客户关系管理在“大数据”时代下的数据挖掘研究

客户关系管理在“大数据”时代下的数据挖掘研究作者：陆静来源：《电脑知识与技术》2013年第32期摘要：许多企业都收集了大量的客户数据存储于企业的数据库中，通过深入分析和挖掘隐藏于这些数据中的有用信息可以很好的实现企业的客户关系管理（CRM）目标。

但大部分企业都面临着如何更有效地管理数据库中不断增长的海量数据以及如何将这些数据转化成有用的知识的难题，发展运用数据的挖掘技术可以很好地帮助企业解决这个问题。

关键词：数据挖掘；客户关系管理；海量数据中图分类号：TP274 文献标识码：A 文章编号：1009-3044（2013）32-7180-03以客户为导向是电子商务时代一个最主要的特征。

客户关系管理（Customer Relationship Management CRM）就是企业利用信息技术，通过对客户的跟踪、管理和服务，留住老客户、吸引新客户的手段和方法。

现代社会竞争日益激烈，企业要想留住客户的心单单靠提高产品质量已经远远不够了，提高企业的市场竞争力最主要的一点就是要为客户提供最优质的服务。

由于企业客户的需求存在多样性，当务之急是针对不同的客户提供个性化的服务[1]。

许多企业已经对客户关系管理所能发挥的作用有所了解，它能够让企业对客户的需求有更深入的了解，并能在企业产品和服务的设计方案中及时采纳相关客户的反馈意见，从而能将深层次的个性化服务提供给客户。

企业要想实现利润的最大化，就必须对客户的行为有充分的把握，根据客户的不同类型采取相应的策略：即必须拥有忠诚度较高的长期客户。

这就要求企业将本身的经营模式逐步由“以产品为中心”向“以客户为中心”转换，因此“以客户为中心”的经营理念开始广泛流行起来。

CRM（Customer Relationship Management）的概念是由美国计算机技术咨询集团Gartner Group 于1997年第一次提出，CRM的出现使得“以客户为中心”的经营理念由空洞的口号转变为有一套实际理论支撑的可操作体系。

2000年左右，CRM概念传入国内并成为国内企业应用领域的热点研究方向之一。

由于近年计算机、通讯技术和网络应用技术的飞速发展，CRM在实现方面获得了强大的技术支撑，相关的技术知识如：数据库和数据仓库、数据挖掘、客户机/服务器体系、知识发现、图形用户界面、决策支持、Internet和电子商务技术、面向对象技术、呼叫中心等等，很多理想中的CRM功能由此能够被实现成为新产品。

现在，经过十多年的发展，客户关系管理已经融合了现代市场营销和现场服务的理念，并集成了CTI（计算机电话集成技术）和Internet（互联网技术）等相关技术，开始进入它的成长、壮大和快速发展时期。

1 大数据环境下客户关系管理特征分析客户关系管理最早是由Gartner Group形成完整的概念，其核心思想是通过建立一套系统，使企业能够在市场竞争、客户服务、销售及支持等方面形成一个彼此协调合作的全新关系实体，企业因此在竞争方面具有更长久的优势。

尽管CRM的思想产生已久，直到近几年来由于信息技术的发展取得较大的成果，其实现才出现了较快的进展。

软硬件、培训和专业服务是CRM用于企业解决的方案内容，通过使用硬件、培训设计和购买专业服务能够将全面实时的数据提供给公司员工，从而使他们对每个客户的购买历史和具体需求有清楚的认识，因此他们能在对客户充分理解的前提下为之提供优质的服务。

通过CRM应用系统，公司可以收集到有关每次企业与客户之间交流、每次企业销售活动、每次企业产品升级和客户支持等问题的详细信息，并分析利用这些信息来逐步提高产品的服务和质量，最终使客户成为忠诚度较高并且有利可图的终身客户。

尽管CRM的方法很吸引人，但直到时间进入20世纪90年代后期，客户关系管理的概念才开始逐渐深入到一些大型公司的决策管理层。

IBM的相关调查结果显示，大多数的企业，特别是许多中小规模的企业，仅仅是初步了解了一些客户关系管理的应用，对于客户关系管理特定的解决方案则知之甚少。

虽然许多公司都对客户数据进行了收集，但这些数据通常分布在公司的各个部门中，并没有很好地实现在整个公司范围内进行有效的连接和整合。

由于信息技术的迅速发展特别是互联网技术的不断更新CRM在近些年得到了大力推广，如果缺少了信息技术的核心互联网技术不断进步的推动，CRM的实施过程一定不会像现在这般顺利。

互联网可以被形容成是CRM前进的助推器，具体的IT技术应用包括：数据挖掘、数据库、数据仓库、呼叫中心和网络浏览器中的个性化客户服务系统等等，这些技术与CRM的应用同步取得了发展和前进。

2 大数据环境下数据挖掘技术分析数据挖掘（DM，Data Mining）是指从数据库的大量数据中提取隐含的、先前未知的并有潜在价值的信息和知识的过程。

下面给出的数据挖掘的定义主要分为技术层面和商业层面[2]。

数据挖掘的技术定义。

从技术的角度来看，数据挖掘是从海量的、不完整的、有噪音的、模糊的、随机的实际数据中，提取隐含在其中的、事先无法获知的、但又有潜在价值的信息和知识的过程。

因此数据被看作是知识的源泉，数据挖掘的过程就好像是在许多的金矿石中千挑万选淘出金子一样。

发现的知识可以用来对信息进行管理，也可以用于查询优化，决策时提供支持以及对过程进行控制等。

数据挖掘由此成为一门交叉多种理论的学科，人们应用数据的能力从低层次的简单数据检索，提升到利用数据挖掘技术从数据库中发现知识，并为决策提供支持。

数据挖掘的商业性质的定义。

从商业应用的方面来看，数据挖掘是一种全新的对商业活动中收集的客户的资料进行处理的技术。

数据挖掘是利用机器学习和统计学的相关技术，希望建立一种模式可以用来模拟客户与市场的行为。

目前，数据挖掘通过与企业商业数据仓库的紧密结合已经可以实现自动化挖掘，并且将挖掘的结果以方便快捷的形式向企业管理决策层展示。

在数据挖掘应用中不单要解决选择优秀算法来建立最佳模型的问题，而且更关键的是要解决企业复杂多变的信息采集与收集环境与数据挖掘技术如何结合的问题。

其次，因为数据挖掘技术也有自身的缺陷，它无法拥有或模拟人类的直觉和经验，所以对于挖掘得到的模式还需要靠数据挖掘分析人员来鉴别出它们的现实意义。

因此，在数据挖掘过程中分析人员也必须参与进来[2]。

3 大数据环境下数据挖掘技术在客户关系管理中的应用信息技术迅速发展过程中的数据库技术和计算机网络技术的广泛应用导致企业所采集和存储的数据量急速膨胀。

企业商业运作中的利弊得失实际都蕴藏在所采集的海量数据与信息之中。

为了帮助企业更好地进行商业运营决策，就必须迅速有效而且深入地分析和处理这种海量数据与信息，从中发现一些模式和规律，获取所需要的知识。

在这种市场需求的背景中数据挖掘技术及其产品得到逐渐的发展并成熟，企业在数据挖掘中的投资也获得了较高的回报。

在客户生命周期的每个管理阶段，企业都可以使用到数据挖掘产品。

客户的特点在数据挖掘中可以被有效地确定，从而帮助企业有针对性的为客户提供服务。

通过研究发现，在CRM中的数据挖掘应用主要有以下几个典型方面。

3.1 客户分类分析企业为了同客户建立起持久的关系，在每一次与客户接触的过程中都要对每一个客户进行充分的了解，这就是“一对一营销”策略，这是营销理论的重要观点。

将所有可以细分的群体从一个大的消费群体中划分出来的过程就是客户分类的过程。

比如不同需求和交易习惯的客户群体可以根据客户的性别、收入和交易行为特征等属性进行细分，具有相似属性的客户被划分在同一个类里，而属性差异比较大的客户被划分在不同类之中，同时，在推测某个消费群体的消费行为的时侯可以参考关于这个群体的兴趣、消费倾向和产品需要等方面的描述。

针对有价值的客户群体，企业可以开展更具针对性的促销活动，提供个性化的服务，从而使企业获得更大的投资回报。

企业在客户分类中，可以利用对现有的客户进行聚类的结果按客户的不同价值进行分类标识客户（普通客户、最具增长型客户、高价值客户、负价值客户），在描述客户的特征时则可以使用决策树算法来建立分类模型。

独立的客户细分群可视为决策树的一个叶节点。

客户的某些特定特征用来定义每个叶节点，发生一些预测当遇到与这些特征相吻合的客户时。

3.2 客户行为分析客户的满意度、忠诚度、响应度、客户流失预测，交叉销售等多方面的分析可以由分析客户行为的模块来完成，客户关系建立的基础在于客户满意程度、忠诚度的长期保持，而这将对企业的持续发展盈利能力的提高起到有效的帮助。

为降低销售方面的成本，改善企业销售和促销方面的行为，就需要对客户的响应度进行分析，这可以有效的提高促销的目标性。

对可能流失的客户进行预测分析可以帮助企业采取有效措施挽留客户避免客户的流失，而发现交叉销售的机会则需要通过对现有客户购买产品行为数据的关联分析，企业为客户提供更加周到的服务，可以获得更大的收益。

客户满意度分析：客户满意度分析是一种已经有自己的分类标准的数据挖掘分类任务，是对企业提供的某种产品或者是某项服务的消费情况的总体评价，使用公式和自己设定的度量标准，并结合时间和另外的参数，对客户购买产品、意见反馈、维修及投诉电话等信息进行分析，发现导致客户满意度降低的缘由，从而针对性的提高客户的满意度。

客户忠诚度分析：客户的忠诚度是指企业的现有用户倾向于继续购本企业产品或服务的程度。

企业对客户的忠诚度开始进行分析，并客户忠诚度的变化情况进行关注，对现有的客户数据通过客户购买倾向的度量来进行分类，从而实现对当前客户的保持。

客户盈利能力分析：客户盈利能力分析是采用数据挖掘系统来分析并预测客户的盈利能力在不同市场活动情况下的变化情况，从而帮助企业及时调整自身的市场策略。

首先为了确定客户的价值需要通过制定公式来计算客户的盈利能力，企业为给下一步的数据挖掘应用指出明确的方向，可以根据计算公式来设定一些优化的目标，然后，再使用挖掘工具对客户进行分析以及分类，将客户划分为真正创造利润的、无利润的和存在潜在利润的客户等，企业的营销策略可以按它的指向发生变化，实现保留有价值客户同时对潜在客户进行再次开发，将成本的花费控制在最低。

客户生命周期价值分析：客户生命周期价值分析是对企业现有客户或潜在客户在某一段时期内的价值进行预期。

主要表现在通过收入、成本以及风险来计算客户在不同时期的收入、成本、风险，然，找出服务属性、客户属性和客户消费属性与最终客户流失状态之间的关系，建立预测模型来分析并预测当前客户是否存在流失的可能性。

只有拥有稳定的老客户和不断获得新增客户才能保持企业的不断成长和发展壮大，通过使用数据挖掘你可以识别企业是否存在潜在的客户群体，从而避免流失有价值的客户，并对市场的活动做出积极的响应。

3.3 市场分析企业要想在市场中生存下来，关键要把握住市场的动态，对市场发展趋势做出积极响应，这样才能在市场激烈的竞争中立于不败之地。