数据挖掘技术在CRM中的应用研究.docx

数据挖掘技术在中的应用研究摘 要企业在实施CKM过程中，如果能够对海量的数据进行有效快速深入的分析和处理，找出有价值的知识，就能为企业作出正确的经营决策、捕捉瞬间即失的市场机会提供极大的帮助，并能从中获得丰厚的社会和经济效益。关键词CRM；数据挖掘；信息技术客户作为一种企业核心资源，拥有和保持更多的客户决定着企业今后发展的命运，因此有效地开发和利用客户资源，发展和巩固企业同客户之间的和谐关系，在最大程度上满足客户需求的同时实现企业的经济社会效益最大化，已经成为企业界和学术界关注的焦点。信息经济环境中企业客户关系管理是利用IT技术实现对客户的整合营销，是以客户为核心的企业营销的技术实现和管理实现，并在企业与客户之间建立一种实时、互动的交流管理系统，最终目的是通过为客户创造价值，建立个性化、高质量的商品与服务来获得新客户，增加原有客户的忠诚度和提高客户的赢利能力，进而增强企业的核心竞争力。同时随着信息技术的迅速发展，特别是数据库技术和计算机网络的广泛应用，企业所面对的客户数据量、企业内外信息量急剧膨胀，企业如果能够对这海量的数据进行有效、快速和深入的分析和处理，发现有价值的知识，就能为企业作出正确的经营决策、捕捉稍纵即逝的市场机会提供极大的帮助。一、数据挖掘技术分析(一)数据挖掘技术的发展过程。数据挖掘是生产发展的必然结果，最初的数据挖掘仅仅是用一些信息储存工具储存一些简单的信息，人们并不去对这些信息进行分析来提取更深层次的、更有价值的知识，而且使用和获得信息的速度也很缓慢，随着生产力水平的极大提高和信息技术的飞速发展，目前已经实现了人们能实时地获得经过深入提炼的知识与信息。数据挖掘的每一步发展，可以说都是建立在前一阶段的基础上，总的来说，数据挖掘分为四个发展阶段：(1)数据收集阶段(Data Col-lection)：企业仅仅是简单地整理储存信息，并应用一些简单的运算工具进行数据加工，如对信息的总量计算、平均数计算等；(2)数据追溯阶段(DataAccess)企业开始应用关联模式处理储存信息，在整个企业范围内建立起了数据收集和信息管理系统，管理层可以获得企业的历史信息；(3)数据导航阶段(Data Navigation)、企业内出现了数据仓库，应用多维数据基的处理和储存信息，企业不仅能应用信息管理系统获得企业整体和各个地区经营状况的信息，而且通过应用在线分析系统(OLAP)等手段进行数据对比；(4)数据挖掘阶段(Data Min-ing)：也就是通过使用在线分析工具、先进的信息技术以及统计数学等方法为企业提供实时的信息反馈和与合作伙伴的信息交流。数据挖掘使企业管理者更能获得存在于信息之中的深层价值，从而为企业的经营战略决策产生重要帮助作用。(二)数据挖掘技术的内容。数据挖掘是进行信息处理的系统工具，按照信息处理的流程来分类，一般有三种类型：信息发现(Discovery)、预测模型(Predictive Model)和异常分析(Forensic Analy-山)。信息发现是指单纯地对信息进行处理、整理和分析，以发掘出蕴涵在信息之间的潜在的有价值的知识或者联系，但并不进行对信息处理结果的预测。信息发现包括条件逻辑推理、关联处理和信息规律趋势和变化等；预测模型是指通过上一阶段的信息处理，利用有价值的知识资源和预测模型对其进行发展趋势预测，这包括结论预测和发展趋势展望等；异常分析是指数据挖掘的扩展阶段，对发现的异常情况作出分析，包括偏离侦测和关联分析等。总的来说，数据挖掘技术通常有六种手段进行信息处理：分类、回归模型、时间序列、聚类、关联分析和序列发现。分类和回归模型一般用于趋势预测，关联和序列发现用于分析客户行为，聚类则可用于以上两种情况。数据挖掘技术按对信息的处理方式分为数据保存技术和数据提炼技术两种方式。数据保存技术主要是能够方便地为企业决策提供信息帮助，在企业决策中应用案例分析(CBR)来保证经营决策的有效性。但是企业要想获得蕴涵在信息之中的有价值的知识，就必须使用数据提炼技术，数据提炼技术包括：逻辑方法是运用多维或者OLAP技术对量化的或者非量化的数据进行统一模式的处理，包括规则公式和决策树；横向对比主要是对定性数据指标进行类比分析，包括类比中介和可信网络；程式分析是能够有效地应用多维模型和数理统计方法对大规模的数据进行处理，包括数理统计方法和神经网络等。二、数据挖掘在客户关系管理中的应用在客户关系管理过程中，客户生命周期对企业来说非常重要，因为它直接关系到企业的客户收益和客户利润，一方面客户生命周期提供了客户信息来源，另一方面客户生命周期使得企业明确了为满足客户需求应注重的方面。客户生命周期为数据挖掘在客户关系管理中的应用提供了基础，数据挖掘是建立在数据仓库之上的，通过各种先进的信息技术和数理统计方法挖掘数据仓库中的潜在的、有价值的客户信息，通过运用数据挖掘，企业能把大量的客户记录变成系统的客户信息，提供给决策者，这样不仅解决了企业进行决策时遇到的信息匮乏，也充分发挥了企业实施CRM的效用。(一)客户分析。CRM系统主要是面向客户，因此对客户数据的分析是极为重要的，通过对客户数据的分析，发现客户需求，调整企业战略并实施相应的措施，客户分析主要有几个方面：(1)购买频率，通过对客户购买频率的分析，企业实施相应的营销活动，可以利用诸如促销、折扣和优惠等手段来刺激消费者的消费欲望；(2)近期消费，通过对客户最近消费时间的分析，可以及时发现客户流失的原因，从而采取相应的措施；(3)客户忠诚度分析，通过对客户交易资料的记录和分析，可以采用序列模式来预测消费者的忠诚度，并据此来调整企业的生产和提供的服务，提高客户的忠诚度并吸引新客户；(4)客户分类，不同的消费者对产品和服务的要求不同，也为企业创造不同的收益，企业根据数据挖掘技术的信息处理分析，对客户采用聚类的方法进行分类，挖掘客户群的需求特征和需求趋势，并发现最有价值和最有盈利潜力的客户群，对这些客户实施“一对一”的市场营销，取得最大的收益；(5)客户购买相关性分析，通过销售记录的信息挖掘，可以发现客户购买相关性，这也是发现客户消费偏好、消费特点的重要方法，据此企业可以积极采用各种手段，如推荐、传单以及网络推广等方式帮助消费者选择商品，增加企业的收益；(6)营销合理化分析，通过分析营销活动的有效性，有助于改善营销效率，多维分析可以实现这方面分析的要求，即通过比较营销改变前后销售状况。(二)异常偏离分析。企业在对客户数据进行分析时，有可能发现异常数据或者无法解释的现象发生，企业应对此应高度关注，一般的做法是通过使用数据挖掘的各种先进技术，如决策树、神经网络、聚类等来及时分析这些异常情况，使企业能作出快速的反应，并针对处理的结果及时调整企业的营销决策。(三)趋势分析和预测。数据挖掘的工具为客户需求趋势预测提供了有效的手段，常用的工具是时间序列分析、系统力学和神经网络。这些工具能为企业提供科学、有效的趋势分析，并用于企业的生产和营销决策。具体内容包括：评价产品销售状况，企业通过分析客户数据库中记录每一位消费者的交易信息，可以针对不同的产品、不同的区域采取不同的销售策略，实现盈利最大化；预测销售状况，通过准确的预测，发现隐藏的信息，是把握市场动向，满足客户需求，调整生产结构和营销方法，从而使企业在激烈的市场竞争中立于不败之地。(四)客户服务支持。客户服务是CRM中的重要组成部分，包括客户信息和服务信息，这些数据既有结构化的也有非结构化的，结构化的数据比较容易分析和整理，如销售状况、客户交易信息等，非结构化的数据如故障信息、故障处理信息以及客户反馈信息等。对结构化数据挖掘的主要过程是：根据相应数据的特点来选择规则模板，对数据进行选取和转换，并应用归纳学习法、决策树、最邻近法、人工神经网络技术等来进行数据挖掘，挖掘得到的结果可以存入数据库，帮助企业决策，非结构化数据由于存在的形式和性质难以进行标准化分析，但是非结构化所隐藏的价值可以通过两种途径来进行挖掘：一是建立全新的数据挖掘算法，直接对非结构化数据进行挖掘，但是由于非结构化的自身特点，使得这样的全新数据挖掘非常复杂，而且难以评估数据挖掘结果的可靠性；二是通过将非结构化数据结构化，而后采用结构化的数据挖掘技术对其进行挖掘，这就需要建立非结构化数据转换技术，而且也是非常复杂。总的来说，结构化数据挖掘技术已经成熟，但是非结构化的数据挖掘尚待进一步发展。(五)销售管理。销售管理自动化是客户关系管理成长最快的部分，销售人员与潜在客户的互动行为、将潜在的客户发展成真正客户并提高其忠诚度是使企业盈利的核心因素。在此环节中，数据挖掘可以对多种市场活动的有效性进行实时跟踪和分析，数据挖掘不仅使销售人员及时把握销售机遇、提高工作效率，而且企业管理层也可以随时掌握市场动态。(六)数据挖掘和客户隐私。数据挖掘技术帮助企业能比以往更好地发现客户信息中的隐性知识，但是这也增加了客户隐私被企业侵犯的风险。一方面客户信息挖掘有助于客户与企业之间建立起亲密的关系，另一方面客户信息如果被企业不正当地利用，则会给客户本身带来不利影响。比如客户信用等级、客户交易行为等信息如果不当利用，会给消费者带来推销骚扰，甚至是某种社会歧视或者失业的威胁。客户隐私按其本质来说，更是一个道德问题而非一个技术问题，关键是处理好企业数据挖掘与客户个人信息保护之间的平衡问题，现在世界上好多企业在处理客户交易信息时，采用匿名方式，将客户的个人身份信息隐藏起来，只将交易资料，如客户偏好、消费等级、需求特点和客户价值等资料输入到数据处理模型中。总之，企业在实施客户关系管理的同时，必须注重客户隐私的保护，这样才能给消费者以安全的感觉，才会让客户真正地与企业之间进行交流，才能充分发挥数据挖掘在客户关系管理的作用。三、结 语数据挖掘技术本质上是提供一种商务运作更先进的途径，本身并没有判断待处理信息的质量与价值高低，因此企业要对所收集的信息进行筛选，选择有价值的信息进行分析和处理；仅仅依靠数据挖掘技术就想一劳永逸，不仅不现实而且会给企业的经营运作带来致命的打击，因此数据挖掘技术要和企业的业务流程、企业“以客户为核心”的经营理念相结合进行运作，只有这样数据挖掘才不会变成无源之水；数据挖掘技术多种多样，每一种方法应对不同的市场信息环境，而且对客户信息的处理也会受到各种因素的影响而失真，因此要综合使用各种方法来进行数据处理和分析。