大數據背景下物流企業CRM系統應用

金鵬

摘 要：大數據背景下物流企業面臨數據處理量大，數據碎片化與客戶個性化需求越來越多的困境，CRM（客戶關系管理）系統是一類整合企業內部客戶資源，挖掘客戶價值的綜合性工具。本文構建了一個分析型CRM系統智能推薦算法，揭示CRM系統在物流企業中的應用價值，并就算法做了一個簡易的算例分析。

關鍵詞：大數據；物流企業；CRM系統

互聯網的發展催生了一個前所未有的大數據時代，物流企業的數據正呈指數級增長，在海量的數據中如何去獲取企業所關注的有價值的客戶需求信息變得越來越重要。物流企業作為一個典型的服務行業，客戶就是企業的生命，如何服務好客戶，滿足客戶的需求，提升客戶價值一直是物流企業關注的問題。大數據背景下，各物流企業對于客戶的需求挖掘，大多借助信息系統、數據挖掘技術，而CRM（客戶關系管理）系統則是一個綜合應用系統，為物流企業整合客戶信息資源，挖掘有用信息提供了強有力的抓手。

一、大數據下的物流企業面臨的困境

我國工商企業幾十年的信息系統建設與使用已經積累了大量的原始產品產供銷數據，分別存在于企業的各類系統中，尤其是近些年互聯網、電子商務的發展，客戶通過網絡與企業互動增強，在網絡數據庫留存了大批量的消費數據，以阿里為代表的互聯網企業早早地啟動了云計算戰略，應對大數據時代的挑戰。但是，要處理大數據并不是容易的事情，現代物流企業必須具備較高的信息技術能力，來應對以下大數據帶來的問題。

1.數據量大，數據處理能力要求高

在電子領域有一個著名的摩爾定律，Gordon Moore在1965年提出IC上可容納的晶體管數量將持續10年以倍數級增加，如此數據存儲硬件的容量越來越大，成本越來越低，為海量信息的存儲提供了可能。在互聯網時期，數據的量級已經達到了PB（拍字節，2的30次方MB，一首歌曲約4MB），即時物流企業沒有那么大量級的數據，從全球整體我們可見一斑。物流企業要處理的數據已經遠遠超過了我們傳統電子表格或生產系統所能提供的計算能力，對信息系統提出了更高的要求。

2.數據碎片化，數據亟需整合

物流企業從傳統型轉向現代物流并沒有太久的歷程，同企業信息化進度一致，受到互聯網、通信技術、多媒體技術等的推動下步入信息化改革。物流企業內部存在多種信息系統，數據成碎片化狀態，客戶的各類產品信息、財務信息分布在不同的企業內部系統，各部門看到的客戶視圖都是片面的，對于客戶的消費行為分析無從下手，客戶分布在企業內部的數據資源亟需整合，已獲得有價值的信息。

3.客戶個性化需求越來越多

在電子商務發達的今天，物流企業間的競爭加劇，RFID、GIS、物聯網等高端技術在逐步不斷得提升客戶體驗，“慣”壞了客戶，客戶的嘗到互聯網時代優質的類定制化服務體驗，同時也對物流企業提出了更多的定制化服務要求。對于客戶對于被動獲取客戶個性化需求，企業可以應對，而大批量的客戶則沒有與企業互動，在服務同質化嚴重的消費市場，客戶轉移成本低，在沒有獲得個性化需求滿足下流失率提高，企業需要主動獲取客戶的個性化需求，但是，面對數以萬計的客戶，億萬數量的消費記錄，物流企業該如何去逐個應對是個問題。

二、大數據背景下CRM實施的必要性

1.CRM對企業各系統的整合

CRM系統以客戶為中心進行各類數據整合，融合成完整的客戶信息，從而分析客戶行為、偏好，對企業客戶價值挖掘裨益匪淺。大多數企業客戶關系管理系統都會集成多個企業內部系統，比如物流企業的辦公系統、訂單系統、產品系統與車輛管理系統等，提供各業務人員一個統一的入口，給客戶的也是一個統一的視圖，一個統一的物流企業入口。對于企業內部而言，多系統的集成，解決了各部門對同一客戶完整信息的了解，并提供業務分析人員一個完整的數據集，為數據挖掘做好準備。對于客戶而言，可以查看企業的產品，自身消費記錄及物流訂單的全流程監控信息，全方位了解自身業務情況。

2.CRM提供處理大數據的手段

基于數據倉庫與數據挖掘技術進行經營分析是CRM系統的一個較為典型的應用，數據倉庫技術也是CRM實現的一個基礎。數據倉庫的構建，以允許冗余、搭建多維視圖的數據結構來實現對于海量數據的管理。數據挖掘技術則提供提煉、剖析數據背后的價值信息的手段，是分析型CRM系統模型構建的基礎。

3.CRM二次獲客，提升綜合價值

CRM系統以全方位的客戶視圖，系統自動推薦產品達到個性化維護功用，做到客戶二次開發，提升客戶終身價值。CRM的二次獲客功能在于通過客戶的消費行為曲線研究分析，推薦更多的物流服務，重點在于對客戶的行為、喜好，客戶間的行為、喜好相似度的判讀與預測，以期給一個相似客戶群提供一類產品，或給一個客戶群提供一類相似產品。

三、CRM系統的應用

客戶關系管理系統可以整合客戶資源，智能推薦，推動交叉銷售的形成。大數據背景下物流企業想獲得已有客戶的再增值，尋求對客戶的交叉銷售，需要采取一定的技術手段，挖掘適合客戶的產品，實行組合式營銷。分析型CRM系統中一個重要的功能是智能推薦，通過系統后臺的算法計算，主動將產品推送給客戶。

1.分析型CRM個性化推薦引擎的基本原理

本文介紹兩種類型的CRM推薦方法，分別為基于客戶推薦及基于產品推薦，具體介紹如下。

基于客戶的推薦方法如圖1所示，喜歡同一類產品的客戶一般具有相似的口味與偏好，兩個客戶若相似度較高，則一般會喜歡同一大類產品。如圖中客戶A喜歡產品A與C，客戶C喜歡產品A、C與D，客戶B喜歡產品B，在這三個客戶組成的客戶群中，我們根據客戶喜歡的產品歷史信息可以得到客戶A與C喜歡的產品較為相似（喜歡的產品有兩項一致），因此推斷得到客戶A也有可能喜歡產品D。

基于產品的推薦方法同基于客戶的推薦方法類似，如圖2所示，不同之處是需求產品的相似度，將相似的產品推薦給相對應的客戶。如圖所示，用戶A喜歡產品A與C，用戶C喜歡產品A，我們發現產品A與C相似（客戶A與B喜歡產品A的同時也都喜歡C），則判定客戶C可能也喜歡產品C。

2.個性化推薦實施過程

個性化推薦分為三步走：確定查詢條件，根據客戶行為推薦適合產品，根據產品特點挖掘潛在客戶。

確定查詢條件：營銷人員需要初步設定查詢條件，比如物流企業對于自身某一個階段或者某一時期特定的業務營銷需要進行產品、客戶的條件設定，設定路線、配送車輛的限定、客戶分布的區域等。

根據客戶行為推薦適合產品：即運用基于客戶的推薦方法發現具有相同興趣愛好的客戶群體為他們推薦各自持有的個性產品，互動有無，實現自然的交叉銷售，而非物流企業根據自己的主觀意愿將最新產品無目標的直接投向客戶市場。根據客戶間的相似度來判定相同興趣的客戶可能會購買相同的產品組合，這類方法被廣泛地應用于消費者行為分析中，也在實踐中被大量地應用。銷售人員往往會對自己的客戶市場進行細分，然后批量地進行營銷，這樣可以提高命中率。

根據產品特點挖掘潛在客戶：即基于產品的推薦方法，根據歷史客戶消費數據，分析產品間的相似性，將相似的產品推薦給潛在的客戶消費需求。該類推薦方法類似于數據挖掘的關聯規則，如經典例子——啤酒尿布，產品間的相似性不一定是產品屬性的相似，是以客戶消費的關聯性來確定，因此兩種推薦方法具有較大的關聯的。

3.個性化推薦算法

個性化推薦算法是通過尋找客戶與客戶群中其他客戶的相似性，然后推測客戶可能喜歡的產品，首先我們需要獲得一個客戶群持有產品情況，如表1所示

表1中客戶C就是我們需要推薦產品的客戶，其中持有產品值為1，未持有為0，客戶C持有產品序號為1至J-1，客戶C與客戶I的相似度用sim（c，i）表示，相似度計算公式為

其中，C∩I表示客戶C與I持有的相同產品的數量，N取C與I的最大值，相似度取值為0至1。可獲得客戶C與客戶群各個體的相似度如表2所示。

以Sim（c，1）計算為例，客戶C與客戶1持有產品均為5，即N=5，兩客戶持有相同產品兩項，分別為P1和P3，即C∩I=2，因此，客戶C與1相似度為0.4，以此類推可以獲得其他相似度值。

選擇相似度前5名客戶加入客戶C的鄰居集合中，運用鄰居所持有的產品對客戶C可能喜歡的產品進行補充。要判斷客戶C對5名鄰居持有自己未購買的產品的喜歡程度，需要利用鄰居對各產品的評分來判定。客戶C對產品J的評分公式如下：

表示表示客戶C對自己目前持有所有產品的平均評分，sim（c，i）是客戶C與鄰居I的相似度，Rij表示客戶I對產品J的評分。與客戶C相似度前5名分別為客戶2，3，6，9，10，假設前5名鄰居對持有產品的評分如下表所示（客戶序號重新編號為1至5，評分區間為1到10分，評分為0表示未持有該產品），則可獲得客戶C對未持有產品P4，P5，P7與P9的評分：

以客戶C對未持有產品P4的評分計算為例，客戶C對持有產品平均評分為6.6，只有客戶3持有P4，P4=6.6+0.6*（5-6.6）=5.64。

根據上述公式循環執行可以獲得客戶對鄰居持有的其他產品的評分，選擇評分較高的P4產品進行推薦，可以根據需要選取前幾名的產品對客戶C進行針對性營銷。這里就是將客戶C與其他客戶的共同興趣做了挖掘，通過運用相似度較高的鄰居客戶對客戶C所未購買過的產品評分進行排序來推測客戶C最有可能會喜歡的產品組合，從而做到相對更有成功率的產品推薦，提高營銷精準度。

本例只列舉了少量數據的一個CRM系統智能個性化推薦應用，在物流企業上千萬的客戶群中應用推薦算法進行產品交叉推薦可以提升客戶的二次價值挖掘。物流企業是一個典型的服務行業，同時又是一個信息化發展較為快速的行業，在現代物流實施浪潮中智能倉儲、RFID標簽及衛星定位技術的導入，使得物流企業積累大量的客戶數據，在物流企業構建客戶關系管理系統，實施分析型CRM模塊，將有助于海量數據的挖掘，充分利用歷史數據的價值，做到數據驅動型企業，在大數據時代贏得先機。

四、結語

大數據背景下的物流企業必須要依托一個綜合的客戶管理系統，來處理物流平臺所積累的大量的客戶數據，做好客戶跟蹤、維護及二次開發。客戶關系管理系統是打通物流企業內部多個系統間障礙，整合物流企業內部數據資源，給營銷人員及客戶程序一個完整的客戶服務、產品消費全方位視圖，為營銷人員拓展客戶提供抓手，為客戶了解自己的消費情況提供窗口。本文闡述了大數據背景下物流企業實施CRM系統的必要性，認為只有企業運用CRM先進的數據分析與挖掘功能，才能應對數據指數級爆炸式增長的困境，才能在數據為王的時代占據先機，謀求發展。同時，本文提出了一個分析型CRM中的個性化推薦算法，通過該模塊做了一個算例演示，通過智能推薦企業可以獲得內部客戶再增值的利益。

參考文獻：

[1]陶紅英.論物流企業的CRM[J].物流技術，2003.

[2]葉斌，余真翰.大數據背景下物流企業CRM變革分析[J].商貿流通，2014.

[3]李其芳，沈湘蕓.物流企業CRM與數據挖掘技術[J].科技創業，2009.

[4]王平.基于GIS的物流企業CRM系統的研究與開發[D].河北工業大學，2003.