淺議客戶關系管理中客戶需求預測與識別的研究與實現

周 勇

（洛陽電光設備研究所，河南 洛陽 471023）

客戶關系管理是一種以客戶為核心形成的數據分析工具。隨著國家經濟體制的全面變革，市場營銷行業的競爭壓力逐漸增加，加強企業和客戶之間的互動，能夠及時了解客戶的需求。因此，企業借助相關數據和技術，建立客戶需求預測模型，能夠推動企業和客戶之間建立良好的關系，繼而有利于開展刺激客戶需求的營銷活動，從而帶動行業經濟的發展。

1 客戶關系管理的任務和主要內容

1.1 客戶關系管理的任務以及客戶關系管理中的數據挖掘

客戶關系管理是企業為了了解客戶行為，提高客戶忠誠度的一種有效互動。如果將這種互動和信息系統等信息技術相互結合，能夠進一步完善企業和客戶之間的交互行為，而客戶關系管理中可以運用的信息技術主要包括數據挖掘技術和數據庫營銷技術。要想有效開展這種交互活動，企業就要保證所有部門建立起協調合作的關系，并收集客戶在銷售過程中的全部信息，繼而為企業進行客戶關系管理工作提供準確的數據。企業在進行客戶關系管理工作中，還要針對不同客戶的不同需求，為客戶提供更具有個性化和人性化的服務。單一地衡量客戶的價值不能滿足客戶的全部要求，企業必須要有針對性地建立相應的客戶集，選擇合適的時間和地點，有目標地選擇活動渠道，將符合客戶需求和偏好的產品提供給客戶，繼而最大程度地吸引新客戶。而實際上，客戶關系管理是一個綜合的循環系統，又是一個數據挖掘的過程，可以分為四個步驟。第一，收集整理客戶數據。第二，分析客戶數據。第三，在充分了解客戶的信息后，利用數據挖掘技術，將現有的數據變成可以參考依靠的信息。第四，建立定制化的銷售互動，互動結束后，通過客戶的反饋對下一次的商業活動內容進行調整。

1.2 客戶關系管理中的預測分析

預測分析就是一種數據挖掘技術，是客戶關系管理的重要內容。這種技術利用收集到的數據進行建模，繼而對企業各個階段的數據進行預測，通過這種預測能夠最大程度地對即將開展的營銷活動進行優化，進而達到吸引客戶的目的，從而避免出現客戶流失。傳統的客戶關系管理在分析問題的過程中，需要市場營銷人員構建相應的統計模型。雖然利用統計學理論能夠建立統計模型，但仍然存在一定的局限性，因為市場營銷人員在建模的過程中，往往需要進行相應的假設，這些假設雖然在一定程度上簡化了建模量，但在假設過程中也會忽略一些關鍵性的問題。隨后人工神經網絡模型和支持向量機模型也逐漸發展起來，這兩者相比較而言，機器學習預測方法能夠更加準確地得到相應的預測結果。因此，本文在建立預測模型中，選擇支持向量機模型，和人工神經網絡形成的數學模型不同，支持向量計算法應用的核心思想是統計學理論和對偶理論，利用支持向量機進行客戶需求預測，能夠更加準確、靈活地識別客戶需求模式。

1.3 客戶關系管理中的客戶聚類和細分

客戶聚類和細分也是客戶關系管理的重要內容。由于數據挖掘技術在實際應用的過程中也會存在一定的問題，面對一些較為復雜的數據時，數據挖掘技術也無法很好地發揮作用，因此，企業需要提煉客戶的信息，再結合數據挖掘技術進行全面分析?？蛻艟垲惡图毞志褪且环N針對復雜數據結構的提煉方法，對客戶進行聚類后，數據挖掘技術能夠更容易發現其中存在的問題?，F階段常見的聚類分析算法包括劃分法、層次法、基于密度、基于網絡、基于模型的五種方法。

1.4 客戶關系管理中的個性化推薦系統

除此之外，隨著國民經濟水平的提升，個性化推薦系統作為另一種數據挖掘系統，也逐漸得到相關企業的重視，也是客戶關系管理的重要內容。個性化推薦系統通過為客戶提供個性化的信息與服務，能夠提高服務質量和客戶滿意程度，讓客戶獲得最好的銷售體驗。

2 建立客戶需求銷售預測模型

2.1 集合營銷中的銷售預測模型

銷售預測直接關系著企業能否在復雜的經濟環境下做出正確的決策，而這一決策需要大量歷史信息和未來預測數據支持，而人工神經網絡模型、支持向量機模型均可用于集合營銷中的銷售預測，這主要是由于二者均具備學習能力。兩種模型的建模思路如下所示。①人工神經網絡模型。圖1為典型的銷售預測中的人工神經網絡模型，結合該圖不難發現人工神經網絡模型的隱藏層數目不宜過多，且其輸出函數y（x）可以表示為：

圖1 典型的銷售預測中的人工神經網絡模型

2.2 穩定波動性模式下的銷售預測模型

穩定波動性模式主要是為了通過了解客戶需要進行銷售預測，該預測在營銷活動策劃、企業戰略決策中發揮著數據支持的作用，而基于穩定波動性模式與支持向量機的混合預測模型，便能較好地服務于穩定波動性模式下的銷售預測。其所取得的預測數據值精度較高，不過一些客戶需求季節波動特性較強的行業并不太適用于該模型，這點需要引起業界人士的重視。2.3 營銷活動頻繁環境下的銷售預測模型

營銷活動頻繁環境中的銷售數據多存在時效性等特征，圍繞該特征便可以開展精準度較高的銷售預測，而支持向量機模型便能較好地服務于該環境下的銷售預測。不過筆者經過深入研究發現，營銷活動頻繁環境提供的特征向量越多，并不代表銷售預測的精準度越高，多數情況下4個特征向量的支持向量機模型能夠取得最優的銷售預測結果。本文認為出現這種現象主要是由于數據特征之間含有隱含關聯性，為了設法提升向量機模型的應用精度，業界人士必須重視這種影響。

3 不同集合層次上的客戶細分

3.1 不同結合層次上的客戶細分內容

雖然基于集合營銷而建立的銷售預測，對企業進行規劃、生產、銷售開展具有明顯的幫助和成效，但想要進一步地了解客戶，和客戶建立更加深入的行為和需求管理，就要對不同層次上的客戶信息進行學習?？蛻艏毞质窃诳蛻絷P系管理中的一項極為重要的營銷技巧。通過客戶的收入水平、受教育程度以及其他信息對客戶進行細分，對不同層次上的客戶開展具有針對性的商業活動。而隨著時代的發展進步，越來越多的市場營銷行業開展了一對一的營銷活動，而數據挖掘領域也開始進行個性化營銷系統的研究。雖然一對一營銷進一步深化了企業和客戶之間的關系，但實際上應用一對一營銷和集合營銷的情況較少。因此，企業應該根據客戶的細分程度，在不同水平上建立對應的學習模型。本文分為三種水平，分別為集合營銷、細分營銷和一對一營銷。其中，集合營銷是對企業內所有客戶群進行分析，建立唯一的預測模型對客戶群體進行分析管理；細分營銷則是把相似客戶歸集到同一個類中，結合交易記錄等信息即可分別建立預測模型；而一對一營銷則是基于單個客戶，由此實現個性化營銷。總的來說，一對一營銷能夠實現更高質量的客戶需求識別與預測，而這里的識別與預測開展需要得到優秀的聚類算法支持。

3.2 一對一營銷的個性化推薦系統

結合上文內容，本文建議在進行客戶細分時應結合一對一營銷實現個性化推薦系統。這一推薦系統需要應用客戶評價過的物品集合、給過隱性反饋的物品集合、相似興趣集合、相似物品集合，而由此構建推薦系統基準模型，并結合基于鄰域的算法、基于用戶的協同過濾算法、基于物品的協同過濾算法、隱語義模型，便能夠真正完成一對一營銷的個性化推薦系統構建。值得注意的是，考慮企業盈利的推薦系統同樣屬于一對一營銷的個性化推薦系統范疇，這一系統需要結合客戶偏好與企業盈利，由此便可以建立個性化盈利推薦系統。

4 結 語

雖然數據挖掘技術在客戶關系管理中的運用已經有了較為完善的理論，但由于客戶關系管理長期以來沒有得到重視，數據挖掘技術也就不能充分發揮作用。隨著信息時代的到來，商業系統的智能化和信息化的水平逐漸提高，客戶關系管理的重要性也逐漸凸現。近年來，社交網絡平臺上的營銷行業也在發展，也為客戶關系管理提供了全新的思路，客戶關系管理還需要進一步深入研究，并進行不斷完善。

［1］張嫣.數據挖掘技術在銀行客戶關系管理中的研究和應用［D］.武漢：中南民族大學,2008.

［2］楊濤.客戶關系管理在DLHC國際貨運代理公司的應用研究［D］.武漢：華中農業大學,2013.

［3］王浩.數據挖掘在客戶價值管理中的應用研究［D］.武漢：華中師范大學,2007.