数据挖掘在CRM中的应用及方法

数据挖掘在CRM中的应用及方法

                              

   

 

关键字：数据挖掘，客户关系管理，应用，方法

摘要：客户关系管理（CRM）逐渐成为企业竞争的焦点，数据挖掘的应用增强了企业的CRM。本文简单的介绍了数据挖掘和CRM，阐述了数据挖掘在CRM中的应用，总结了CRM中常用的数据挖掘方法。

 

激烈的同行竞争和多变的外部环境使得越来越多的企业意识到客户是企业竞争的核心的重要来源。因此，企业必须不断的寻找新的解决办法，实施新的战略来适应消费者的需求。企业的核心问题已经从大批量生产和销售转变到如何维护客户关系上来。面对企业海量的信息，如何发现有价值的知识和规律是企业急需解决的问题。数据挖掘技术通过对海量的信息进行进行挖掘和深层系的分析，从中发现有价值的客户，利用模式和知识，对客户需求进行预测，为企业的决策提供帮助。因此，研究数据挖掘技术在CRM中的应用是十分必要的。

1. 数据挖掘概述

数据挖掘（Date Mining  DM），又称数据库中的知识发现（Knowledge Discovery in Datebase）,是指从大型数据库或者数据仓库中提取隐含的、未知的、非平凡的及潜在应用价值的信息或者模式。数据挖掘的功能用于指定数据挖掘任务中要寻找的模式类型，数据挖掘任务一般可以分为两类：验证驱动型数据挖掘和发现驱动型数据挖掘。验证驱动型数据挖掘是指用户首先提出自己的假设，然后利用各种工具通过反复的、递归的检索查询以及验证或否定自己的假设。发现驱动型数据挖掘通过使用机器学习、统计和数据可视化等技术来发现新的假设。

实施数据挖掘有四个关键条件：1）要踏踏实实的做好基础数据库的建设。一个企业实现数据挖掘的前提和基础是拥有大量的、真是的数据积累。没有数据积累，数据挖掘将无用武之地；2）企业要有明确的挖掘目标，盲目的数据挖掘是很难成功的；3）数据挖掘必须由来自不同领域的人员参与，包括行业专家、数据管理员、数据分析人员、业务分析人员、数据挖掘专家等。通过合作，寻找到一套适合自己的企业开发方法，并逐步建立起模型库。

4）构建数据挖掘系统，不仅需要很高的资金投入，而且挖掘结果是供决策层决策使用的，因此必须得到最高决策管理层的支持、认可和参与。

2. 客户关系管理CRM(Customer Relationship Management)

  对于CRM，可以从三个方面进行理解：

  CRM 首先是一种管理理念。它起源于西方的市场营销理论，产生于美国，并得到了迅速发展。理论的核心是将企业的客户（包括最终客户、分销商和合作伙伴）作为企业最重要的资源，通过完善的客户服务和深入的客户分析来满足客户的需求，保证客户最终价值的实现。

  CRM 是一种新型的管理机制。它要求企业从“以产品为中心”的商业模式向以“客户为中心”的模式转移。也就是说，企业关注的焦点转向客户关系，企业的业务流程和组织流程重点从“产品”转向“客户”。

  CRM 也是一种管理软件和技术。它将最佳的商业实践和数据挖掘、数据仓库、一对一营销、销售自动化以及其他信息技术紧密结合在一起，为企业的营销、销售、客户服务和决策支持领域提供一个业务自动化的解决方案，使企业拥有一个基于电子商务、面对客户的前沿，从而顺利实现由传统企业模式到电子商务为基础的现代企业模式的转化。

3. 数据挖掘在CRM中的应用

  数据挖掘可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。

  1）识别潜在的客户。挖掘客户数据时，充分利用数据技术可以寻找有潜在价值的客户。识别这些潜在的客户主要是对已有的客户数据进行分析，对已有的客户分成不同的类型，对不同类型的客户群提供不同的客户服务和销售方案，并为这些客户提供有针对性的产品和服务来满足这些客户的要求。通过对已有客户的分类更容易使企业识别潜在的客户，并最终向着把潜在的客户转变成企业真正的客户，最终转变成忠诚客户。

2）交叉销售或者增值销售。交叉销售或者增值销售是客户关系发展的重要环节，是企业与客户之间实现双赢的重要手段。交叉销售是让客户购买企业的其他产品或者服务，增值销售是让客户购买附加的产品或服务，使客户购买的产品向着高价值的方向发展，两种销售都有延长客户关系的效果。对客户来讲，要想得到更多的产品和服务并能从中受益对企业来讲，这样会促进销售额的增长，从而从中获益。数据挖掘可以帮助企业找出最合理的销售搭配方案。例如，从企业掌握的客户的购买行为的信息中，尤其是购买前的信息中，就可以分析出这个客户决定下一次购买的关键因素，从而做出有针对性的调整。数据挖掘可以帮助企业找到影响客户行为的因素。

3）已有客户的维持。企业业务的增长不仅要靠获得新的客户，更重要的一点是留住已有的客户。现在获得新的客户的成本在不断的上升，因此留住老客户不失为企业发展的一个重要方向。数据挖掘可以识别出潜在的客户群，提高市场的回应率，做到有的放矢。另外，数据挖掘可以帮助企业识别出有离开意愿的客户，使企业采取合适的措施留住这批客户。

4）客户诚信度分析。数据挖掘中的差异性分析可用于发现客户的不良行为，分析客户的诚信度，从而获得诚信度好的客户。

5）优化客户服务。可以利用数据挖掘技术获得不同类型客户对服务的要求，挖掘出客户的购买趋势以掌握客户的需求，适时的调整产品结构，从而有针对性的提供客户服务。来提高客户群的满意度，达到挽留客户的目的。

6）提高供应链效率。供应链效率低的主要原因是供应链中的环节过多，数据挖掘中的关联原则分析可以分析买家和卖家的相关性，以减少供应链的中间环节，提高供应链效率。

7）提供决策支持。在大量的客户信息库中，运用数据挖掘技术，使客户数据可视化，直观形象的反应客户的信息，及时全面和动态的反应销售质量，为管理人员提供决策支持提供有效的手段和数据支持。

4. CRM中常用的数据挖掘的方法

  数据挖掘的主要方法包括关联分析、时序分析、分类、聚类、偏差分析以及预测等，它们可以应用到客以客户为中心的企业决策分析及管理的不同领域和阶段。

 1）关联分析。其目的就是挖掘出隐藏在数据间的相互关系。例如：啤酒和尿布的故事。在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这就是一条关联信息。

2）时序模式。通过时间序列搜索重复发生概率较高的模式，这里强调时间序列的影响。例如，某段时间内，购买了A产品的人中，60%的人还会购买B。

3)分类。找出一个类别的概念描述，它代表了这类数据的整体信息。分类是数据挖掘中应用最多的任务。要为每个类别做出准确的描述或者简历分析模型或者挖掘出分类规则，然后用这个分类规则对其他数据库中的记录进行分类。

4）聚类。按照一定规则将数据分为一系列有意义的子集。是“物以类聚”的一种方法，其职能是对一批样本和或者指标按它们在性质上的亲疏程度进行分类，采用不同的类聚方法，对于相同的记录集合可能有不同的划分结果。

5）偏差分析。从数据库中找出异常数据。

6）预测。利用历史数据找出规律，建立模型，并用此模型预测未来数据的种类，特征等。

5. 结束语

 数据挖掘技术在CRM中贯穿于客户生命周期的各个阶段，为企业的决策支持和商业智能发挥了核心作用。随着数据挖掘技术的进一步发展和深化，必然会给CRM带来更广泛的前景和市场。

 

参考文献：

《基于数据挖掘的分析型CRM应用研究》  华中科技大学管理学院         王侃

《数据挖掘技术在CRM中的应用》        南京中医药大学经贸管理学院   宋慧勇

《数据挖掘技术在CRM中的应用》        山东财政学院                 董宁

《数据挖掘技术在客户关系管理_CRM_中的应用》  四川行政学院          魏晓云

《数据挖掘技术在移动客户管理中的应用》 四川信息职业技术学院         母中旭

《数据挖掘在CRM中的应用》    叶曦

《数据挖掘在电信客户关系管理的应用》  同济大学                       何明轩

《数据挖掘在客户关系管理中的应用》    武汉理工大学                   吴彦熹

《数据挖掘在移动通信业客户关系管理中的应用研究》  江苏大学    顾桂芳，李文元

《数据挖掘技术在电信行业CRM中的应用研究》    安徽大学             欧阳庆