户跟踪服务：利用数据挖掘可以及时了解客户对服务的满意度及其要求。对于客户的变动要及时跟踪分析，获得客户新消费的地点、产品名称和性能、数量等信息，以及时分析客户的变动原因，并尽快修正现有的服务质量，改进产品性能，防止客户群体大量的流失，同时也便于企业把握产品的未来走向和总体的服务方向，指导企业重点地，合理地配置资源，改进企业的产品和服务，为客户提供“一对一”的个性化服务。从而帮助企业牢牢地抓住现有客户并吸引更多的潜在客户，获得巨大的竞争优势。

(5)客户贡献分析：客户的购买直接关系到企业的利润，利用数据挖掘可以进行客户分析，发现到底哪些客户是真正创造利润的客户，哪些是低利润甚至是无利润的，是否可以采取一定的措施使低利和无利的客户转化为赢利的。通过这样的分析，企业可以将有限的精力和资源投放在对企业赢利最为有用的地方，从而有效的降低企业成本，提高收益。
 

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友