客戶關系管理與數據挖掘

[摘要] 客戶關系管理（Customer Relationship Management，CRM）就是企業利用信息技術，通過對客戶的跟蹤、管理和服務，從而吸引客戶、保留客戶、發展客戶的一種手段和方法。數據倉庫和數據挖掘(Data Mining，DM)使企業獲得顧客深層次信息成為了可能。數據挖掘對數據倉庫中的數據進行加工和處理，提煉出信息和知識，為企業提供決策的依據。數據挖掘是客戶關系管理的基礎技術。

[關鍵詞] CRM DM

一、客戶關系管理

1.客戶關系管理的定義

客戶關系管理(Customer Relationship Management，CRM)首先是一種管理理念，其核心思想是將企業的客戶作為重要的資源，通過完善的客戶服務和深入的客戶分析來滿足客戶的需求，保證實現客戶的終生價值。

CRM又是一種旨在改善企業與客戶之間關系的新型管理機制，它實現于企業的市場營銷、銷售、服務與技術支持等與客戶相關的領域。通過向企業的銷售、市場和客戶服務的專業人員提供全面、個性化的客戶資料，并強化跟蹤服務、信息分析的能力，使他們能夠維護一系列與客戶和生意伙伴之間卓有成效的“一對一關系”，從而使企業得以提供更快捷和周到的優質服務、提高客戶的滿意度。

CRM也是一種管理軟件和技術，它將最佳的商業實踐與數據挖掘、數據倉庫、一對一營銷、銷售自動化以及其他信息技術緊密結合在一起，為企業的銷售、客戶服務和決策支持等領域提供了一個業務自動化的解決方案，使企業有了一個基于電子商務的面對客戶的前沿，從而順利實現由傳統企業模式到以電子商務為基礎的現代企業模式的轉化。

2.客戶關系管理的研究和應用現狀

CRM起源于20世紀80年代初提出的接觸管理(Contact Management)，即專門收集整理客戶與公司聯系的所有信息。到20世紀90年代初期則演變成為包括服務中心與支持資料分析的客戶服務(Customer Care)。經歷了20余年不斷演變發展，CRM逐漸形成了一整套管理理論體系和應用技術體系。

從全球的范圍看，2002年，市場對CRM的需求已經比ERP高，CRM銷售量每年的增長率超過了30%，而ERP只有10%。2005年的銷售額達到了140億美元之多，企業信息化的重點從后臺系統轉向了前臺。在國內，多數企業將大部分力氣投入到企業內部信息系統得建設上，這意味著CRM在我國的應用還不成熟。

CRM應用最廣泛的領域是與科技和計算機相關的領域，這一領域中的企業由于信息化程度高和自身的優勢，能夠通過CRM系統建立起與客戶之間的有效價值鏈，從而鏟射功能更大的效益。而在我國生產總值中占據重要地位的傳統企業在CRM的市場中所占比例較小。加入WTO后，企業面臨著更為嚴峻的國際競爭，因此企業迫切需要尋找類似CRM的新思路、新理念來增強企業的競爭力。現在市場中CRM供應商較多，國際的有Siebel、Oracol、Borland、sybase，國內的用友、中圣、金蝶、創智等。

二、數據挖掘是CRM成功的保障

大量數據的產生和收集導致了信息的爆炸，但信息僅僅停留在在這個階段，未對這些信息進行適時和深層次的分析，致使企業對客戶知識的缺乏。數據挖掘可以從繁雜的數據中找出真正有價值的信息知識，提高企業對客戶了解程度，時時快捷的發現并滿足客戶的需求，從而提高企業的競爭力。

1.數據挖掘使市場信息觸手可及

數據庫及數據挖掘技術(Data Mining，DM)可以擴展企業核心業務過程的信息后勤基礎，通過數據挖掘來保證對數據的訪問及分析，從而提高業務過程的有效性。當企業通過數據倉庫直接向其顧客索取某些信息密集型顧客支持過程的資源時，支持成本會不斷地下降，企業的管理成本也就隨之降低。

利用信息技術和數據資源，不斷地增強對客戶的了解程度，使客戶感覺好像與企業有一種獨一無二的個人關系，具有有效的信息交換和訪問能力，與客戶打交道變得更容易一些。數據挖掘技術基于事實，利用數據倉庫中產品、價格、投資、分配等方面，從浩瀚的信息海洋中提煉出有價值的信息，發現隱含在這些信息中的對等的、不明顯的、不可預知的模式、趨勢和關系，為企業提供決策的依據。

2.數據挖掘將數據加工成信息和知識

在CRM中，數據倉庫將海量復雜的客戶行為數據集中起來，建立一個整合的、結構化的數據模型，在此基礎上對數據進行標準化、抽象化、規范化分類、分析，為企業管理層提供及時的決策信息，為企業業務部門提供有效的反饋數據。數據挖掘對客戶資料進行分析，是挖掘客戶潛力的基石。

數據挖掘技術的作用在企業管理客戶生命周期的各個階段都會有所體現。數據挖掘幫助企業發現客戶的特點，從而可為客戶提供有針對性的服務。通過數據挖掘，可以發現購買某一商品的客戶的特征，從而可以向那些也同樣具有這些特征卻沒有購買的客戶推銷這個商品；若找到流失的客戶的特征，就可以在那些具有相似特征的客戶還未流失之前，采取相應的措施。

三、數據挖掘技術

數據挖掘技術有多種，包括決策樹法、遺傳算法、集合論方法、神經網絡方法、聚類方法、粗集方法、模糊集合方法、Bayesian Belief Netords ，最鄰近算法、關聯規則挖掘算法、可視化技術等，這里主要介紹ID3決策樹法、遺傳算法、神經網絡方法。

1.ID3決策樹法

ID3決策樹法是最有影響和最早的決策樹方法。在規模越大的數據庫中，運用ID3決策樹法進行數據挖掘的效果越好。它利用一系列規則劃分，建立樹狀圖，可用于分類和預測。

ID3方法檢驗所有的特征，選擇互信息最大的特征點A為產生決策樹節點，由該特征的不同取值建立分支，對各分支的實例子集遞歸，用該方法建立決策樹節點和分支，直到某一子集中的例子屬于同一類。ID3方法利用互信息最大的特征建立決策樹，使決策樹節點數最小，識別例子準確率高。決策樹葉子為類別名，即P或者N。

（1)主算法

①從訓練集中隨機選擇一個既含正例又含反例的子集（稱為窗口）；

②用建樹算法使當前窗口形成一棵決策樹；

③對訓練集（窗口除外）中例子用所得決策樹進行類別判定，找出錯判的例子；

④若存在錯判的例子，把它們插入窗口，轉B，否則結束。

（2)建樹算法

①對當前例子集合，計算各特征的互信息；

②選擇互信息最大的特征A(i)；

③把在A(i)處取值相同的例子歸于同一子集，A(i)取幾個值就得幾個子集；

④對既含正例又含反例的子集，遞歸調用建樹算法；

⑤若子集僅含正例或反例，對應分支標上P或N，返回調用處。

2.神經網絡方法

人工神經網絡從神經生理學的基本觀點和結論作為構造人工神經網絡基本假設的前提。以神經生理學為基礎，模擬人的神經元功能，經過輸入層，隱藏層，輸出層等，對數據進行調整，計算，最后得到結果，用于分類和回歸。可以將神經網絡模型分成：（1)感知機(2)Hamming網絡(3)Hopfield網絡。

一個簡單的神經網絡，圖中的橢圓表示節點，橢圓間的連線表示連接。神經網絡接受左邊節點的屬性值，并對其進行計算，右邊的節點就產生新值，這個值表示神經網絡模型的預測值。

3.遺傳算法

遺傳算法(Genetic Algorithm，GA)基于自然進化理論，模擬基因聯合、突變、選擇等過程的一種優化技術。它的主要步驟如下:

編碼:GA在進行搜索之前先將解空間的解數據表示成遺傳空間的基因型串結構數據，這些串結構數據的不同組合便構成了不同的點。

初始群體的生成：隨機產生N個初始串結構數據，每個串結構數據稱為一個個體，N個個體構成了一個群體。GA以這N個串結構數據作為初始點開始迭代。

適應性值評估檢測：適應性函數表明個體或解的優劣性。不同的問題，適應性函數的定義方式也不同。

選擇:選擇的目的是為了從當前群體中選出優良的個體，使它們有機會作為父代為下一代繁殖子孫。遺傳算法通過選擇過程體現這一思想，進行選擇的原則是適應性強的個體為下一代貢獻一個或多個后代的概率大。選擇實現了達爾文的適者生存原則。

交換:交換操作是遺傳算法中最主要的遺傳操作。通過交換操作可以得到新一代個體，新個體組合了其父輩個體的特性。交換體現了信息交換的思想。

變異:變異首先在群體中隨機選擇一個個體，對于選中的個體以一定的概率隨機地改變串結構數據中某個串的值。同生物界一樣，GA中變異發生的概率很低，通常取值在0.001～0.01之間。變異為新個體的產生提供了機會。

GA的計算過程為:選擇編碼方式，產生初始群體，計算初始群體的適應性值。

如果不滿足條件

{選擇交換變異計算新一代群體的適應性值}

四、結論

數據挖掘是CRM的前提和基礎，CRM是數據挖掘的延續和創新，通過將兩者進行有效的組合，不斷促進企業單個客戶價值的提升和客戶規模的擴大，有效地推動著企業價值和實力的不斷攀升。

參考文獻:

[1]田海濤:CRM理念、軟件、實施，一個都不少[j]

http:www.chinabyte.com/20030317/1657407.shtml，2003.11

[2]何榮勤:CRM原理、設計、實踐，電子工業出版社，2003.2

[3]田同生:客戶關系管理的中國之路.機械工業出版社，2001.8