數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的應(yīng)用研究

摘 要：在電子商務(wù)環(huán)境下，客戶對(duì)企業(yè)起著至關(guān)重要的影響。新客戶的獲取無疑對(duì)企業(yè)的生存和發(fā)展起到很重要的作用?？蛻絷P(guān)系管理系統(tǒng)中，通過分析海量數(shù)據(jù)之間的聯(lián)系，建立規(guī)范全面的信息模型。為了解決新客戶的獲取問題，采用數(shù)據(jù)挖掘技術(shù)對(duì)客戶類別進(jìn)行預(yù)測(cè)。通過對(duì)數(shù)據(jù)挖掘各種算法的比較，做了決策樹算法編程實(shí)驗(yàn)，獲得客戶類別的預(yù)測(cè)結(jié)果。結(jié)果表明，數(shù)據(jù)挖掘技術(shù)能有效提高客戶預(yù)測(cè)的準(zhǔn)確率，提高了數(shù)據(jù)利用率。

關(guān)鍵詞：客戶關(guān)系管理； 數(shù)據(jù)挖掘； 決策樹； 客戶獲取

中圖分類號(hào)：

TN915-34

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-373X(2011)19

-0150

-04

Application of Data Mining Technology in Customer Relationship Management System

LIU Zhong-kui， GUO Min

(College of Electronic Information and Control Engineering， Beijing University of Technology， Beijing 100124， China)

Abstract： In E-commerce environment， customers play a crucial impact on the company. The acquisition of new customers plays an important role in the existence and development of enterprises. There is rich and complex customer data in customer relationship management system. By analyzing the links between the data， a more comprehensive information model is established. In order to solve the problem about how to get new customers， data mining technology is used to solve customer category forecast. Through the comparison of various algorithms in data mining， the decision tree algorithm programming experiment is made to get the prediction results of clients. The results indicate that the method can efficiently improve the accuracy and raise the data utilization.

Keywords： customer relationship management; data mining; decision tree; customer acquisition

收稿日期：2011-04-21

0 引 言

隨著信息時(shí)代的到來，電子商務(wù)的飛速發(fā)展，客戶比以往有了更多的選擇，這樣的商業(yè)現(xiàn)狀迫使企業(yè)從“以產(chǎn)品為中心”轉(zhuǎn)變?yōu)椤耙钥蛻魹橹行摹?。在這種經(jīng)營理念的轉(zhuǎn)變下，了解現(xiàn)有客戶，認(rèn)識(shí)到他們的需要是非常重要的。對(duì)現(xiàn)有客戶和潛在客戶的培養(yǎng)和挖掘，被認(rèn)為是企業(yè)獲得進(jìn)一步成功的關(guān)鍵?？蛻絷P(guān)系管理就是在這樣的趨勢(shì)下應(yīng)運(yùn)而生的?？蛻絷P(guān)系管理(Customer Relationship Management，CRM)是對(duì)企業(yè)和客戶之間的交互活動(dòng)進(jìn)行管理的過程［1］。它以信息技術(shù)為手段，對(duì)業(yè)務(wù)功能進(jìn)行重新設(shè)計(jì)，并對(duì)工作流程進(jìn)行重組。它的目標(biāo)是縮減銷售周期和銷售成本，增加收入，尋找擴(kuò)展業(yè)務(wù)所需的新市場(chǎng)和新渠道以及提高客戶的價(jià)值、滿意度、盈利性和忠實(shí)度［2］。

在電子商務(wù)CRM系統(tǒng)中，存在著豐富而復(fù)雜的客戶數(shù)據(jù)，包括客戶、市場(chǎng)、銷售、服務(wù)及整個(gè)企業(yè)內(nèi)部的各種信息。由于這些數(shù)據(jù)十分繁雜，人們不斷尋找新的工具來對(duì)企業(yè)的運(yùn)營規(guī)律進(jìn)行探索，為商業(yè)決策提供有價(jià)值的知識(shí)，使企業(yè)獲得利潤。由此引發(fā)了一個(gè)新的研究方向：數(shù)據(jù)挖掘(Data Mining)。數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取信息和知識(shí)的過程。數(shù)據(jù)挖掘的強(qiáng)大功能使得它能夠在海量的客戶數(shù)據(jù)和信息中進(jìn)行快速有效的深入分析和處理，從中找出規(guī)律，并預(yù)測(cè)客戶的各種行為模式，幫助企業(yè)更好地進(jìn)行運(yùn)籌決策。數(shù)據(jù)挖掘技術(shù)在CRM的研究中扮演了極其重要的角色［3］。

本文旨在研究數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用，利用數(shù)據(jù)挖掘技術(shù)解決客戶關(guān)系管理中客戶的獲取問題。

1 客戶關(guān)系管理

從體系結(jié)構(gòu)角度來看，CRM系統(tǒng)架構(gòu)由以下三個(gè)主要部分組成：

操作型CRM，主要是提供以客戶為中心的市場(chǎng)、銷售、服務(wù)與支持等業(yè)務(wù)流程的自動(dòng)化及擴(kuò)展。主要功能是銷售自動(dòng)化、營銷自動(dòng)化、客戶服務(wù)與支持。

協(xié)作型CRM，管理企業(yè)與其客戶之間的交互方式。包括全自動(dòng)的語音、傳真響應(yīng)，電話、互聯(lián)網(wǎng)、電子郵件響應(yīng)系統(tǒng)等，多個(gè)交互渠道，以及各個(gè)渠道之間可以協(xié)同、完整意義上地完成呼叫中心功能。

分析型CRM，對(duì)企業(yè)的銷售、客戶等數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。分析型CRM，以企業(yè)數(shù)據(jù)倉庫為基礎(chǔ)，通過聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘、統(tǒng)計(jì)等分析方法，準(zhǔn)確地了解客戶行為、期望、需要、歷史和與企業(yè)的全面關(guān)系，從而樹立全面的客戶觀念和客觀的客戶忠誠度標(biāo)準(zhǔn)。它是從宏觀上對(duì)企業(yè)經(jīng)營戰(zhàn)略的確定，到微觀上個(gè)性化服務(wù)等全部以客戶為中心的經(jīng)營決策的基礎(chǔ)。可以說，沒有成功的客戶關(guān)系分析與管理就不會(huì)有成功的CRM系統(tǒng)。

綜上所述，在CRM中使用數(shù)據(jù)挖掘技術(shù)，能夠增強(qiáng)分析型CRM的功能，對(duì)操作型CRM和協(xié)作型CRM的功能起支撐和促進(jìn)作用。

2 數(shù)據(jù)挖掘

2.1 數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用

數(shù)據(jù)挖掘可以應(yīng)用到CRM各個(gè)不同領(lǐng)域和階段，如一對(duì)一營銷，客戶盈利能力分析，交叉銷售，客戶的獲取，客戶的保持等。在這些應(yīng)用中，客戶的獲取和保持無疑是最為重要的，尤其在電子商務(wù)環(huán)境下，客戶的流失是不可避免的，客戶的獲取作用日益突出。

在客戶獲取的過程中，尋找那些已知信息和想要得到的行為模型之間的關(guān)系，建立預(yù)測(cè)模型，將依據(jù)所選擇的反應(yīng)模式的類型預(yù)測(cè)一些指標(biāo)變量，就可以找出那些對(duì)企業(yè)所提供服務(wù)感興趣的客戶，進(jìn)而達(dá)到獲取客戶的目的［4］。

在解決客戶獲取問題時(shí)，同時(shí)考慮到數(shù)據(jù)挖掘技術(shù)在客戶細(xì)分和客戶盈利能力中的應(yīng)用方法?？蛻艏?xì)分是將一個(gè)大的消費(fèi)群體劃分成一系列細(xì)分群體的過程?？蛻艏?xì)分可以在較高的層次上查看整個(gè)數(shù)據(jù)庫中的數(shù)據(jù)，可以使經(jīng)營管理者使用不同的方法處理不同細(xì)分的群體客戶。對(duì)客戶盈利能力的分析，數(shù)據(jù)挖掘技術(shù)可以預(yù)測(cè)在不同市場(chǎng)活動(dòng)情況下客戶盈利能力的變化。利用數(shù)據(jù)挖掘從客戶的交易記錄中發(fā)現(xiàn)一些行為模式，以預(yù)測(cè)客戶盈利能力的高低，進(jìn)而幫助分析和提高客戶盈利能力，使企業(yè)在市場(chǎng)競爭中獲取優(yōu)勢(shì)。

2.2 數(shù)據(jù)挖掘算法的選擇

在客戶的預(yù)測(cè)問題上，很多的數(shù)據(jù)挖掘算法都可以應(yīng)用，如決策樹算法、神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)等。在眾多分類算法中，決策樹算法在時(shí)間復(fù)雜度上很有優(yōu)勢(shì)，而且預(yù)測(cè)準(zhǔn)確率比較高，所以選用此算法是比較合適的。

決策樹是將一棵決策樹看作一個(gè)信號(hào)源，然后尋找各個(gè)屬性中具有最大信息量的屬性，建立決策樹的一個(gè)節(jié)點(diǎn)，然后依次將該屬性的不同取值作為信宿的表現(xiàn)狀態(tài)，找出信息量最大的屬性建立樹的分支，然后在每個(gè)分支子集中重復(fù)建立樹的下層節(jié)點(diǎn)和分支的過程，最終建立決策樹［5-8］。

3 數(shù)據(jù)挖掘系統(tǒng)建模

3.1 CRM的信息模型的建立

在電子商務(wù)CRM系統(tǒng)中，存在著豐富而復(fù)雜的客戶數(shù)據(jù)，包括：客戶的基本信息，銷售數(shù)據(jù)，訂購數(shù)據(jù)，退換貨數(shù)據(jù)，評(píng)價(jià)信息，各種詢問信息，服務(wù)信息等等。相關(guān)數(shù)據(jù)的ER模型如圖1所示。

圖1 數(shù)據(jù)的ER模型

3.2 系統(tǒng)模塊的組成

數(shù)據(jù)挖掘是從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他信息庫中的大量數(shù)據(jù)中挖掘知識(shí)的過程?；谶@種觀點(diǎn)，設(shè)計(jì)和應(yīng)用的系統(tǒng)分成三個(gè)部分(系統(tǒng)結(jié)構(gòu)圖如圖2所示):

(1) 數(shù)據(jù)流，構(gòu)成從原始數(shù)據(jù)到最終知識(shí)這樣一個(gè)完整的數(shù)據(jù)挖掘流程。

(2) 控制實(shí)現(xiàn)模塊，它們是一些處理函數(shù)庫，直接控制數(shù)據(jù)流。

(3) 用戶控制接口，用戶通過它控制整個(gè)數(shù)據(jù)挖掘流程各個(gè)階段的工作。

數(shù)據(jù)流和控制實(shí)現(xiàn)模塊處于服務(wù)器端，用戶控制接口處于客戶端。系統(tǒng)的輸入是原始數(shù)據(jù)，即日常事務(wù)處理所得到的大量原始數(shù)據(jù)。系統(tǒng)的輸出是知識(shí)，即經(jīng)過挖掘得到的有價(jià)值的信息。

3.2.1 挖掘管理模塊

該模塊是用戶的控制接口，用戶通過它控制整個(gè)挖掘流程，使挖掘工作能夠不斷反饋進(jìn)行下去。包括下列子模塊：

參數(shù)設(shè)置 控制應(yīng)用邏輯層的數(shù)據(jù)預(yù)處理模塊。定義系統(tǒng)使用的數(shù)據(jù)結(jié)構(gòu)、處理操作，確定一些閾值。

挖掘向?qū)?控制應(yīng)用邏輯層的數(shù)據(jù)挖掘算法模塊。接收從模式判斷得到的反饋信息。

模式篩選 數(shù)據(jù)挖掘是一個(gè)反復(fù)的過程，過程的終止條件是用戶對(duì)發(fā)現(xiàn)的知識(shí)滿意，因此用戶對(duì)發(fā)現(xiàn)模式的判斷和篩選就是整個(gè)系統(tǒng)的反饋環(huán)節(jié)。

圖2 數(shù)據(jù)挖掘系統(tǒng)的組織結(jié)構(gòu)圖

3.2.2 數(shù)據(jù)預(yù)處理模塊

針對(duì)挖掘任務(wù)所涉及到的對(duì)應(yīng)于數(shù)據(jù)庫中的字段及任務(wù)指定的數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理工作，達(dá)到為數(shù)據(jù)挖掘算法模塊提供干凈、準(zhǔn)確、簡化數(shù)據(jù)的目的。該模塊能夠減少數(shù)據(jù)挖掘算法模塊的數(shù)據(jù)處理量，提高挖掘效率，提高知識(shí)發(fā)現(xiàn)的起點(diǎn)和準(zhǔn)確度。它包含下列子模塊：

數(shù)據(jù)收集與數(shù)據(jù)轉(zhuǎn)換

數(shù)據(jù)收集將原始數(shù)據(jù)轉(zhuǎn)變成易于處理的統(tǒng)一格式的數(shù)據(jù)。數(shù)據(jù)轉(zhuǎn)換找到數(shù)據(jù)的特征表示，減少有效變量的數(shù)目，其操作包括過濾、剪枝等。

數(shù)據(jù)簡化與數(shù)據(jù)凈化

數(shù)據(jù)簡化有兩個(gè)途徑：提取與問題相關(guān)的屬性和數(shù)據(jù)抽樣。該模塊完成數(shù)據(jù)的選擇抽取，簡化的數(shù)據(jù)需要做凈化處理；完成數(shù)據(jù)的最后處理，將抽取的正確可靠的數(shù)據(jù)提交給數(shù)據(jù)挖掘算法模塊。

3.2.3 數(shù)據(jù)挖掘算法模塊

該模塊進(jìn)行挖掘操作，從經(jīng)過預(yù)處理后得到的數(shù)據(jù)中發(fā)現(xiàn)模式、規(guī)則。該模塊使用決策樹算法，實(shí)現(xiàn)客戶分類的功能。

3.2.4 模式表達(dá)模塊

數(shù)據(jù)挖掘算法模塊得到的模式并不是最終知識(shí)，模式有可能是冗余的、無效的，甚至是錯(cuò)誤的，這就需要做進(jìn)一步的處理。模式表達(dá)實(shí)現(xiàn)對(duì)模式的解釋表達(dá)，使用戶能夠理解，進(jìn)而能夠做出評(píng)估判斷。該模塊主要使用一些可視化技術(shù)和傳統(tǒng)的知識(shí)表達(dá)技術(shù)。

4 數(shù)據(jù)挖掘系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

4.1 系統(tǒng)架構(gòu)的選擇

考慮到系統(tǒng)的可擴(kuò)展性和用戶的方便使用，將程序邏輯與用戶界面分開，從而形成基于B/S(Browser/Server，瀏覽器/服務(wù)器)的三層應(yīng)用模式。

在三層B/S結(jié)構(gòu)下，表示層、應(yīng)用邏輯層、數(shù)據(jù)服務(wù)層被分割成三個(gè)相對(duì)獨(dú)立的單元，如圖3所示。該結(jié)構(gòu)中，用戶界面采用標(biāo)準(zhǔn)通用的瀏覽器，應(yīng)用邏輯則運(yùn)行在中間層的web服務(wù)器上。這種分層方式帶來了諸多的優(yōu)點(diǎn)：系統(tǒng)維護(hù)和更新簡單；程序的可重用性增強(qiáng)；數(shù)據(jù)庫服務(wù)器負(fù)擔(dān)減輕；便于進(jìn)行事務(wù)管理［9-11］。

圖3 三層B/S應(yīng)用模型

4.2 創(chuàng)建數(shù)據(jù)倉庫

數(shù)據(jù)倉庫由以下表組成：銷售事實(shí)表，時(shí)間維表，客戶維表，地理維表，商品維表，商品類別維表，促銷維表。

4.3 屬性的選擇

針對(duì)目前的CRM系統(tǒng)，通常包含客戶的注冊(cè)信息、營銷信息、服務(wù)信息，通過分析這些數(shù)據(jù)，能夠發(fā)現(xiàn)新客戶和已有客戶之間的聯(lián)系，以預(yù)測(cè)新客戶的類別。以某電子商務(wù)網(wǎng)站的客戶數(shù)據(jù)和銷售數(shù)據(jù)為例，對(duì)潛在客戶的了解有客戶在系統(tǒng)中的注冊(cè)信息，包括客戶的性別、出生日期、職業(yè)、學(xué)歷、婚姻、地區(qū)等。建立客戶類別預(yù)測(cè)模型。分別對(duì)客戶的性別、出生日期、職業(yè)、學(xué)歷、婚姻等屬性與客戶對(duì)企業(yè)的貢獻(xiàn)進(jìn)行了分析。如果發(fā)現(xiàn)某屬性不同區(qū)間的客戶對(duì)企業(yè)的貢獻(xiàn)不同，說明該屬性和客戶的盈利能力有關(guān)，就把該屬性加入分類屬性。最終確定輸入屬性為性別、年齡、職業(yè)、學(xué)歷、婚姻，預(yù)測(cè)屬性為客戶的類別。

4.4 數(shù)據(jù)預(yù)處理過程

數(shù)據(jù)預(yù)處理為數(shù)據(jù)挖掘提供清潔的數(shù)據(jù)，方法有：數(shù)據(jù)清理、數(shù)據(jù)集成與變換和數(shù)據(jù)歸約。針對(duì)具體數(shù)據(jù)庫，數(shù)據(jù)預(yù)處理主要步驟如下：

(1) 數(shù)據(jù)的提取：把預(yù)處理需要的數(shù)據(jù)提取出來，并且加入客戶的盈利值。盈利值的提取方法是從客戶屬性表中提取相關(guān)屬性數(shù)據(jù)，用銷售事實(shí)表中的售價(jià)減去成本價(jià)，乘以數(shù)量，并計(jì)算每個(gè)客戶的盈利值。

(2) 連續(xù)值離散化，針對(duì)決策樹ID3算法的特性，要求屬性為離散型，由于客戶的年齡和盈利值屬性是連續(xù)型，所以需要將連續(xù)值進(jìn)行離散化處理。

(3) 預(yù)處理后的表CRM_DM.newp32屬性及其屬性取值見表1。

4.5 算法的設(shè)計(jì)思路

4.5.1 整體設(shè)計(jì)

通過對(duì)ID3算法的分析，整體的設(shè)計(jì)包括以下幾部分：數(shù)據(jù)的讀取，數(shù)據(jù)的處理，結(jié)果的保存和應(yīng)用。

首先，決策樹節(jié)點(diǎn)的生成是選擇分類屬性中信息增益最大的屬性，具有相似性，所以采用遞歸思想實(shí)現(xiàn)；其次，確定算法的核心是信息增益的計(jì)算；最后，計(jì)算信息增益的前提是對(duì)分類屬性類別的計(jì)算、概率的計(jì)算和熵的計(jì)算，把這三部分分別封裝成函數(shù)，通過傳遞不同的參數(shù)以實(shí)現(xiàn)計(jì)算需求。

模型的預(yù)測(cè)準(zhǔn)確率維持在75%左右，在有4個(gè)預(yù)測(cè)類別的預(yù)測(cè)模型中，預(yù)測(cè)準(zhǔn)確率較高，模型較穩(wěn)定。

6 結(jié) 語

本文針對(duì)客戶的獲取問題，通過分析數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的應(yīng)用，綜合分析了數(shù)據(jù)挖掘技術(shù)在客戶獲取、客戶細(xì)分、客戶盈利能力中的應(yīng)用，提出了解決方案。對(duì)CRM系統(tǒng)的全面分析，建立了ER模型。在數(shù)據(jù)挖掘系統(tǒng)中，建立了數(shù)據(jù)倉庫。在屬性選擇和數(shù)據(jù)預(yù)處理方面，進(jìn)行了分析和處理。對(duì)決策樹算法進(jìn)行了實(shí)現(xiàn)，建立了客戶類別預(yù)測(cè)模型，并對(duì)模型進(jìn)行了驗(yàn)證。

參 考 文 獻(xiàn)

［1］ZHANG Li-mei. Data mining application in customer relationship management \\// 2010 International Conference on Computer Application and System Modeling. \\: \\， 2010: V14-171 -V14-174.

［2］NGAI E W T， LI Xiu， CHAU D.C.K， et al. Application of data mining techniques in Customer relationship management: a literature review and classification \\. Expert Systems with Applications， 2009， 36(2): 2592-2602.

［3］FENG De-zhen， ZHANG Zai-mei， ZHOU Fang， et al. Application study of data ming on customer relationship management in E-commerce \\// Computer-aided Industrial Design and Conceptual Design. Kunming: \\， 2008: 706-710.

［4］ZHOU Jian-hong， XIE Yi. Design of customer relation-ship management systems based on data mining \\. 2008 International Sympo-sium on Electronic Commerce and Security. Guangzhou: \\， 2008: 722-725.

［5］DUAN Fu， ZHAO Zhen-xing， ZENG Xiang-dong， et al. Application of decision tree based on C4.5 in analysis of coal logistics customer \\// 2009 Third International Sympo-sium on Intelligent Information Technology Application. Piscataway， NJ， USA: IEEE， 2009: 380-383.

［6］WU Kun， LIU Feng-ying. Application of data mining in customer relationship management \\. \\: The MASS 2010 Conference， 2010.

［7］JIA Yu-feng， HU Ying-xin. Research on application of data mining in customer relationship management\\. Journal of Shijiazhuang Railway Institute(Social Science)， 2009， 3: 31-34.

［8］LI Xian-peng. The research of data mining in mobile communication enterprise based on decision tree \\. Hunan: Hunan University， 2008: 2-3.

［9］ZHENG Yan-juan， WEN Ai-hua. Data mining application in insurance customer relationship management\\. China Business Trade， 2009: 62-63.

［10］YIN Xiao-li， FANG Xu-sheng. Data mining technology application in bank CRM\\. Economic Research Guide 2009: 112-113.

［11］XU Ling， SONG Li. Apply the theory to improve the relationship between assets， CRM implementation strategy research\\. The Vitality of Enterprises， 2009 (7): 210-216.