基于關聯分析的數據挖掘在ＣＲＭ中的應用

[摘要] 隨著數據挖掘在企業客戶關系管理中應用的深入，關聯分析越來越成為企業在CRM中應用最廣泛的數據挖掘方法和模式。本文以一家企業CRM關聯分析為例，圍繞關聯分析實踐了數據挖掘的過程，指明了該過程的意義，并結合挖掘結果分析了該企業CRM的工作重點。

[關鍵詞] 數據挖掘 關聯分析 CRM

一、引言

CRM（客戶關系管理）是指企業為了獲取最大經濟效益，運用現代科學技術對公司與客戶之間的關系進行有效管理的新模式，它包括市場調查、產品銷售、客戶服務和管理決策等一系列商業流程。隨著客戶數量的大量積累，客戶信息的日益復雜，僅限于營銷流程的管理已很難滿足企業進一步發展的需要。另外，激烈競爭的市場環境，迫使企業必須立足于客戶的個性需求，提供相應的產品和服務，而客戶的個性特征如何獲取，是企業面臨的難題之一。數據挖掘作為一種強有力的數據分析工具，在分析型CRM中的關鍵作用已經顯現，為企業進行全面深入和多維的客戶分析提供了強有力的工具。數據挖掘技術在企業的客戶關系管理中，可以應用到客戶群體分類分析、交叉銷售、客戶的維護、客戶盈利能力分析和預測、客戶滿意度分析等；而關聯分析是商業分析中應用最廣泛的一種數據挖掘方法和模式。

二、基于關聯分析的數據挖掘

關聯分析是數據挖掘的一種主要形式，而且是無監督學習型系統中最普遍的知識發現形式。典型的關聯分析體現在基于交易數據的購物籃分析中。關聯分析能夠發現交易數據庫中不同商品（項）之間的聯系，如購買了某一商品對購買其他商品的影響。這種影響有時是正面的，有時是負面的，例如“90%的顧客在一次購買活動中購買商品A的同時購買商品B”，表明商品A與B是正相關的。這種規則可以表示為“A=＞B”，表明顧客在購買商品A的條件下，購買B的概率。根據類似規則可以對顧客的購買模式進行深入分析，發現對商業決策有價值的規則和知識。

用于關聯規則發現的主要對象是事務型數據庫，其中針對的應用則是售貨數據，也稱貨籃數據。一項事務一般由事務處理時間、一組客戶購買的物品、客戶標識號等組成。由于條形碼技術的發展，零售部門可以方便地收集存儲大量的售貨數據。對這些歷史事務數據進行關聯分析，則可對客戶的購買行為提供極有價值的信息。例如，可以幫助規劃市場（怎樣相互搭配銷售）。從事務數據中發現關聯規則，對于改進銷售業績等商業活動的決策是非常重要的。

三、關聯分析在企業CRM中的應用實例

1.數據挖掘的主題

某企業以銷售打印機相關產品為主要業務，客戶中有購買商品自用的最終客戶，也有批發商，多年的業務使企業積累了一定量的銷售數據。本次數據挖掘的主題就是對這些數據展開關聯分析，找到最有價值客戶中的購買規律，從大量的交易數據中，獲得這些大客戶購買商品的種類和頻率；通過關聯規則，找出最受大客戶歡迎的商品；并根據大客戶的喜好，采取相應措施維護客戶關系，實現客戶價值。

2.數據的收集

本次數據挖掘我們從該銷售公司的原始銷售表格中提取了以下數據作為我們數據挖掘的原數據（見表1）

(1)客戶名稱:描述客戶關系管理的對象;

(2)單號、貨品編碼、數量、銷售貨款:描述每個客戶所購買的貨品、數量、每一筆交易中每一種貨品的總價格;

(3)銷售收入、銷售毛利:描述哪些商品盈利大，哪些商品最暢銷；

(4)開單日期:描述客戶購買的頻率;

(5)品名規格、計量單位、單價:描述客戶所購商品的基本信息

3.數據預處理

采用關聯規則的挖掘方法，需要先對數據進行預處理，就是對數據進行篩選，選出數據挖掘中需要的數據，并且對數據進行整理。首先以每個客戶的半年交易總額為參考，把交易總額低于10萬的客戶剔除，因這部分客戶大都是零散購買商品的客戶，公司購買商品量比較小，毛利率低，客戶關系維護的價值不大。其次，把交易總額高于10萬的客戶再進行一次篩選，剔除屬于一次性購買大量的辦公自動化用品的用戶，這樣留下的客戶則是那些與公司有多次交易往來并且交易總額比較大的客戶，當然這些客戶是公司主要的客戶關系維護目標。

數據經過篩選以后，在實現數據挖掘之前，還需要對數據進行二元處理。首先，把商品分為6大類，分別為“復印機”、“墨粉”、“硒鼓”、“復印紙”、“打印機”“送紙器”。其次，判斷大客戶是否購買這些商品，并以二元數據加以表示。處理后的數據如表2所示。

4.數據挖掘的實現

本次數據挖掘選用Weka GUI Chooser工具。Weka GUI Chooser是基于Java的用于數據挖掘和知識分析的平臺，集合了大量能承擔數據挖掘任務的機器學習算法，包括對數據進行預處理、分類、回歸、聚類、關聯規則以及在新的交互式界面上的可視化。本文對企業銷售數據的挖掘，只選用關聯規則算法，調用Weka GUI Chooser挖掘工具中的Associate Rules的模塊，選定關聯規則中的Apriori算法，將預處理好的數據轉換為文本格式，導入Weka GUI Chooser進行挖掘。

挖掘后的結果顯示為：

Best rules found:

（1）toner=yes printer=no 400 ==> manifdder=no paper=no 235 conf:(0.59)

（2）manifdder=no automatic-document-feeder=no 566 ==> paper=no printer=no 332conf:(0.59)

（3）manifdder=no 620 ==> toner=yes printer=no 363conf:(0.59)

（4）toner=yes 410 ==> manifdder=no paper=no automatic-document-feeder=no 240conf:(0.59)

（5）toner=no automatic-document-feeder=no 504 ==> manifdder=yes tambour-opc=no printer=no 294 conf:(0.58)

（6）manifdder=no printer=no 530 ==> tambour-opc=no 309conf:(0.58)

（7）paper=no 672 ==> toner=no 390conf:(0.58)

（8） manifdder=no 620 ==> toner=yes printer=no automatic-document-feeder=no 359conf:(0.58)

（9）toner=yes printer=no 400 ==> manifdder=no paper=no automatic-document-feeder=no 231conf:(0.58)

（10）paper=no 672 ==> manifdder=no automatic-document-feeder=no 388conf:(0.58)

……

在所得結果中，有意義的關聯規則主要有：

1、if automatic-document-feeder=yes 177 then manifdder=yes 123conf:(0.69)

意義:如果客戶購買復印機，那么同時買送紙器，置信度為0.69

2、 if manifdder=yes 218 thenpaper=yes 397conf:(0.55)

意義:如果客戶購買復印機，那么同時復印紙，置信度為0.55

3、if tambour-opc=yes 255 then toner=yes 133 conf:(0.52)

意義:如果客戶購買硒鼓，那么同時購買墨粉，置信度為0.52

四、數據挖掘結果對企業CRM的作用

1.深入了解重要客戶的需求特征

對重要客戶的數據挖掘結果顯示“if automatic-document-feeder=yes 177 then manifdder=yes 123conf:(0.69)”，即如果客戶購買復印機，那么同時購買送紙器，其置信度為0.69。可以看出，凡是購買復印機類商品的客戶，很大一部分都會購買型號為MB-501的旁路送紙器。在企業銷售的數據中也驗證了這樣的購買特征。由此可見，購買復印機類商品的代理商，都對型號為MB-501的旁路送紙器有相當的需求量。

2.根據客戶需求周期，做好重要客戶的關系維護

所有的客戶都會存在客戶生命周期（客戶生命周期是指一個客戶和一個企業之間不同的管理階段，客戶的生命周期包括未來潛在的客戶、有意向者、真正的客戶和歷史客戶四個階段）。對于公司經營者而言，客戶處在生命周期的第三階段的時間越長，就意味著公司所賺取的利潤會越高。重要客戶則是處于客戶生命周期的第三階段，良好的客戶關系維護是延長客戶生命周期的重要手段。

挖掘結果表明，在公司的各類客戶中，代理型客戶都屬于公司的重要客戶。其購買特征是定期大批量進貨，有的是每一個月進一次貨，有的是每兩個月一次。在這些客戶的往來訂單上會發現有很多的贈送品，其中辦公耗材用品居多。客戶之所以會選擇這些商品，是由于現在大部分公司都需要使用打印機、復印機等辦公自動化設備，辦公耗材用品（復印紙、墨粉、打印墨水等）的使用量自然就非常大了。

3.關注潛在客戶的需求

數據挖掘結果關注的是公司重要客戶購買規律，公司針對這些客戶進行客戶關系的維護固然十分重要，然而挖掘潛在的客戶的需求同樣很重要。公司所有的客戶中，除了代理型客戶以外還有自用型客戶，而自用型客戶又可以分為新客戶和老客戶，老客戶是屬于重要客戶的一部分，他們會以一定的周期購進一系列的商品，大部分以耗材用品為主，因為這些客戶本身已經有一定量的復印機或打印機之類的辦公自動化設備，在使用這些設備的過程中會有很多的消耗，如打印紙、墨盒、鈷粉等。這些用品的消耗速度是一定的，因此到了一定的時間，他們就會發生購買行為。這樣的客戶一般情況下交易量會很大，而且是長久的定期客戶。至于新客戶，則是那些新公司或新部門成立，需要為辦公室準備一些必須的自動化設備，往往會先以購進大型的復印機或打印機為主，在使用一段時間之后，再根據實際情況購進耗材，完善辦公室設備的需求。這種購買的行為一般會持續2-3個月左右，他們會在這段時期內不斷地發現自己的新需求，購買行為直到需求基本上被滿足為止。由于這些客戶使用大量的辦公設備，需要的耗材數量也很巨大，這些新客戶就是公司潛在的大客戶。公司可以利用一系列的方式維護與這些潛在客戶之間的關系，這也為公司降低了尋找新客戶的成本，而這些客戶成為重要客戶的機率也會比其他客戶高。

五、結束語

數據挖掘技術在以客戶為中心的電子商務時代扮演越來越重要的角色，可以通過對企業銷售數據的關聯分析把企業的大量客戶分成不同的類型，并發現不同類客戶的需求特征，從而提供不同的產品和服務，維護好老客戶，挖掘新客戶，不斷提高客戶滿意度。

參考文獻:

[1]冀玉苓胡華趙遠華:E商業時代基于數據挖掘的客戶關系管理.文章編號：1009-8119（2006）04-0045-03

[2]陳京民等編著:數據倉庫與數據挖掘技術.北京：電子工業出版社，2006年1月第三次印刷版，P259，P79

[3]邁克爾.J.A.貝里（Michael J.A.Berry），戈登.S.利諾夫（Gordon S.Linoff）:數據挖掘--客戶關系管理的科學與技術.袁衛等譯，北京:中國財政經濟出版社，2004年1月第1版，P7，P51

[4]李冠乾許亮:CRM數據挖掘中關聯規則的應用.昆明理工大學學報（理工版）Vol.29No.1