顾客关系管理概述-市场营销学工商管理-电子商务-酒店-旅游管理专业毕业论文.doc

上海理工大学毕业设计（论文）第一章 顾客关系管理概述1.1顾客关系管理的概念在竞争激烈的知识经济时代，随着市场营销模式由“以产品为中心”向“以顾客为中心”的转变和市场营销理念的更新，越来越多的企业将顾客作为一切工作的出发点，企业比以往更加重视顾客满意度、顾客忠诚度和顾客利润贡献率的提升，顾客关系管理日益得到了广泛重视和长足发展。哪些顾客会给企业带来丰厚的利润？什么样的促销活动会对顾客最有效？什么样的顾客对企业的新产品最感兴趣？哪些顾客可能会倒向竞争对手？企业要回答这些问题，就必须通过顾客关系管理来实现。1.1.1对顾客关系管理的几种理解顾客关系管理(Customer Relationship Management, CRM)，在当代商业环境下得到了理论界和产业界的空前关注，人们对顾客关系管理概念的理解也是众说纷纭。下面列举一些具有代表性的观点：（1）最早提出顾客关系管理这个概念的Gartner Group是全球著名的IT分析调查提供专家。Gartner Group认为，顾客关系管理是企业的一项商业策略，它按照顾客的分割情况有效的组织企业资源，培养以顾客为中心的经营行为以及实施以顾客为中心的业务流程，并以此为手段来提高企业的获利能力，收入以及顾客满意度。顾客关系管理应用的领域包括科技化销售(TES)，顾客服务与支持(CSS)和科技化营销(TEM)。通过网络渠道的最优化顾客关系管理就是e-CRM。1（2）Customer Think Corporation旗下著名的CRM是世界最大的顾客关系管理社区站点，也是世界闻名的优秀顾客关系管理网站之一。他们的观点是：顾客关系管理是一项选择和管理最有价值的顾客关系的商业策略。它需要一个以顾客为中心的经营理念和文化来支持更有效率的市场营销，销售和服务过程。顾客关系管理的应用软件可以进行有效的顾客关系管理，使企业拥有恰当的领导，战略和文化。2（3）Google发布的CRM认为，顾客关系管理是一种过程和方法，用来学习更多顾客需要和顾客行为，以发展更坚固的顾客关系。顾客关系管理包含很多技术成分，但首先把顾客关系管理看成一个技术术语是错误的。顾客关系管理更有价值的应该是一个过程，它把各种关于顾客，销售，市场营销效益，响应度和市场趋势的信息综合起来。它可以帮助企业使用技术和人力资源来获得顾客行为和顾客价值的理解。3（4）作为世界著名的IT硬件供应商和解决方案提供商，IBM是较早推行顾客关系管理并从中获益的跨国公司。IBM Global Services的IBM business consultant认为，当今的顾客关系管理应该是管理顾客关系的一套完整的核心的运作实践。这种运作的实践是通过将顾客关系管理活动深入到执行市场营销活动，回应顾客服务电话，和完成销售的现实世界中。高级管理必须把顾客关系管理看成是一个核心的商业方向。这就必须选择一个实际的途径满足以顾客为中心的需要，创造合理的顾客关系管理项目，和承担推动切实成果的责任。4（5）中国企业资源管理研究中心(AMT)认为，顾客关系管理是一种以客户为中心的经营策略，它以信息技术为手段，对业务功能进行重新设计，并对工作流程进行重组。5（6）我国高等院校电子商务本科系列教材客户关系管理一书对对顾客关系管理的定义是：客户关系管理，是一种以客户为中心的经营策略，它以信息技术为手段，通过对相关业务流程的重新设计及相关工作流程的重新组合，以完善的客户服务和深入的客户分析来满足客户的个性化的需求，提高客户满意度和忠诚度，从而保证客户终生价值和企业利润增长“双赢”策略的实现。61.1.2顾客关系管理的三层含义综合上述理论界和产品界各位专家对顾客关系管理的认识和分析，全面理解顾客关系管理应该具有以下三个层次的含义：（1） 顾客关系管理首先是一种管理思想和企业经营策略。顾客关系管理将各种客户资源作为企业最重要的资源之一，因为只有客户的忠诚才能够促进企业销售的增长，创造企业的利润。顾客关系管理的核心是顾客价值管理(Customer Value Management，CVM)，通过增加提供给顾客的价值，使顾客感到自己的所得超过了他们的期望，优于他们在别处可以得到的价值，从而提高顾客的满意度。企业付出精力去为顾客创造价值，顾客对企业服务感到满意，企业就会和客户建立良好的关系，成功的拓展市场。只有获得顾客的支持，才能赢得企业的利润，最终创造出股东价值。企业的价值最终等于顾客关系价值的总和。无论网络时代的市场怎样变化，“只有客户才是关键的因素”，把客户的需求作为企业制定战略的出发点和归宿，企业才能生存和发展。（2） 顾客关系管理是一种旨在改善企业与顾客之间关系的新型管理机制。这种管理机制主要集中在市场营销、销售实现、客户服务和决策分析等企业与顾客发生关系的业务领域。它一方面通过企业对业务流程的全面管理来优化资源配置，降低企业成本，缩短销售周期；另一方面通过提供更快捷、周到和优质的服务来吸引和保持更多的顾客，增加企业的市场竞争力和市场份额。（3） CRM系统是一套人机交互系统，需要一个有效顾客关系管理解决方案的支撑。企业通过技术投资，建立能搜集、跟踪和分析顾客信息的系统；或增加顾客联系渠道、顾客互动以及对顾客渠道和后台整合的功能模块。一个整合的CRM应用系统或产品，必须包含有Web在内的所有客户接触点的管理，同时应当集销售、营销、客户服务、技术支持、数据库、电话中心和客户智能分析等智能模块为一体。1.2顾客关系管理的发展趋势由于顾客关系管理的市场潜力很大，据Aberdeen Group发布的市场预测，到2005年，全世界投入顾客关系管理的IT预算将达到270亿美元。1相对于IT业的整体下滑、不甚景气的现状，CRM领域完全是一枝独秀。作为一个新兴的高成长市场，推动行业应用和纵深发展几乎成为CRM唯一的选择。CRM的行业应用主要集中在电信、制造、金融、IT等重点行业。随着各界对CRM认知程度的提高，企业在竞争的驱动下，为扩大市场占有率及提高客户满意度，CRM系统将逐渐被越来越多的企业所接受。顾客关系管理从一开始就是现代信息技术环境的产物，随着目前信息技术的高速发展和企业管理现代化的突飞猛进，顾客关系管理呈现出六个新特点，也就是顾客关系管理的六个发展趋势：1.2.1供应链一体化顾客关系管理与供应链管理模式相结合，是顾客关系管理的第一个发展趋势。原来的顾客关系管理是在数据库基础上建立起来的顾客关系管理，它是在本企业与顾客两点之间建立平面关系。而目前的顾客关系管理是指供应链一体化的顾客关系管理，它从扩展了的企业与顾客出发，将企业与顾客的关系视为整个供应链一体化上的所有企业（包括供应商、制造商、销售商）与供应链的所有下游企业（包括下游企业与终端客户）所建立企业的关系，这种关系是依托于供应链本身的功能网状链结构生存和发展的，自然也就形成了立体网状型结构。这种结构的转变带来的直接结果是：企业以营销服务代替销售服务和售后服务。在数据库营销基础上建立起来的顾客关系管理系统的目标是实现销售，因此其功能就是销售服务，即它关注的只是如何吸引客户实现销售，至于销售之前的服务则没有得到足够重视。供应链一体化的客户关系管理的目标是客户价值最大化。为此，其功能扩展到全方位地围绕顾客价值的整个过程，如按照顾客需求进行产品设计、客户定制化，敏捷的物流体系等都是这种功能的体现。如DELL公司就是以推行供应链一体化的顾客关系管理而获得巨大成功的典型。1.2.2在线服务(eCRM)事实上，大量服务并不需要现场解决，通过在线状态为顾客提供像咨询、答疑、指导、培训和解决方案等服务将成为顾客关系管理的另一个发展趋势。网络技术的突飞猛进使信息在供应链中实现了无间隔流动和共享，公司与每一个顾客通过互联网可以进行持续的一对一对话，公司能够更准确即时地了解客户的需求并做出第一时间的迅速反应，满足了顾客个性化、即时化的服务需求。以往通过电话订购需要由“人”来把订单传送过生产部门，而现在通过一些软件就能把网上的电子订单进行识别、分类、自动地传输给生产部门，从而提高了数据的准确性。同样，对于顾客关系管理来说，如果顾客遇到什么问题，也可以通过网络来寻找答案，以及通过E-mail和客户服务部门取得联系，以提高客户与企业的沟通便利性，提高客户个性化服务质量，从而使公司能够在系统的调度下，有针对性的为一般顾客、顶级顾客、终端顾客以及作为顾客的下游企业提供个性化的服务。同时，在线服务也大大简化了客户服务过程，是提高企业管理水平，降低成本的最有效途径。如美国波士顿的State Street就是一家向公共事业投资者提供服务的公司，该公司通过在线服务的方式管理着大约6万亿美元的资产，为数万顾客同时服务。这里需要指出是，在线服务只是一种手段，它并不是代替企业服务人员的现场服务。只有良好的现场服务与强大的在线服务相结合，才能在市场竞争中所向无敌。1.2.3企业关系管理(xRM)将顾客关系管理提升到企业关系管理的层次，也是顾客关系管理发展的一个新方向。对CRM中C的理解，将大大扩展对顾客的理解范围，C不仅可以指企业顾客，还可以包括企业员工、伙伴等其他关系的对象，也就是说任何一个人或组织，只要他们对企业的发展有贡献，无论这种贡献是现实的或者是潜在的，都可以称为顾客。这样建立起了“企业关系管理”的概念，称之为xRM。1.2.4顾客管理的关系(CMR)企业采用顾客关系管理最终是以企业利益为中心的，而这里客户管理的关系(Customer Management Relationship, CMR)的主要观点就是要确实地将客户作为一个“尊敬的关系主体”邀请到企业顾客关系管理的全过程中，让顾客真正参与到企业顾客关系管理的实施和运作中，而不是目前大多数实施CRM项目的企业所采取的试图利用新技术应用“驱赶式”地对待那些目前显得不那么重要的客户的方式。这里需要说明的是，作为CRM的一个发展趋势，我们认为CMR是有新意的，但在实际应用上是不是行得通，还需要进一步研究和实践。毕竟企业的资源有限，而且它存在的唯一理由就是为了企业利益最大化，不同的只是实现利益最大化的手段以及利益实现的阶段性而已。1.2.5顾客联盟(Customer Intimacy)早在20世纪70年代，客户联盟的概念由哈佛商学院的一些学者提出，它的实质就是企业为顾客获得成功而做出不懈努力。美国商业战略和演讲家Wiersema F.用客户联盟公司来描述企业与客户所形成的亲密整体。他们放弃了传统的“我们对他们”思维模式，转而信奉一个更为深刻的准则，那就是公司的成长、优势和利润的最大源泉存在于与客户的紧密结合。7一般来说，客户联盟公司的共同特征有以下三点：（1）与顾客共享信息，互相信任；（2）视解决顾客的难题为己任，并深信只有客户联盟才是为双方创造坚实可行的高额汇报的最佳途径；（3）与经过选择的特定顾客进行真正意义上的完美合作。综上所述，客户联盟型公司带来的一个全新理念是：他们帮助顾客解决已存在的难题，并挖掘未实现的潜能，创造出一个动态的合作关系。1.2.6分析性CRM前景广阔分析型CRM是企业CRM发挥功效的基础，主要用来对“运营性”前台CRM中的客户信息进行分析，以科学地对客户进行分类管理，可以预见分析型CRM将具有非常广阔的市场。同时数据挖掘技术也将成为其核心技术力量。8第二章 数据挖掘概述2.1数据挖掘的概念随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们在时间中积累的数据越来越多。激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好的利用这些数据。2.1.1 数据挖掘的技术概念数据挖掘(Data Mining)，又称为数据采掘，数据发掘。还有一些相近似的术语，如知识发现(Discovery in Database)，数据捕捞(Data Dredging)，数据分析(Data Analyzing)，数据融合(Data Fusion)等。由于定义者的观点和背景不同，各界人士对数据挖掘的认识和理解也不尽相同。下面列举较为受到人们认同的主要观点：（1）Data Miner (www.data-) 公司的创始人Gordon S. Linoff和Michael J.A.Berry是数据挖掘理论和实践的鼻祖。他们在其出版的第一本书市场营销、销售及客户服务的数据挖掘技术中对数据挖掘的定义是：数据挖掘是通过自动或半自动化的工具对大量的数据进行探索和分析的过程，其目的是发现其中有意义的模式和规律。9（2）国内的DMGroup对数据挖掘的理解，也就是目前我国高等院校教科书中普遍采用的数据挖掘的概念是：数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。以上的这些定义基本上是从技术角度作出的，而从商业角度出发，数据挖掘又可以被赋予新的内涵。2.1.2 数据挖掘的商业概念从商业意义角度来说，数据挖掘是一种新的商业信息处理技术，其主要特点是对大型商业数据库中的大量业务数据进行抽取、转换、分析和其它模式化处理，从中提取以前未知的、可理解的、可执行的模式，并用它来进行关键的商业决策。简言之，数据挖掘就是一类深层次的数据分析方法。过去，由于计算能力的限制，对大量数据进行分析的复杂数据分析方法受到很大限制，而且过去数据收集和分析的目的仅仅是用于科学研究。现在，由于各行业业务自动化的实现，商业领域发生了大量的业务数据，这些数据由于纯机会的商业运作而产生，它们为商业决策提供了真正有价值的信息，进而为企业获得利润。所有的企业面临的一个共同问题是：企业数据量非常大，而其中真正有价值的信息却很少，因此从大量的数据中经过深层分析，获得有利于商业运作的信息，就像从矿石中淘金一样，数据挖掘也由此得名。数据挖掘在商业领域的应用是研究数据挖掘的根本目的。随着该领域技术的深入开发和应用，数据挖掘已经日益成为商业决策领域的核心技术。完整的数据挖掘可以做到准确的目标市场营销，让消费者更有能力找到他们真正需要的东西。数据挖掘在商业领域的运用将涉及各个行业和领域，包括：银行业，直销业，无线通信业，电信业，商业零售业等，除此之外，该技术还将广泛应用在医疗保健，政府，法律，教育等行业。2.2数据挖掘的发展趋势数据挖掘在其技术领域的发展趋势10主要包括：（1）特定应用的数据挖掘系统的开发；（2）可伸缩的数据挖掘方法；（3）数据挖掘与数据库系统、数据仓库系统和Web数据库系统的集成；（4）数据挖掘语言的标准化；（5）可视化数据挖掘；（6）复杂数据类型挖掘的新方法；（7）Web挖掘。数据挖掘技术的运用最终还是为了帮助分析商业行为。从这个角度来讲，数据挖掘将进一步扩大在商业领域中的应用广度和深度，为商业决策提供更多真正有价值的信息，进而获得利润。其中，作为顾客关系管理深层次应用的核心技术，数据挖掘将在CRM领域做出更多更大的贡献，本文接下来将对数据挖掘在顾客关系管理中的应用做进一步分析研究。同时，关于数据挖掘中涉及的隐私权问题已经日益得到社会的关注，本文接下来也会对这个问题进行分析。第三章 数据挖掘在顾客关系中的应用研究随着计算机技术、网络技术、通讯技术和互联网技术的发展，企业业务流程操作日益自动化，营销过程中产生了大量的顾客数据，这些数据和由此产生的信息是企业宝贵的财富，它如实地记录了企业经营的本质状况，但是面对如此海量的顾客数据，管理者却面临着数据丰富而知识贫乏的困境。在顾客关系管理中迫切需要寻找一种新的工具，来对企业的营销规律进行研究和探索，为营销决策提供有价值的知识，使企业获得更大的利润，赢得独特的竞争优势，其中数据挖掘便是这个领域的核心技术。3.1数据挖掘技术在顾客生命周期各阶段的的应用在顾客关系管理中，顾客和企业的关系总是随着时间不断地发展和变化。顾客和企业之间的关系一般要遵循顾客生命周期。3.1.1顾客生命周期理论简介一个顾客和一个企业之间不同的关系阶段就是顾客的生命周期11。图3-1表示了顾客生命周期的各个主要阶段：潜在顾客真正顾客历史顾客目标市场新顾客企业顾客无价值或低价值顾客不会轻易流失的有价值顾客不断寻找更优惠的价格和更好服务的有价值顾客自愿离开的顾客被迫离开的顾客图3-1 顾客生命周期不同阶段客户角色的演变数据挖掘是企业顾客关系管理深层次应用的核心技术，在企业顾客生命周期的各个阶段，都会广泛运用到数据挖掘技术。在整个顾客生命周期中，企业在不同阶段会有不同的市场目标，而每一位顾客经历各个阶段的时间不同，发生的重要事件也各不相同，因此各个阶段里的详细资料，会因顾客从事的行业和企业的不同而有所差异。但从本质上说，顾客生命周期是企业顾客发展的一个基本框架，各个阶段的丰富资料和信息可以用来理解不同时期顾客的消费行为，根据顾客在生命周期中各个阶段的特点，及时发现和预测顾客的变化，将极大有利于企业顾客关系管理。从总体上观察顾客生命周期，企业顾客的发展大致要经历这样的过程：开始的时候，没有成为顾客的人对公司产品和服务有兴趣（他们成为公司锁定的目标市场）。经过一段时间以后，他们变为企业的新顾客，加入企业真正顾客的行列。然后随着时间的推移，这些顾客可能变得越来越有价值，并成为企业的忠诚顾客，也可能因为寻找更优惠的价格和更好的服务而自愿离开，选择企业的竞争对手，那些对于企业没有价值、甚至有负价值的顾客，最终将被列入企业黑名单而被迫离开。下面从数据挖掘技术在顾客关系管理中的商业价值分析入手，从不同的顾客生命周期中，分析数据挖掘技术在顾客关系管理中的应用。3.1.2 潜在顾客阶段（获取新顾客）企业的潜在顾客是指目前还没有成为企业顾客，但属于被公司锁定的目标市场中的人群。在企业的目标市场中，未来的潜在顾客主要是指那些对企业的产品不了解的顾客，他们可能是企业产品的潜在消费者（比如，年轻的父母会是婴儿用品的潜在消费者），也可能是以前接受企业竞争对手服务的顾客，有些潜在顾客可能曾经也是企业的客户。这个阶段是顾客生命周期的第一步，企业顾客关系管理的主要目标就是从潜在顾客中挖掘新顾客，以保证企业的发展和壮大。在这个阶段，利用数据挖掘技术可以识别潜在顾客，并将他们转化为企业真正的顾客。(1) 通过划分潜在顾客群来获取新顾客(New Customer Acquisition)争取顾客(Acquisition Campaign)的活动是面向企业目标市场的营销活动，它的目的是找到对公司产品或服务有兴趣的人，并使他们成为企业真正的顾客。数据挖掘技术通过帮助企业完成日益繁重的潜在客户群的划分，明显提高营销活动的响应率，改善营销活动的回报率，从而实现改善这些活动的效果并对获取新顾客成本的实现有效管理。由于目标市场上的潜在顾客并不是企业的真正顾客，因此无法直接取得他们的资料。在这个阶段，数据挖掘是通过建立模型，将以前对类似产品有兴趣的人员整理出来，把在以前活动中涌现出来的有意向者作为本次市场营销活动的重点对象。这个过程简单描述如下：首先，通过过去广告、直邮、电话、网络营销等商业活动获得顾客的响应行为（包括积极响应行为和消极响应行为）；接着，分析响应结果，对消极的响应行为进行处理，或转化或清除，收集积极响应行为的分析数据；最后，利用响应结果正式进行数据挖掘，对顾客将来行为进行预测和分析，以确定潜在顾客，从中确定营销活动的目标顾客。还有一个数据挖掘方法是，寻找和当前高收益的顾客类似的潜在顾客，使那些真正对产品和服务有兴趣的顾客有更多机会接触和了解该项产品或服务。值得注意的是，数据挖掘并不能精确的识别哪些顾客会成为企业的最终顾客，但它通过对潜在顾客的划分，可以使营销活动的投入更加有效。（2）案例研究数据挖掘在BB&CC公司获取新顾客中的应用12BB&CC公司每年开展25次直邮活动，每次大概向1,000,000用户提供信用卡使用的机会。营销活动响应率为6%，其中约有16%能够通过公司的信用率审查成为公司的正式顾客（即在邮件列表中只有1%的顾客成为公司的正式顾客）。邮件的成本是$1.00/份，今后的两年中每个顾客每年将为公司带来利润$125。为了更加有效的发掘新顾客，公司综合采用了预测模型和信用评分模型来从众多的顾客资料中发掘新顾客。首先BB&CC公司抽取了一个50,000位潜在顾客的样本，向上述顾客开展直邮活动，得到样本数据。在样本测试结果分析的基础上建立了两个模型：一个利用决策树方法建立预测模型，用以测定哪些顾客会响应直邮活动；另一个利用神经网络技术建立信用评分模型，用以发现响应顾客中具有良好信用的顾客。综合预测模型和信用评分模型，可以发现那些既有良好信用又可能对公司营销活动做出响应的顾客，并将他们作为公司直邮活动的目标顾客。公司将模型应用到剩余的950,000位顾客中，并从中挑选了700,000作为公司直邮活动的目标顾客，其中约有9,000人成为公司的正式顾客。应用数据挖掘前应用数据挖掘后直邮数量1,000,000750,000直邮成本$1,000,000$750,000发展新顾客数量10,0009,000利润/每顾客$125$125毛利润$1,250,000$1,125,000净利润$250,000$375,000挖掘成本0$40,000最终利润$250,000$335,000表3-1 应用数据挖掘前后的对比从表3-1中我们可以发现，即使扣除了数据挖掘的相关费用$40,000后，公司净利润仍然增加了$85,000。BB&CC公司的案例清楚地表明：利用数据挖掘明显提高了营销活动的响应率，改善营销活动的回报率。3.1.3 真正顾客阶段（提高现有顾客价值）企业真正的顾客，是指正在使用企业产品和服务的人。由于企业对自己真正顾客拥有各种详细的销售和交易资料，因此，企业真正的顾客为数据挖掘提供了大显身手的机会。数据挖掘可以从企业成堆的详细交易记录中发现隐藏的顾客消费行为，从而透视顾客的重要消费模式，以充分挖掘和提高现有顾客的价值。进入这个阶段，数据挖掘的目的就是充分提高现有顾客的价值，这主要可以通过以下几个方面来实现。(1) 通过顾客分级改进顾客关系管理企业的资源是有限的，任何企业都不能把自己的目标市场定位于所有的消费者，因此企业为了获得市场上的相对竞争优势必须进行市场细分。在顾客关系管理理论中有一个经典的2/8原则，即80%的利润来源于20%的顾客。所以，不要期待在CRM时代继续人人平等。当然，成功的CRM也不可能让顾客感觉受到歧视。数据挖掘可以帮助企业对客户行为进行分析，将那些消费额最高、最为稳定的客户群，确定为“黄金客户”，即重点顾客。针对不同等级的顾客，确定相应的营销投入，实施不同的顾客关系管理，间接指导市场策略，以求留住高利润的客户。顾客赢利能力分析是进行顾客分级的前提和依据，也是数据挖掘的基本目的。数据挖掘技术就是通过帮助企业提高客户赢利能力来发挥作用的。数据挖掘技术通过分析企业客户的购买资料（产品品种、数量），客户的个人资料（性别、年龄、收入、教育程度）等因素，从过去客户的交易记录中发现一些行为模式，同企业的利润贡献相结合，进行聚类或神经网络模型的相关分析，来计算和预测客户赢利能力的高低。通过对客户行为特征和交易历史数据的挖掘工作，可以使销售人员根据客户赢利能力的大小，在市场营销过程中保留住那些有价值的顾客，促使那些价值不大的客户转化为更有价值的顾客。例如，预测有多少“黄金客户”会在下一年中变为“青铜客户”，企业可以有针对性的采取响应策略，以防止“黄金客户”变为“青铜客户”，保持或增加其赢利能力。（2）通过客户细分(Customers Segmentation)实现个性化营销(Personalization)传统的市场营销策略已由4P，即产品(Product)、价格(Price)、渠道(Place)和促销(Promotion)向4C，即消费者的需求与欲望(Consumer Wants & Needs)、成本(Cost)、购买方便(Convenience)和沟通与交流(Communication)转变。真正关心顾客，为顾客提供与其要求相一致的个性化服务，才能让顾客体会到企业的价值，建立顾客忠诚，从而提高企业的市场竞争力。对于实施CRM的企业，个性化营销是建立和发展良好的顾客关系的重要手段。而要实施个性化营销，重点市场行为在于了解顾客，并和顾客建立起长期的、持续的关系。从某种角度来看，这个概念是新的；但是从另一个角度来说，这又是一个老观念。早在很多年前，市场营销的任务之一便是要了解一个行业中的客户，这个任务通常由一些传统的过程和方法完成，如焦点小组、电话调查等（这些方法基本上都是着眼于人口统计学的数据）。但如果是一个大型企业，拥有的客户数量很大，由于各种限制，与每一位顾客分别进行交流不太现实，一个可行的办法就是通过客户细分。在CRM系统中，完全可以通过数据挖掘技术来进行客户细分。数据挖掘技术可以对客户数据库中收集，加工和存储大量客户消费信息进行分析和处理，以特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应的消费群体或个体下一步的消费行为，把大量的客户分成不同的类，每一类客户具有相似的属性，而不同类别客户的属性也不同，如生产化妆品的企业可以将客户划分为少儿、青年、中年和老年或者按性别划分为男、女，在每一种类别中又可以按照不同的属性进一步划分。通过数据挖掘获得不同客户的爱好、习惯、倾向、需求和趋势等信息，使客户细分与CRM服务系统中的客户服务自动化模块相结合，进而在营销4P中提供更有针对性的个性化产品和服务，提高不同类别的客户对企业和产品的满意度。（3）使用交叉销售(Cross-Selling)和增值销售(Up-Selling)提高现有顾客价值企业与其顾客之间的商业关系是一种持续不断发展的关系。在顾客与你建立起这种双向的商业关系之后，企业就要尽力保持这种关系。保持顾客关系的最佳境界可以体现在三方面：延长这种关系的时间；在维持这样的关系期间增加互相的接触；在每一次互相接触中获得更多的利润。根据关系营销理论，企业需要对已有的顾客进行交叉销售。交叉销售(Cross-Selling)是指促使顾客购买尚未使用的产品和服务的行销手段，从而保持现有客户资源，提升现有客户的价值。它是建立在双赢原则上的，对客户而言可以得到更多的产品和服务，对企业而言，也会因销售增加而获益。使用数据挖掘技术可以帮助企业有效的完成交叉营销，以实现利润增长和保持顾客关系的目的，这需要从以下两个方面入手：一方面，通过数据挖掘中的聚类分析，确定交叉销售的目标客户。通过聚类分析，可以确定属于某类顾客经常购买的商品，并向没有购买行为的此类顾客推销这类商品和服务；另一方面，通过关联分析发现最优的销售组合，并向响应的目标客户开展交叉销售。企业对于购买频率较高的销售组合，找出购买了大部分组合商品的客户并向其推销“遗漏”商品；同时，对于某类客户推销对应的商品组合。增值销售(Up-Selling)，也称扩大销售，是指根据既有客户过去的消费喜好，提供更高价值的产品或服务，刺激客户做更多的消费。呼叫中心(Call Center / CTI)常见专业名词解释。增值销售的实质在于引导客户购买价格、价值更高的产品，以使企业实现更多利润。它也应该是建立在双赢原则上的，对于顾客而言，增值销售促使顾客将现有产品和服务升级，对于企业而言，也从单个顾客身上获得更多效益。数据挖掘技术通过隐藏在每次交易记录中成堆的资料中，透视顾客的消费习惯和消费模式，从而判断哪些顾客对交叉销售和增值销售更有意向。（4）案例研究数据挖掘在电子商务网站中个性化营销的应用10Big Sams Clothing通过一个专业的网站来销售公司的产品，数据挖掘技术的使用，使公司得以为顾客提供个性化的营销服务，从而大大地提高了顾客忠诚度，增加了顾客价值。当公司最初建立这个网站时，仅仅是将它作为一个产品目录的在线版。借助数据挖掘工具公司改善了网站的结构，在线销售系统提供了友好的用户登陆界面，一旦顾客订购了某件商品或注册成为会员后，公司会通过电子邮件的方式向他们推荐一些可能感兴趣的新产品；当顾客在网站上查阅一件产品时，网站会向他们推荐一些与该产品有关的可能感兴趣的产品。首先，使用聚类方法来发现商品组合。比如衬衫和短裤是明显的聚类，而沙漠探险的书籍和医疗工具可能是令人惊奇的聚类。然后建立顾客行为分析模型，识别那些会对添加在商品目录中的新商品感兴趣的顾客。Big Sams Clothing推荐顾客购买的产品不仅仅带来销售的增加，而且巩固了顾客关系。此外，为了扩大影响，Big Sams Clothing建立了一个应用程序来向顾客发送E-mail，向顾客推荐由数据挖掘模型预测得到的可能会吸引顾客的新产品信息。个性化营销的努力为Big Sams Clothing带来了盈利：公司在重复销售、每顾客的平均销售以及销售的平均范围等方面都得到了极大提高。（5）案例研究通过数据挖掘使用交叉销售提高现有顾客的价值13 Guns and Roses(G&R)公司销售的产品是：A型室外花盆和B型室内花盆。产品表被发往12,000,000个家庭。当顾客电话订购某个产品时G&R公司会积极的推销其它的产品交叉销售。但是，G&R公司发现只有1/3的顾客允许他们提出建议，最终的交叉销售率不足1%，并招致了一片抱怨声。为此G&R公司想确定到底是哪些人在订购某个产品的同时需要其他的产品。G&R公司建立了两个数据挖掘模型，一个是用来预测某个顾客是否会被建议触怒，另一个用来预测什么样的建议会被很好的接受。数据挖掘模型使用顾客信息数据库中顾客的信息和新的顾客信息，告诉销售代表哪种人可以采用交叉销售的方式以及建议什么产品。交叉销售的成功率上升到2%，而且很少有抱怨。数据挖掘帮助G&R公司更好的了解了顾客的需求。当把数据挖掘模型与典型的CRM交叉销售活动结合起来时，G&R公司的景况就完全变化了。综上所述，在企业的真正顾客这个阶段，数据挖掘的任务就是帮助企业提高现有顾客的价值。需要指出的是，顾客的早期消费行为和消费模式尤其值得关注，他们对预测客户将来的消费行为极有帮助。顾客可能挥金如土，也可能非常节俭，可能喜好单一，也可能嗜好多样。顾客的这些消费习惯通常在前几次消费中就可以清楚地表现出来。3.1.4历史顾客阶段（保留忠实顾客）企业的历史顾客是指那些不管自愿还是非自愿，不再使用公司产品和服务的人。无论如何，总会有一些客户不再成为企业的顾客。他们离开的原因不外乎自愿和非自愿两种。自愿离开，也就是顾客自己不想再继续成为该企业的顾客，原因可能是多方面的：比如顾客搬离公司服务的区域，因为顾客的生活方式改变而不再需要公司提供的产品或服务，从对手公司获得更好的产品或服务；顾客不再看好正在使用的产品和服务。对于这类顾客，企业应该在顾客决定离开之前及时发现，并对有价值的顾客实施顾客保留。非自愿流失的顾客，意味着，客户不再是企业的好客户。他们可能已经停止向企业付费，不仅不能为企业带来利益，而且可能还会使企业蒙受损失。对于这类顾客，如果公司继续指定挽留他们的促销策略，肯定会给企业造成巨大浪费。相反，企业应该探察并发现具有欺诈倾向的顾客，对这类顾客加强警惕，防止欺诈的发生。(1) 顾客保持(Customers Retaining)随着行业中的竞争越来越激烈，获得一个新顾客的开支越来越大，保持原有顾客的工作也越来越有价值。据统计数据表明，在全球500强企业中，它们在五年内大约流失50%的客户。企业争取一个新顾客的成本是保留一个老顾客的7-10倍。留住5%的顾客有可能为企业带来100%的利润。14使用数据挖掘来对不同的旨在保留客户的活动中建立模型，将对整个客户保持工作起着重要作用就如前文介绍的顾客生命周期概念所述，企业的顾客可以分为三类：第一类是不会轻易流失的有价值顾客，第二类是不断寻找更优惠的价格和更好服务的有价值顾客，第三类是无价值或低价值顾客。传统的市场营销活动主要是针对第一类和第三类顾客，而现代顾客关系管理则认为，特别需要用市场手段来维护第三类顾客，因为这样做可以降低企业运营成本。通过数据挖掘技术可以依据历史信息建立客户流失预测模型，发现易流失的客户，与CRM系统中的客户服务自动化模块相结合后，企业可以针对易流失的客户的具体需求，采取相应的措施，保持现有的黄金客户(Profitable Customers)，提高他们对企业的忠诚度，将加强企业的竞争力，提高企业利润。 （2）顾客欺诈风险分析在顾客关系管理中，顾客的信用分析和诈骗识别是非常重要的，因为一旦发生信用风险和欺诈行为，企业将面临管理活动的失败、市场份额的丧失和营销活动的失败，导致企业失去市场、顾客、竞争力和信誉。据统计，在英国，62%的企业认为欺诈行为比以前更加普遍，三分之二以上的企业曾经发生过欺诈事件，这还不包括发生了欺诈行为但没有向外界公布的企业。由此可见，顾客欺诈行为是非常普遍的，而且一旦发生，给企业带来的损失是非常巨大的（尤其是企业顾客欺诈行为）。如何准确、及时、有效的预测到企业可能发生的欺诈风险，把可能发生欺诈的顾客列入企业“黑名单”以规避企业欺诈风险是非常有意义的。数据挖掘技术能够很好的解决这个问题，利用意外规则挖掘方法，神经网络方法和聚类方法，对顾客数据仓库中的数据进行分析和处理，分析欺诈为什么会发生？哪些因素容易导致欺诈？欺诈风险主要来源于哪里？如何预测到可能发生的欺诈？采取何种措施可以减少欺诈的发生？以便分析和评价欺诈风险的严重性和发生的可能性，准确、及时的对各种欺诈风险进行监视、评价、预警和管理，进而采取有效的规避和监督措施，在欺诈风险发生之前对其进行控制。（3）案例研究通过数据挖掘保留忠实顾客13Know Service(K&S)公司是一家网络服务公司，像其它公司一样也在不停的流失顾客。流失率每月8%，这意味着现有的1,000,000顾客中每个月会有80,000个顾客流失。K&S公司重新寻找一个顾客的成本是$200，每个月公司要在寻找新顾客上投资$16,000,000，因此K&S公司需要数据挖掘的帮助。K&S公司掌握了顾客的大量上网信息和顾客的个人信息，构建了顾客信息数据库。K&S公司做的第一件事就是从顾客数据库中选择、转变数据。接下来所做的就是根据顾客支出、生命周期对顾客进行划分，并判断顾客的持久性，识别哪些顾客在将来会成为忠实的顾客，然后在忠实的顾客中识别哪些有可能流失。第三步，确定最优服务、保持顾客忠实。例如对上网支出大的顾客可以提供包月的服务而不是提供更加大的主页空间。结果顾客流失率从原来的8.0%下降到7.5%，以数据挖掘成本为$40,000计算，公司保持顾客每个月可以节省$960,000。应用数据挖掘前应用数据挖掘后顾客总数1,000,0001,000,000顾客月流失率8.0%7.5%每月流失顾客数80,00075,000寻找新顾客成本$200$200每月寻找新顾客投资$16,000,000$15,000,000挖掘成本0