数据挖掘技术在客户管理中的应用

     一、 客户关系管理（CRM）
　　
　　1﹑CRM概述。CRM的核心思想是以客户为中心，提高客户满意度，改善客户关系，从而提高企业的竞争力。主要包括客户信息管理、市场营销管理,营销管理' target=_blank>营销管理和销售管理三个模块。能够有效地解决企业面对顾客的复杂繁琐事务，CRM通过缩减销售周期和销售成本、寻找扩展业务所需的新市场和新渠道、改进客户满意度与忠诚度来提高企业的收益。
　　
　　2﹑CRM的发展。最初的应用是“独立”的解决方案，如销售队伍CRM自动化以及客户服务和支持。这些基于部门的解决方案增强了特定的商务过程，却未能提供公司与个体客户间的完整视图。在20世纪90年代中期，CRM软件制造商把独立的应用组合到整合交叉功能的解决方案中。但是到目前为止，大多数软件的主要功能是组织和管理客户信息，随着客户信息量的增加以及客户与公司之间关系的复杂化，已有的软件不能满足需要。数据挖掘技术能够自动地从客户信息中发现模式，把它应用于可以提高CRM的分析性和智能性中。
　　
　　3﹑数据挖掘技术在CRM中的应用。随着信息技术的发展，单纯地对客户信息的组织和管理已不能满足用户的需要。数据挖掘技术是从数据中辨别和挖掘模式，在商业中这可以帮助从好像无关的数据中发现非常有意义的关系，使销售人员预料客户的需求，而不是简单地、被动地对客户的需求作出反应。
　　
　　二﹑与CRM相关的数据挖掘算法
　　
　　数据挖掘是一门边缘学科,它的解决方案和研究方法使用了诸如统计学、人工智能、机器学习和数据库/数据仓库查询处理等许多技术。基于这些技术,已经产生了很多针对不同应用的数据挖掘方法。根据数据挖掘致力于解决的商业问题, 可以将其分成分类分析、聚类分析、序列模式分析和关联分析。
　　
　　1﹑ 分类分析(Classification)。这种技术能根据某种标准将数据项映射到许多预先定义好的类别中。分类定义了一种从属性到类别的映射关系,给定一个样本的属性值, 就能根据已知的模式将其划分到特定的类别中。在客户保持过程中, 借助这样的数据挖掘方法能更加准确地判断哪些客户将会离去,提醒企业尽早地实施相应的挽留措施。
　　
　　2﹑ 聚类分析(Clustering)。聚类是一种对具有共同趋势和模式的数据元组进行分组的方法。分组后,组与组之间被认为是相异的, 而组内记录被认为具有相似性。与分类分析不同, 聚类是一种无指导的学习过程。这是因为在聚类之前数据库是杂乱的, 没有既定的分类规则, 用户和聚类程序都不知道这些记录应该分成几类。虽然有些工具允许用户事先指定一个确定的分组数目, 但这完全是主观的, 没有理由来证明这就是对的。事实上, 聚类方法很多, 比如加入法、分解法、系统聚类法、动态聚类法、模糊聚类法等。聚类分析在CRM 中的典型应用是客户细分。现代的商业活动越来越注重营销和客户服务的针对性,经常要将公司的客户按照地区、年龄或消费层次等划分成不同的群体, 以便于开展“一对一”营销和个性化服务。
　　
　　3﹑ 序列模式分析(Sequential Patterns)。很多事务在时间上往往具有相关性, 序列模式分析技术就是用于帮助识别一段时间里的模式。例如, 对客户的多次购买行为进行分析, 就会发现, 如果客户在某次购物中买了打印机, 那么他在数周后还会买打印纸或墨盒。这类分析对利用产品目录进行销售的公司特别重要, 它能提醒公司在恰当的时机向恰当的客户邮寄产品目录。
　　
　　4﹑关联分析(Associations)。即利用规则归纳方法进行数据挖掘, 目的是挖掘隐藏在数据间的未知的相互联系。也有很多文献将它称为购物篮分析, 从这种角度出发或许更具体一点, 是指从产品目录或是零售店的销售数据中导出与产品关联的商用信息的过程。在数据挖掘领域, 对于关联分析研究开展得比较广泛和深入, 并产生了多种成熟的算法, 比如APPI2ORI、DHP 等。
　　
　三、数据挖掘技术在客户管理中的应用
　　
　　在目前日益激烈的竞争环境下，客户关系已不再是简单的电话关怀或嘘寒问暖，一条信息或一个决策都会影响到企业原有客户和潜在客户的去留，甚至可以决定企业的成败。因此，从大量的数据分析中获取有利于商业运作、有助于商业决策的有价值的信息是十分重要的。数据挖掘作为一种新的商业信息处理技术可以在企业管理客户生命周期的各阶段发挥作用，包括争取新的客户，保持原有的客户，让已有的客户创造更多的利润等。它能够帮助企业确定客户的特点，为客户提供有针对性的服务。
　　
　　1﹑客户细分。随着市场竞争的加剧和买方市场的形成，市场营销活动已由“以产品为中心”的理念转变为“以客户为中心”的理念，这就要求企业对客户进行细分，通过满足客户个性化需求，提升客户的满意度，最大限度地挖掘客户对企业的终生价值，达到为企业创利的目的。数据挖掘技术可以对数据库中收集、加工和存储的大量客户信息进行分析和处理，然后根据客户的消费心理、消费习惯、偏好程度、购买频率、收入水平等因素把大量的客户进行分类，使得同一细分市场里的客户具有相似的偏好和需求。通过数据挖掘技术中的聚类分析将大量客户群细分，根据每一客户群的不同特征，提供差异化营销策略。
　　
　　2﹑获取新的目标客户。对大多数行业来说，企业的发展需要不断获得新的客户。新的客户包括以前没有听说过企业产品的人、以前不需要产品的人和竞争对手的客户。数据挖掘能够识别潜在客户，然后将他们转变成真正的客户。传统的获得客户的途径，如媒体广告、电话直销、邮寄广告及户外广告等并不令人满意，因此可以通过数据挖掘对已获得的客户响应结果（测试结果）进行仔细分析和处理，使用决策树等方法建立预测模型来显示哪些客户做出响应，用神经网络建立信用评分模型，结合这两个模型识别企业的潜在客户，提高营销活动的响应率，同时对这些潜在客户采取个性化服务，以不断获得新客户。
　　
　　3﹑客户保留。统计数据表明，开发一个新客户的成本是留住一个老客户的5倍，而流失一个老客户的损失，只有争取10个新客户才能弥补，因此保持原有客户对所有企业来说都尤为重要。客户可分为三类：第一类是无价值或低价值的客户；第二类是不会轻易走掉的有价值的客户；第三类是不断寻找更优惠价格和更好服务的有价值的客户。传统的市场活动是针对前两类客户的，而现代客户关系管理认为，特别需要用市场手段维护的客户是第三类客户，这样做会降低企业运营成本。数据挖掘可以对数据库中的大量数据进行分析和处理，以发现易流失的客户，并分析哪些因素会导致客户流失，从而针对客户需求，采取相应措施，保留客户。
　　
　　4﹑客户忠诚度分析。公司80%的利润来自20%的客户。因此，忠诚客户对公司所带来的利润是巨大的，数据挖掘技术可以通过对数据库中的大量数据进行分析，以确定消费者的购买习惯、购买数量和购买频率，分析客户对某个产品的忠诚程度、持久性、变动情况等，以确定忠诚客户，并为他们提供“一对一”的个性化服务，增强客户的忠诚度，最大限度地挖掘客户对企业的终生价值，为企业创造更大的利润。