论文部分内容阅读
[摘要] 客户关系管理已经成为了当今管理的热点。本文结合客户生命周期模型和数据挖掘的常用方法，探讨了数据挖掘在分析型客户关系管理中的应用。
[关键词] CRM 数据挖掘 客户生命周期
一、 引言
客户关系管理起源于20世纪80年代初提出的接触管理，即专门收集整理客户与公司联系的所有信息。美国研究机构Meta Group根据客户关系管理的内容及功能，将客户关系管理划分为三类：操作型、分析型和协作型。
操作型CRM应用的设计目的是为了企业级的信息资源共享，减少信息流动滞留点，使企业与客户间的接口统一化。操作型应用系统是客户关系管理软件中最基本的应用模块，是一个业务信息管理系统。协作型CRM应用就是能够让企业客户服务人员同客户一起完成某项活动。协作型应用目前主要由呼叫中心、客户多渠道联络中心、帮助台，以及自助服务帮助导航等组成。
分析型CRM从操作型系统应用所产生的大量交易数据中提取有价值的各种信息，是一种决策支持工具。分析型CRM的主要原理是将交易操作所积累的大量数据过滤，抽取到数据仓库，再利用数据挖掘技术建立各种行为预测模型，最后利用图表、曲线等对企业各种关键运行指标，以及客户市场分割情况向操作型应用发布，达到成功决策的目的。
二、分析型CRM中的数据挖掘应用
毋庸置疑，分析型CRM的独特之处就在于其能够为企业管理者提供辅助决策的信息，而实现这一功能的就是分析型CRM的核心技术之一—数据挖掘技术。本文将探讨数据挖掘技术如何应用于整个客户生命周期，为企业决策提供信息支持。
1.客户生命周期理论
客户生命周期是客户关系生命周期的简称，指客户关系水平随时间变化的发展轨迹，它描述了客户关系从一种状态 (一个阶段)向另一种状态 (另一阶段)运动的总体特征。
阶段划分是客户生命周期研究的基础，目前这方面已有较多的研究，其中，Dwyer，Schurr 和Oh的研究最具代表性。他们提出了买卖关系发展的一个五阶段模型，首次明确强调买卖关系的发展是一个具有明显阶段特征的过程。这一观点被广泛接受，取代了当时盛行的把交易完全看作是离散事件的观点。国内的陈明亮经过研究，把客户关系的发展进一步划分为考察期、形成期、稳定期、退化期四个阶段，称为四阶段模型侧。本文就采用这个四阶段模型进行之后的讨论和分析。如下图1。
图1 客户生命周期概况
客户与企业发生业务的过程中，从未发生接触到初次接触，到形成销售机会、签约，直至成为用户并发生再购买，客户所处的阶段和状态随时变化，针对不同状态的客户，企业需要制定不同的策略。
企业通常会依据业务侧面来划分业务部门。例如:市场部负责公司品牌，市场宣传;销售部负责公司销售任务的完成等。在传统的业务方式开展过程中，部门以完成各自的工作计划为主，很少按照客户的流向来协同规划、配合，整体工作被割裂管理，计划制定缺少依据，易于造成环节失调。完整客户生命周期管理是一种全新的业务规则，它指导企业围绕客户在企业中的发生，发展的过程规划、协调开展业务。企业业务部门的工作职能会相应发生转变。例如:市场部的工作职能由难于量化的品牌工作导向转变为量化的对目标客户的获取为工作导向，销售部的工作职责则成为将机会客户推进成为订单，服务部门的主要工作目标就是成功交付产品并向可以提供满意的服务推进再销售。
2.数据挖掘方法及用途
数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其它模型化处理，从中提取辅助商业决策的关键性数据。
根据数据挖掘的任务可将数据挖掘划分为：关联规则挖掘、序列模式挖掘、聚类数据挖掘、分类数据挖掘、偏差分析挖掘和预测数据挖掘等六类。
3.客户生命周期中的数据挖掘技术
对应客户整个生命周期的各个阶段，企业的客户关系管理需求是不同的，其所使用的数据挖掘技术也不尽相同，具体如图2所示。
图2 客户生奋周期不同阶段的数据挖掘技术
(1)潜在客户阶段
该阶段企业的目标是通过对己有客户进行特征分析，找出自身客户的特点，并依此对新群体进行营销，期望其能成为企业的新客户。对应于这一目标，企业通常使用分类技术找到对企业有贡献的客户群体，并对其实施相应的吸引策略。
(2)已有客户阶段
企业的已有客户是企业当前利润的来源，所以要对其进行各种能够实现利润最大化目标的分析。具体包括以下几点：
①客户群体细分
根据Pareto原理，为企业提供80%利润的客户占全体客户的20%，这部分客户是市场中最有价值的客户，也就是我们常说的大客户。对这部分客户的深入分析可使企业及时调整策略，发现新的商机，从而达到吸引新客户、留住老客户、最大限度提高客户价值的目的。完成该项任务的就是客户细分。客户细分是CRM 实现其目标的主要手段之一。CRM成功的前提条件是能够根据客户价值细分企业的客户。
分类、聚类技术可以应用于客户细分这一目标。由于本文的主要研究方面就是客户细分，故不在此赘述，其具体流程和实现方式将在之后进行详细描述。
②交叉销售
交叉销售又称捆绑销售，是根据客户以往的购买习惯对客户进行针对性的營销。具体包括两种类型:其一是根据大量客户的购买习惯得出客户群体的购买习惯，并对所有客户实施这种营销，超市中的啤酒加尿布就是这一类的代表:另一种是根据特定客户在一定时期内的购买记录，对其进行针对性营销，例如客户本周购买了DVD机，之后的一段时间内可以向该用户推销各种DVD光盘。可以看出，第一种是根据大量客户的购买记录进行的，无时间先后的概念，所捆绑的若干商品是被一次购买的;后一种则是根据某一消费者的历史购买记录进行的，捆绑的商品是被分次购买，具有延伸性。
关联规则和序列分析是实现上述营销功能的有力工具。
③欺诈识别
金融活动中存在着大量的欺诈活动，那些不法分子利用金融机构提供的各项服务进行违法活动，例如洗黑钱、信用卡透支等。作为金融机构，需要使用强有力的侦察工具实现降低事件发生率、及时发现欺诈活动的目的，减少对企业、社会的危害。
数据挖掘中的异常分析就是针对这类情况而生的，当然该项分析还可以用于地质等方面。具体的实现技术包括聚类、分类等。聚类主要用于根据交易记录发现异常对象，而分类则实现根据先验信息对交易记录进行检查发现异常的功能。
(3)客户流失阶段
客户保持对公司的利润底线有着惊人的影响，它对利润的影响远远超过公司规模、市场份额、单位成本和其他许多通常认为与竞争优势有关的因素的影响。客户保持率一个小的提高都能导致利润可观的改善。Reichheld和Sasser(1990)对美国9个行业的调查数据表明，客户保持率增加5%，行业平均利润增加幅度在 25%~85%之间。客户保持已成为公司成功最至关重要的目标，相应的客户流失是企业经营中的巨大损失。据有关统计显示，获取企业新客户的平均成本是维护一个已有客户的5倍左右，相当于一个客户5年内为公司带来的利润。所以说，高客户流失率必将导致客户回报率下降、企业利润减少。
为了实现上述目的，企业需要对流失客户进行分类，找出有用的流失客户，分析其流失原因，尽最大可能挽回他们。其中聚类、分类技术功不可没。
三、结束语
目前，国内所实施的客户关系管理仍然停留在呼叫中心、售后服务等运营型客关系管理的阶段中。日常积累下来的各种客户数据未能得到有效的利用。建立分析客户关系管理，充分发掘蕴含在数据中的知识、甚至一些不合常理的规则，从而有对性的进行客户行为特征分析、潜在客户预测、客户信用分析、欺诈甄别、交叉销售市场促销等将成为该领域发展的趋势。
参考文献：
[1]陈文伟黄金才赵新显:《数据挖掘技术》.北京工业大学出版社，2002
[2] JiaweiHan、Micheline Kamber，“DataMing Concepts and Techniques”，高等教育出版社，2001
[3]何荣勤:《CRM原理、设计、实践》.电子工业出版社，2003
[4]樊治平郭清王建宇:论中资保险公司客户关系管理的应用.保险研究伦坛，2004.2，P35一37
[5]Rumelhart D，Hinton G，Williang R.Learning Representations by Backpropagating Errors.Nature，1986，323(9):318一362
[6]Fahlman S E. Fast Learning Variations on Backpropation:An Emprical study. In: Touretzky D S.Hiton G E，Se jnowski T J Eds.Proceedings of the Conneetionist Models summer school，San Mateo，CA:Morgan kaufmann，1988，38一51
[关键词] CRM 数据挖掘 客户生命周期
一、 引言
客户关系管理起源于20世纪80年代初提出的接触管理，即专门收集整理客户与公司联系的所有信息。美国研究机构Meta Group根据客户关系管理的内容及功能，将客户关系管理划分为三类：操作型、分析型和协作型。
操作型CRM应用的设计目的是为了企业级的信息资源共享，减少信息流动滞留点，使企业与客户间的接口统一化。操作型应用系统是客户关系管理软件中最基本的应用模块，是一个业务信息管理系统。协作型CRM应用就是能够让企业客户服务人员同客户一起完成某项活动。协作型应用目前主要由呼叫中心、客户多渠道联络中心、帮助台，以及自助服务帮助导航等组成。
分析型CRM从操作型系统应用所产生的大量交易数据中提取有价值的各种信息，是一种决策支持工具。分析型CRM的主要原理是将交易操作所积累的大量数据过滤，抽取到数据仓库，再利用数据挖掘技术建立各种行为预测模型，最后利用图表、曲线等对企业各种关键运行指标，以及客户市场分割情况向操作型应用发布，达到成功决策的目的。
二、分析型CRM中的数据挖掘应用
毋庸置疑，分析型CRM的独特之处就在于其能够为企业管理者提供辅助决策的信息，而实现这一功能的就是分析型CRM的核心技术之一—数据挖掘技术。本文将探讨数据挖掘技术如何应用于整个客户生命周期，为企业决策提供信息支持。
1.客户生命周期理论
客户生命周期是客户关系生命周期的简称，指客户关系水平随时间变化的发展轨迹，它描述了客户关系从一种状态 (一个阶段)向另一种状态 (另一阶段)运动的总体特征。
阶段划分是客户生命周期研究的基础，目前这方面已有较多的研究，其中，Dwyer，Schurr 和Oh的研究最具代表性。他们提出了买卖关系发展的一个五阶段模型，首次明确强调买卖关系的发展是一个具有明显阶段特征的过程。这一观点被广泛接受，取代了当时盛行的把交易完全看作是离散事件的观点。国内的陈明亮经过研究，把客户关系的发展进一步划分为考察期、形成期、稳定期、退化期四个阶段，称为四阶段模型侧。本文就采用这个四阶段模型进行之后的讨论和分析。如下图1。
图1 客户生命周期概况
客户与企业发生业务的过程中，从未发生接触到初次接触，到形成销售机会、签约，直至成为用户并发生再购买，客户所处的阶段和状态随时变化，针对不同状态的客户，企业需要制定不同的策略。
企业通常会依据业务侧面来划分业务部门。例如:市场部负责公司品牌，市场宣传;销售部负责公司销售任务的完成等。在传统的业务方式开展过程中，部门以完成各自的工作计划为主，很少按照客户的流向来协同规划、配合，整体工作被割裂管理，计划制定缺少依据，易于造成环节失调。完整客户生命周期管理是一种全新的业务规则，它指导企业围绕客户在企业中的发生，发展的过程规划、协调开展业务。企业业务部门的工作职能会相应发生转变。例如:市场部的工作职能由难于量化的品牌工作导向转变为量化的对目标客户的获取为工作导向，销售部的工作职责则成为将机会客户推进成为订单，服务部门的主要工作目标就是成功交付产品并向可以提供满意的服务推进再销售。
2.数据挖掘方法及用途
数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其它模型化处理，从中提取辅助商业决策的关键性数据。
根据数据挖掘的任务可将数据挖掘划分为：关联规则挖掘、序列模式挖掘、聚类数据挖掘、分类数据挖掘、偏差分析挖掘和预测数据挖掘等六类。
3.客户生命周期中的数据挖掘技术
对应客户整个生命周期的各个阶段，企业的客户关系管理需求是不同的，其所使用的数据挖掘技术也不尽相同，具体如图2所示。
图2 客户生奋周期不同阶段的数据挖掘技术
(1)潜在客户阶段
该阶段企业的目标是通过对己有客户进行特征分析，找出自身客户的特点，并依此对新群体进行营销，期望其能成为企业的新客户。对应于这一目标，企业通常使用分类技术找到对企业有贡献的客户群体，并对其实施相应的吸引策略。
(2)已有客户阶段
企业的已有客户是企业当前利润的来源，所以要对其进行各种能够实现利润最大化目标的分析。具体包括以下几点：
①客户群体细分
根据Pareto原理，为企业提供80%利润的客户占全体客户的20%，这部分客户是市场中最有价值的客户，也就是我们常说的大客户。对这部分客户的深入分析可使企业及时调整策略，发现新的商机，从而达到吸引新客户、留住老客户、最大限度提高客户价值的目的。完成该项任务的就是客户细分。客户细分是CRM 实现其目标的主要手段之一。CRM成功的前提条件是能够根据客户价值细分企业的客户。
分类、聚类技术可以应用于客户细分这一目标。由于本文的主要研究方面就是客户细分，故不在此赘述，其具体流程和实现方式将在之后进行详细描述。
②交叉销售
交叉销售又称捆绑销售，是根据客户以往的购买习惯对客户进行针对性的營销。具体包括两种类型:其一是根据大量客户的购买习惯得出客户群体的购买习惯，并对所有客户实施这种营销，超市中的啤酒加尿布就是这一类的代表:另一种是根据特定客户在一定时期内的购买记录，对其进行针对性营销，例如客户本周购买了DVD机，之后的一段时间内可以向该用户推销各种DVD光盘。可以看出，第一种是根据大量客户的购买记录进行的，无时间先后的概念，所捆绑的若干商品是被一次购买的;后一种则是根据某一消费者的历史购买记录进行的，捆绑的商品是被分次购买，具有延伸性。
关联规则和序列分析是实现上述营销功能的有力工具。
③欺诈识别
金融活动中存在着大量的欺诈活动，那些不法分子利用金融机构提供的各项服务进行违法活动，例如洗黑钱、信用卡透支等。作为金融机构，需要使用强有力的侦察工具实现降低事件发生率、及时发现欺诈活动的目的，减少对企业、社会的危害。
数据挖掘中的异常分析就是针对这类情况而生的，当然该项分析还可以用于地质等方面。具体的实现技术包括聚类、分类等。聚类主要用于根据交易记录发现异常对象，而分类则实现根据先验信息对交易记录进行检查发现异常的功能。
(3)客户流失阶段
客户保持对公司的利润底线有着惊人的影响，它对利润的影响远远超过公司规模、市场份额、单位成本和其他许多通常认为与竞争优势有关的因素的影响。客户保持率一个小的提高都能导致利润可观的改善。Reichheld和Sasser(1990)对美国9个行业的调查数据表明，客户保持率增加5%，行业平均利润增加幅度在 25%~85%之间。客户保持已成为公司成功最至关重要的目标，相应的客户流失是企业经营中的巨大损失。据有关统计显示，获取企业新客户的平均成本是维护一个已有客户的5倍左右，相当于一个客户5年内为公司带来的利润。所以说，高客户流失率必将导致客户回报率下降、企业利润减少。
为了实现上述目的，企业需要对流失客户进行分类，找出有用的流失客户，分析其流失原因，尽最大可能挽回他们。其中聚类、分类技术功不可没。
三、结束语
目前，国内所实施的客户关系管理仍然停留在呼叫中心、售后服务等运营型客关系管理的阶段中。日常积累下来的各种客户数据未能得到有效的利用。建立分析客户关系管理，充分发掘蕴含在数据中的知识、甚至一些不合常理的规则，从而有对性的进行客户行为特征分析、潜在客户预测、客户信用分析、欺诈甄别、交叉销售市场促销等将成为该领域发展的趋势。
参考文献：
[1]陈文伟黄金才赵新显:《数据挖掘技术》.北京工业大学出版社，2002
[2] JiaweiHan、Micheline Kamber，“DataMing Concepts and Techniques”，高等教育出版社，2001
[3]何荣勤:《CRM原理、设计、实践》.电子工业出版社，2003
[4]樊治平郭清王建宇:论中资保险公司客户关系管理的应用.保险研究伦坛，2004.2，P35一37
[5]Rumelhart D，Hinton G，Williang R.Learning Representations by Backpropagating Errors.Nature，1986，323(9):318一362
[6]Fahlman S E. Fast Learning Variations on Backpropation:An Emprical study. In: Touretzky D S.Hiton G E，Se jnowski T J Eds.Proceedings of the Conneetionist Models summer school，San Mateo，CA:Morgan kaufmann，1988，38一51