基于數據挖掘的電信行業分析型CRM系統研究

[摘 要] 先進的CRM管理理念需要適當的信息技術作為支撐才能得以落實。本文旨在利用數據挖掘等技術構建面向電信企業的分析型CRM系統，并力求使分類與預測等功能準確、靈活、實用，從電信企業業務數據中挖掘有意義的決策支持信息，使企業獲得更大的收益。

[關鍵詞] 數據挖掘;CRM;電信行業

doi : 10 . 3969 / j . issn . 1673 - 0194 . 2010 . 03 . 034

[中圖分類號]F270.7;TP39 [文獻標識碼]A [文章編號]1673 - 0194(2010)03 - 0083 - 02

0引言

隨著市場營銷模式由傳統的4P轉向4C，企業的戰略目標也由以“產品為中心”轉變到“以客戶為中心”，使CRM(Customer Relationship Management，客戶關系管理)變得越來越重要。CRM的管理理念已經非常成熟，落到實處卻還需要一個艱難的過程。比如認可2/8原則，卻不知20%的客戶如何來識別;意欲提高客戶忠誠度和滿意度，卻難以動態把握好客戶需求;想有針對性地營銷，卻無法找出真正高盈利客戶的喜好與潛在需求等。

對于電信企業情況也是如此。電信企業的產品和服務受眾面非常廣，如何更好地進行客戶管理變得尤為重要。針對這種情況，本文旨在研究一種面向電信企業的分析型客戶關系管理系統模型，充分利用電信企業的海量運營數據，從中挖掘有價值的信息，使企業迅速獲得管理、決策所需的關鍵信息，使企業能夠將先進的客戶關系管理理念應用于實際管理，以及時掌握企業內外發展狀況，更好地應對突發事件，幫助企業管理者作出正確、及時的管理決策。

1系統模型設計

根據電信企業的業務需求和管理需求，設計面向電信企業的分析性CRM系統模型(如圖1所示)。系統分為業務處理、異構數據導入和深層數據分析3部分。

業務處理部分對客戶的基本信息、產品和服務進行維護，提供日常業務處理功能用于處理電信企業的日常業務，同時產生的業務數據及月結信息留作進一步的深層數據分析之用。提供FAQ(Frequently Ask Question)應答功能，解析客戶用自然語言表達的問題，并在數據庫中搜索相匹配的答案。

異構數據處理部分抽取、轉化業務數據，使之適于深層次的數據分析。同時提供面向其他電信企業客戶關系管理系統(異構)的數據提取轉化功能。

深層數據分析提供從不同角度和不同粒度的數據分析能力(OLAP)，提供對客戶相關信息的分類與預測功能(其中分類角度由企業自行選擇，包括客戶類別、對某種產品或服務的購買與否、是否流失等)，提供對某類客戶(大客戶、信用度好的客戶等)的特征提取功能，提供客戶的聚類分析功能(某類客戶的年齡、收入的聚集點)。分析結果以用戶可以理解的形式表示，作為管理層的決策依據。

2研究要點

本研究的目標是利用先進的數據挖掘等數據分析技術，開發出符合我國國情的、具有明顯行業針對性、具有智能化特征的CRM系統。研究的技術要點及先進性在于:

(1) 利用AOI(Attribute Oriented Induction)方法提取客戶特征。系統自動抽取價值大、對某產品感興趣及流失客戶的特征，并根據客戶不同的分類方式，對新增用戶做出預測，使得關系營銷、一對一營銷、客戶細分等理論得以實際應用，以提高客戶忠誠度與滿意度，使企業獲得更大收益。

(2) 自動識別對客戶的行為產生影響的屬性，進而應用這些屬性對客戶進行分類與預測?？蛻舻膶傩园ㄐ彰?、性別、年齡、工作、家庭住址、收入等，有些屬性對客戶的行為有決定性作用，而有些屬性則沒有影響，分類與預測之前先進行屬性相關性分析，去掉不相關屬性，使客戶分類與預測合情合理，具有實際應用價值。

(3) 異構數據導入。分析型CRM系統面向不同結構的運營型CRM系統，針對數據源的不同環境和結構，異構數據導入功能使業務數據順利導入分析型CRM系統并被識別，以完成進一步的數據分析工作。

(4) 靈活定義客戶盈利能力衡量指標?？蛻粲芰εc客戶過去和未來的購買力、發展客戶成本、企業促銷付出等許多因素有關系，不同企業的定義方法都不相同，本文研究實現客戶盈利能力的預定義，進而實現對客戶盈利能力的計算和衡量，使得客戶盈利能力的分析科學、合理，滿足不同的實際管理需要。

(5) 客戶分類定義。解決客戶分類的靈活、多樣性問題，以滿足客戶細分需求。從不同的角度，如信譽好、一般和不好的客戶，對新產品感興趣和不感興趣的客戶，流失客戶與忠誠客戶等，滿足企業的不同管理需求。

(6) 提供不同角度、不同粒度的聯機分析處理(OLAP)能力，以提高管理層對業務狀況的掌控能力。

(7) 自然語言識別。研究文本的關鍵信息抽取問題，自動識別并及時解答客戶用自然語言所提的問題，對客戶需求快速反應。用戶不滿意的回答轉人工服務，并將結果充實問題庫。

3系統驗證

利用某電信企業2007年和2008年的業務數據對系統進行驗證。實驗證明，系統具有靈活、實用的特點。系統所提供的分類與預測、特征提取和聚類分析功能都非常有效。圖2為對大客戶的年齡進行聚類(目標組定為3組)的結果。系統采用K-means聚類算法，每次運行隨機選取初始聚類中心點，但聚類結果3個中心點分別在27、35、47，上下波動范圍不超過1歲。

4總結

數據挖掘是探查和分析大量數據以發現有意義的模式和規則的過程，數據挖掘使企業能夠從過去的業務數據中找出對未來有用的信息。本文通過數據挖掘技術為電信企業構建分析型的客戶關系管理系統，使企業通過對客戶的更好了解來改善其市場、銷售和客戶支持。研究目標在于數據分析的準確性和管理分析的靈活性，以更好地滿足企業的不同管理需求，更好地為管理者提供決策支持。

主要參考文獻

[1] 董金祥，等.客戶關系管理[M].杭州:浙江大學出版社，2004.

[2] 欒世武.數據挖掘給企業應用帶來什么[J]. 微電腦世界，2000(23).

[3] [加]韓家煒，坎伯.數據挖掘概念與技術[M].范明，等，譯. 北京:機械工業出版社，2001.

[4] 蘇新宇，等.數據倉庫和數據挖掘[M].北京:清華大學出版社，2006.

[5] [美]Pang-Ning Tan.數據挖掘導論[M].范明，等，譯. 北京:人民郵電出版社，2006.

[6] [美]Michael JABerry，Gordon SLinoff. 數據挖掘技術[M].北京:機械工業出版社，2006.