东莞网站建设
当前位置:网站首页 - 软件实施

浅谈基于数据挖掘的客户关系管理CRM

点击: 日期:2013-3-27 字体大小:14px 12px
1 数据挖掘的含义
   当前,数据库和数据仓库已经被广泛地应用于企业管理、产品销售、科学研究和信息服务等领域。数据量的不断增长对数据的存储、管理和分析提出了更高的要求,急需新一代的计算技术和工具,能够智能化地从大量的数据中提取出有用的信息和知识,于是数据挖掘技术应运而生。
    数据挖掘(Data Mining),又称数据库中的知识发现(Knowledge Discovery in Database,KDD),是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息,它是数据库研究中的一个很有应用价值的新领域,融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。数据挖掘能对庞杂的数据进行科学的梳理和细分,从中发现潜在的价值规律,从而为我们做出合理的预测、决策提供有力的帮助和支持。
    数据挖掘所能解决的典型商业问题包括:数据库营销、客户群体划分、背景分析、交叉销售等市场行为分析,以及客户流失性分析、客户信用记分、欺诈发现等。而在市场经济日益发达,竞争日益残酷、激烈的今天。将数据挖掘应用到企业的客户关系管理中,具有特别重要和关键的意义。
2 客户关系管理的内容
    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。对相关业务功能重新设计,并对相关工作流程进行重组。以达到留住老客户、吸引新客户、提高客户利润贡献度的目的。它的目的在于建立一个收集和分析客户数据的系统,使企业在客户服务、市场竞争、销售及服务等方面形成彼此协调的关系实体。以提高企业的竞争优势。客户关系管理的实施可以分成两个阶段。
    2.1 过程型客户关系管理阶段
    该阶段要对市场、销售、服务等企业与客户直接接触部门的前端管理的业务流程进行重新规划与调整,要在整个企业内部建立以客户为中心的理念。要完成客户数据的收集、确认客户的数据是否完整等工作,然后将建立企业级数据库。分配访问权限,积累客户数据并将销售、客户服务等分属不同部门的客户、员工数据整合起来形成一个完整的企业共享的数据库。
    2.2 分析型客户关系管理阶段
    对过程型客户关系管理阶段所产生的数据进行加工处理,产生对企业决策有用的信息,为企业提供战略决策支持。主要应用数据仓库、客户数据库、客户细分系统、报表和分析系统,提高对客户数据和客户行为模式进行分析的能力。企业实施客户关系管理的目的是为了提升管理水平和实现企业的战略目标。但实际上,客户关系管理在现实中并未取得很好的效果。主要原因在于分析型客户关系管理阶段,缺乏有效的工具和方法,不能从大量的客户数据中提取隐藏着的信息,产生新的知识从而帮助企业获得市场竞争优势。能满足企业这一迫切需求的工具就是数据挖掘,数据挖掘技术主要是应用在分析型客户关系管理阶段,数据挖掘技术的引入是客户关系管理第一阶段的直接结果,它将帮助企业更深入地认识自己的客户。
3 数据挖掘在客户关系管理中的应用
    在客户关系管理系统中,数据挖掘主要应用在以下几个方面。
    3.1 客户细分分析
    客户细分是企业有效销售、营销、服务的基础。对于大量的客户数据可从中选取能够反映客户特征的属性,如性别、年龄、职业、职位、教育程度、年薪、平均消费额等,并根据这些特征将客户聚类或分类成高价值客户、中等价值客户、初等价值客户等若干类型。通过数据挖掘获得不同客户的消费爱好、习惯、倾向、需求和趋势等信息。进而在营销中提供有针对性的产品和服务。提高不同类别客户对企业和产品的满意度,以获取最大的利润。
    3.2 客户识别分析
    客户识别包括新客户获取和不良客户识别。新客户包括以前没有听说过本企业产品的人、以前不需要本企业产品的人以及以前本企业竞争对手的客户。数据挖掘技术可以用来揭示客户的行为习惯和预测发现一些在不同情况下有相似行为的新客户,帮助企业识别出这些潜在的客户群,从而使销售与营销更有针对性。
    3.3 客户保持和流失分析
    在竞争日益激烈的市场环境下,企业获取一个新客户的成本将越来越大,因此保留老客户的工作变得非常重要。统计数据表明。有1/3的客户流失是因为企业对客户的关怀和服务不够。运用数据挖掘可以更好地了解客户流失动机,企业可以针对这类特定客户的需求,采取高效的客户保留策略。即可以给各类客户提供有层次、有区别的服务来提高客户的满意度。从而来留住可能离去的客户。
    3.4 客户关联需求分析
    客户的需求是动态变化的,但客户的需求也存在着一定的联系和规律性,企业需要掌握这些联系和规律以满足客户。扩大销售量,同时也能提高客户的忠诚度。通过数据挖掘技术,如关联分析,可以从中发现客户的特征信息。如性别、学历、收入等,同时也可发现不同类别、不同特征的客户购买的产品的型号和时间,表面上看起来与客户购买产品行为不存在联系的因素,通过特定的数据挖掘技术可证实它们之间潜在的联系,以便企业做出正确的销售决策。
    3.5 交叉销售
    企业与客户之间的关系是动态变化的,企业应尽力完善与客户之间的关系。交叉销售是企业向老客户销售新的产品或提供新的服务的过程,它是建立在双赢原则基础上的。通常客户需要进一步得到更好的满足需求的服务和产品,企业通过对老客户的数据挖掘,找到包含着客户潜在需要的产品和服务。得到最优的合理销售策略,促进企业的销售额和利润的增长。
    3.6 客户贡献分析
    利用数据挖掘可以进行客户特征分析,发现哪些客户是真正创造利润的客户,哪些是低利润和无利润的,企业就可以采取一定的措施,使低利润和无利润的客户转化为创造利润的客户。企业对创造利润的客户要采取相应的措施,推出一些优惠措施力求保留住这些客户;对于潜在的创造利润的客户要采取针对性的措施,实行个性化服务;对于无利润的客户可不必投入过多精力,通过对客户贡献的分析可以有效地降低企业成本,提高经济效益。
4 基于数据挖掘的客户关系管理的实施
    实施基于数据挖掘的客户关系管理是一个循序渐进、循环反复、不断调整的动态过程。其主要步骤如下:
    4.1 确定业务对象
    企业首先要明确业务需求,企业实施基于数据挖掘的客户关系管理系统都有一个或多个商业目标,如提高客户价值或客户细分等,企业必须明确这些业务需求,然后在此基础上开展数据的收集和预处理工作。
    4.2 数据分析
    在明确了业务的需求的基础上,对企业的数据进行分析,形成对数据的初步认识,了解数据的分布状况,为建立预测模型打下基础。
    4.3 数据准备
    数据准备是数据挖掘过程中非常重要的一步,数据的质量直接影响到最后挖掘的结果,数据准备工作可以按以下步骤进行。
    (1)数据的收集:收集完整、真实有效的客户数据,企业需通过制定严格的业务操作流程,协调各相关部门完成数据的收集工作,要能够及时完整地从多种异构数据源中获得目标数据。
    (2)数据预处理:对客户数据进行清理。对所收集到的数据进行抽取并加以组合,为进一步挖掘做好准备。
    (3)数据转换:将数据转换成一个分析模型,该分析模型是针对数据挖掘算法建立的,包括分类算法、聚类算法、关联算法等。
    4.4 建立数据挖掘模型
    从各种数据挖掘模型中选择最有利于解决业务问题的一个或多个模型。这一步是一个迭代的过程,在选择模型的过程中所获得的信息,可能要求重新整合正在使用的数据甚至可能要重新修改业务问题。
    4.5 解释和评价模型
    本阶段是对数据挖掘质量进行评定。好的挖掘模型应能够用随机的数据得到较为理想的结果,如果效果不好则可能需要重新整合数据或重新修正原有的模型。
    以上步骤是不断循环持续的动态过程,随着系统的不断扩展,客户数据的不断积累,先前建立的数据挖掘模型很可能不再有效,因此需要重新建立数据挖掘模型。同时,随着企业业务需求的变化,可能又会有新的数据挖掘应用。因此基于数据挖掘的客户关系管理系统的实施应用不是一成不变的,而是随着数据和业务需求的发展而改变的。
    总之,在信息时代,要充分剩用企业的信息资源,从以产品为中心的管理模式转变为以客户为中心的管理模式,利用数据挖掘技术,分析客户的特征,探索企业和市场的运营规律,不断提高企业的经济效益。