企業(yè)ＣＲＭ評(píng)價(jià)技術(shù)解決模式及應(yīng)用分析

摘 要：基于客戶滿意核心理念的確立，建立了客戶滿意評(píng)價(jià)模型，其中結(jié)合構(gòu)建的CRM（客戶關(guān)系管理）數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu)模型和其他分析技術(shù)來挖掘企業(yè)內(nèi)外客戶數(shù)據(jù)，分析問題，并提供滿意的策略解決模式，推動(dòng)建立商業(yè)企業(yè)持久深入開展客戶關(guān)系管理及評(píng)價(jià)機(jī)制。

關(guān)鍵詞：客戶滿意；數(shù)據(jù)挖掘；模糊評(píng)價(jià)

中圖分類號(hào)：F270文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-3198（2008）06-0147-03

1 客戶滿意理念融合技術(shù)架構(gòu)

企業(yè)需直接與客戶一對(duì)一接觸，采集相關(guān)數(shù)據(jù)，通過相關(guān)客戶滿意評(píng)價(jià)體系，利用合適的技術(shù)，分析挖掘出企業(yè)客戶問題，進(jìn)而采取合適的CRM策略組合，建立合適的客戶主導(dǎo)、客戶滿意的內(nèi)容、客戶滿意的問題解決、客戶滿意的渠道、組織形態(tài)、業(yè)務(wù)體制，這過程中必然要了解客戶需求及滿意度、客戶價(jià)值，創(chuàng)造出新的商務(wù)模式，把所有的商務(wù)過程數(shù)量化、細(xì)化、深入化、效率化，如圖1。

在這個(gè)架構(gòu)里，需要什么樣的數(shù)據(jù)、數(shù)據(jù)如何采集、處理、存儲(chǔ)、清理、轉(zhuǎn)換以及如何分類、區(qū)分、關(guān)聯(lián)、聚類、預(yù)測等這些圍繞數(shù)據(jù)流動(dòng)的客戶滿意理念融合技術(shù)架構(gòu)既需要確立正確的管理理念來規(guī)范數(shù)據(jù)行為特征，更重要的是需要技術(shù)來實(shí)現(xiàn)。面對(duì)現(xiàn)實(shí)生活以及存儲(chǔ)在各種數(shù)據(jù)庫中的海量數(shù)據(jù)，企業(yè)無法僅利用技術(shù)事務(wù)處理來提升企業(yè)管理水平，更需要從大量數(shù)據(jù)中用非平凡的方法發(fā)現(xiàn)有用的知識(shí)，其中數(shù)據(jù)倉庫數(shù)據(jù)挖掘技術(shù)就是實(shí)現(xiàn)數(shù)據(jù)最合理利用的技術(shù)手段，綜合吸收了數(shù)據(jù)庫技術(shù)、知識(shí)獲取、信息提取、模式識(shí)別、統(tǒng)計(jì)學(xué)、人工智能、高性能計(jì)算和數(shù)據(jù)可視化等多學(xué)科領(lǐng)域知識(shí)，目的是開展分析數(shù)據(jù)、理解數(shù)據(jù)、利用數(shù)據(jù)等數(shù)據(jù)行為。

2 構(gòu)造和使用CRM數(shù)據(jù)挖掘模型

客戶滿意度評(píng)價(jià)過程中，涉及了方方面面的數(shù)據(jù)。CRM客戶滿意度評(píng)價(jià)應(yīng)用數(shù)據(jù)挖掘技術(shù)就是利用一切可能的學(xué)科知識(shí)和技術(shù)方法，深入數(shù)據(jù)，結(jié)合實(shí)際模型，創(chuàng)建描述和預(yù)測客戶關(guān)系及行為的模式，發(fā)現(xiàn)有用可靠的數(shù)據(jù)及其規(guī)律性。

數(shù)據(jù)挖掘過程主要包括數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)采掘、表達(dá)結(jié)果，是構(gòu)造或驗(yàn)證可理解可用的數(shù)據(jù)模型的過程，是一個(gè)由多個(gè)步驟相互連接而成的、反復(fù)運(yùn)行的非平凡過程，如圖2。其中使用的數(shù)據(jù)挖掘主要技術(shù)包括聚類、決策樹、OLAP、神經(jīng)網(wǎng)絡(luò)、回歸和關(guān)聯(lián)規(guī)則。

圖2 CRM數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu)模型

（虛箭頭表示技術(shù)在系統(tǒng)中的應(yīng)用）

（1）數(shù)據(jù)準(zhǔn)備。

當(dāng)進(jìn)行數(shù)據(jù)挖掘時(shí)，首先要從大量數(shù)據(jù)中取出一個(gè)要與探索問題相關(guān)的樣本數(shù)據(jù)子集，而不是動(dòng)用全部數(shù)據(jù)，其中的數(shù)據(jù)經(jīng)常來自完全不同的源——OLTP系統(tǒng)、傳統(tǒng)系統(tǒng)、文本文件或電子表格。比如需要測量某類型客戶滿意度，需要提取此類客戶通過問卷調(diào)查收集的數(shù)據(jù)、與企業(yè)交互的歷史數(shù)據(jù)（網(wǎng)絡(luò)平臺(tái)收集匯總的、交易輸入輸出的等）。

其中涉及的處理技術(shù)如清理、集成、變換、歸約（數(shù)據(jù)離散化、概念分層）等數(shù)據(jù)預(yù)處理技術(shù)。

清理：處理如數(shù)據(jù)屬性值空缺、測量變量中隨機(jī)錯(cuò)誤和偏差、數(shù)據(jù)不一致如編碼等，采用技術(shù)方法是如人機(jī)結(jié)合、回歸、判定樹、聚類等數(shù)據(jù)挖掘技術(shù)。

集成：涉及來自不同數(shù)據(jù)源的實(shí)體匹配即實(shí)體識(shí)別問題的處理、屬性冗余、數(shù)值沖突的檢測和處理（編碼|價(jià)格單位），采用技術(shù)方法分別是元數(shù)據(jù)、相關(guān)分析等。

變換：將數(shù)據(jù)轉(zhuǎn)換為適合分析模型的形式，如客戶滿意度評(píng)價(jià)模型中，評(píng)價(jià)集和評(píng)判集的轉(zhuǎn)換：（48，30，15，7，0） （0.48，0.3，0.15，0.07，0）涉及到方法：如上述規(guī)范化（最小-最大規(guī)范化、z-score規(guī)范化、按小數(shù)定標(biāo)規(guī)范化）、平滑、聚集、數(shù)據(jù)概化、屬性構(gòu)造。

歸約：通過數(shù)據(jù)立方體聚集、維歸約、數(shù)據(jù)壓縮、數(shù)值壓縮、離散化和概念分層等策略使得待分析數(shù)據(jù)集變小，但仍然接近于保持原數(shù)據(jù)的完整性。如采樣，其算法包括簡單隨機(jī)采樣、起始順序采樣、等距采樣、分層采樣和聚類采樣等。

數(shù)據(jù)預(yù)處理還可以對(duì)數(shù)據(jù)初始化描述包括計(jì)算平均值、標(biāo)準(zhǔn)差、平均數(shù)差異檢驗(yàn)、方差分析等一些簡單的統(tǒng)計(jì)量，并可以作出頻率分析如客戶投訴率等及通過可視化技術(shù)更進(jìn)一步理解數(shù)據(jù)，考慮是否還需要其他因素納入模型中、以及是否對(duì)數(shù)據(jù)進(jìn)行凈化等操作等有關(guān)問題使模型分析更具準(zhǔn)確性。

（2）數(shù)據(jù)采掘。

啟動(dòng)客戶滿意度模型，輸入數(shù)據(jù)進(jìn)行分析，典型的客戶滿意度數(shù)據(jù)分析方法有：

相關(guān)分析：用于分析兩個(gè)變量之間的線性關(guān)系。

多元回歸分析：用于檢驗(yàn)一個(gè)因變量和若干自變量之間的關(guān)系

主成分分析和因子分析：通過在變量中提取成分的方法，有效地將高維的變量系統(tǒng)綜合簡化為一個(gè)低維的變量系統(tǒng)。在客戶滿意度指數(shù)測評(píng)中，模型有多少個(gè)隱變量就運(yùn)用多少次主成分分析法，然后啟動(dòng)多元回歸模型。

線性結(jié)構(gòu)關(guān)系分析（LISREL：Analysis of Liner Structure Relationship）：采用最大似然法通過最大似然函數(shù)對(duì)模型參數(shù)進(jìn)行優(yōu)化，利用聯(lián)立方程組來求解包含潛在變量的因果關(guān)系。

偏最少二乘法（PLS:Partial Least Squares Regression）：通過在自變量和因變量中提取成分，使得所提取的成分一方面包含了原始資料里的最大信息，另一方面所提取的自變量對(duì)因變量又具有最大的解釋能力。

首先由于客戶滿意度模型需要的評(píng)價(jià)因素如內(nèi)部客戶下層預(yù)測變量（因素）需要確定，一是能全面反映內(nèi)部客戶滿意度，即完全性，二是各預(yù)測因素之間不重疊，即相對(duì)獨(dú)立性；其次，權(quán)重分配、各預(yù)測因素的評(píng)判集是否合理，主觀成分多大，即支持度（utility）和置信度（certainty）等分析；再次，得到的評(píng)價(jià)結(jié)果如何轉(zhuǎn)化為行為策略組合即結(jié)果數(shù)據(jù)與策略集的關(guān)系的分類預(yù)測聚類等；

因此應(yīng)用在客戶滿意度評(píng)價(jià)中的數(shù)據(jù)挖掘還需要在整個(gè)過程中反復(fù)地確定滿足模型需要的挖掘知識(shí)類型（完成什么樣的任務(wù)）及應(yīng)用相關(guān)挖掘技術(shù)和算法，一般可以分為：描述和預(yù)測；描述性挖掘任務(wù)刻畫相關(guān)數(shù)據(jù)集中數(shù)據(jù)的一般特性；預(yù)測性挖掘任務(wù)在當(dāng)前數(shù)據(jù)上進(jìn)行推斷，以進(jìn)行預(yù)測。

數(shù)據(jù)特征化：研究目標(biāo)類數(shù)據(jù)集數(shù)據(jù)的一般特征或特性的匯總。如研究客戶滿意度影響提高10%子因素滿意度變化較大的主要因素。

數(shù)據(jù)區(qū)分：將目標(biāo)類因素的一般特性與一個(gè)或多個(gè)對(duì)比類因素的一般特性比較。如內(nèi)部客戶滿意度提高10%與外部客戶滿意度提高10%對(duì)總體滿意度的影響進(jìn)行比較。

關(guān)聯(lián)分析：發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，這些規(guī)則展示屬性-值頻繁地在目標(biāo)類數(shù)據(jù)集一起出現(xiàn)的條件。如設(shè)（花的品質(zhì)，成本費(fèi)用，申訴處理，客戶關(guān)懷，信息互動(dòng)）分別為（B7 B8 B9 B10 B11），外部客戶為B2，數(shù)據(jù)挖掘系統(tǒng)可能發(fā)現(xiàn)如下的關(guān)聯(lián)規(guī)則：CSI（B7，“80…90”）∧CSI（B8，“80…90”）∧CSI（B9，“80…90”）∧CSI（B10，“80…90”）∧CSI（B11，“80…90”） CSI（B2，“？”），“？”是否是外部客戶滿意度指數(shù)值，是否存在其他因素也影響外部客戶滿意度等。

分類和預(yù)測：找出描述并區(qū)分?jǐn)?shù)據(jù)類或概念的模型（或）函數(shù)，以便能夠使用模型預(yù)測類標(biāo)記未知的對(duì)象類。而預(yù)測是對(duì)某些空缺的或不知道的等數(shù)據(jù)值的預(yù)測，包含基于可用數(shù)據(jù)的分布趨勢(shì)識(shí)別。如不同因素滿意度的分析找出合適的改進(jìn)策略組合。主要方法包括：決策樹/判定樹、貝頁斯法、BP神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗糙集、模糊集等。

聚類分析：根據(jù)最大化類的相似性、最小化類間的相似性的原則對(duì)對(duì)象的簇進(jìn)行聚類或分組。如通過聚類分析客戶群分類。孤立點(diǎn)分析：基于偏差的方法考察對(duì)象主要特征上的差別。如發(fā)現(xiàn)黑名單客戶。演變分析：描述行為隨時(shí)間變化的對(duì)象的規(guī)律或趨勢(shì)，并對(duì)其建模。如花卉市場價(jià)格的走向。

（3）結(jié)果表達(dá)。

整個(gè)分析挖掘過程將會(huì)得出一系列的分析結(jié)果、模式或模型。解釋并評(píng)估結(jié)果、模式或模型，并將分析所得到的知識(shí)集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中，還可以把得到的數(shù)據(jù)挖掘關(guān)健過程抽取出來并直接應(yīng)用到新的數(shù)據(jù)里。通常所發(fā)現(xiàn)的模式以多種形式顯示，如規(guī)則、表、交叉表、餅圖或條圖、判定數(shù)、數(shù)據(jù)立方體或其他可視化表示。

3 分析應(yīng)用

企業(yè)有必要作客戶關(guān)系分析，通過建立有針對(duì)性的客戶滿意度測評(píng)體系，借助數(shù)據(jù)挖掘技術(shù)方法尋求有章可循的更合理的策略組合模式來實(shí)現(xiàn)，如圖3。

圖3 客戶滿意度測評(píng)體系層次圖

在上述圖形中，依據(jù)因素相關(guān)性分析和聚類分析，可決定總滿意度的因素共計(jì)十二個(gè)，第一層次因素有2個(gè)，其余因素為第二層次，分別影響第一層次的某個(gè)因素。這里規(guī)劃分析內(nèi)部客戶滿意度、外部客戶滿意度之間對(duì)于企業(yè)間的博弈關(guān)系。當(dāng)然，還可以進(jìn)行細(xì)分為第三層因素……。還可以根據(jù)分析意圖不同，進(jìn)行其他的因素的分類。

首先考慮確定各因素的權(quán)重非常重要，采用專家評(píng)定法或者顧客打分法或相結(jié)合的方法，對(duì)相應(yīng)因素的重要性打分，根據(jù)層次分析法可得各因素在對(duì)應(yīng)因素的權(quán)重系數(shù)，其中須引用數(shù)據(jù)挖掘算法評(píng)估其合理性即可信度。

其次通過對(duì)相關(guān)客戶群進(jìn)行調(diào)查抽樣和相關(guān)系統(tǒng)（數(shù)據(jù)倉庫）數(shù)據(jù)采集處理分析的基礎(chǔ)上，利用模糊、統(tǒng)計(jì)方法可得第二層次各因素的客戶滿意度評(píng)判集(按5級(jí)標(biāo)度法，即H={1，2，3，4，5}，作歸一化處理)，其中客戶投訴率等定量因素則可利用線性隸屬函數(shù)求出對(duì)應(yīng)的客戶滿意度評(píng)判集。

再次依據(jù)Bk＝WkRk如因素內(nèi)部客戶滿意度B1可計(jì)算出為

總體滿意度B的評(píng)判集由第一層次即內(nèi)部客戶滿意度因素和外部客戶滿意度因素評(píng)判集求得

B=（0.07623 0.115815 0.25826 0.23693 0.322775）…………(2)

而各因素滿意度均值E（Bk）=BkH如內(nèi)部客戶滿意度均值

E（B1）=(0.0228，0.0748，0.1436，0.3148，0.444)（1，2，3，4，5）T

=4.0824(3)

進(jìn)一步依照客戶滿意度指數(shù)CSI=E(B-1)4×100（因H=（1，2，3，4，5））可得每一因素的客戶滿意度指數(shù)見表1。

4 結(jié)果分析及結(jié)論

從此表中，按照CSI由高到底排列：其中內(nèi)部客戶滿意度高，但企業(yè)客戶增加流失狀況需要進(jìn)一步分析評(píng)價(jià)；外部客戶CSI為59.4375，滿意度低，根據(jù)需要進(jìn)一步細(xì)化分析如采取客戶關(guān)懷策略、信息技術(shù)策略、及時(shí)處理投訴等措施加強(qiáng)外部客戶的滿意程度；而從總滿意度指數(shù)為65.61可以看出企業(yè)總體滿意度一般。

從上述對(duì)客戶滿意度評(píng)價(jià)模型構(gòu)建的流程過程分析，要使數(shù)據(jù)分析的準(zhǔn)確性和評(píng)價(jià)結(jié)果的合理性得到加強(qiáng)，數(shù)據(jù)挖掘技術(shù)及評(píng)價(jià)算法在其中扮演著重要的角色，隨著客戶滿意度模型理論和數(shù)據(jù)挖掘技術(shù)、算法的進(jìn)一步豐富完善，必然能使CRM客戶滿意評(píng)價(jià)和經(jīng)營理念得到深入貫徹和應(yīng)用。

參考文獻(xiàn)

［1］彭木根.數(shù)據(jù)倉庫技術(shù)與實(shí)現(xiàn)［M］.北京：電子工業(yè)出版社，2002.

［2］張世偉、陸余楚.模糊數(shù)學(xué)應(yīng)用［M］.上海：同濟(jì)大學(xué)出版社，1992.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文。”