數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理信息系統(tǒng)中的應(yīng)用研究

路健 王立坤 李曉玉

[摘 要]隨著服務(wù)經(jīng)濟(jì)的到來，商場(chǎng)從過去的以商品為中心轉(zhuǎn)向以客戶為中心。想要真正做到以客戶為中心，商場(chǎng)必須建立客戶關(guān)系管理信息系統(tǒng)，積累與商場(chǎng)客戶有關(guān)的數(shù)據(jù)信息，整合信息并利用數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)客戶細(xì)分、交叉銷售、商品推薦、客戶價(jià)值分析、客戶獲得和客戶保持等。同時(shí)，還要將傳統(tǒng)客戶關(guān)系管理信息系統(tǒng)與數(shù)據(jù)挖掘技術(shù)相結(jié)合，以深入了解客戶，輔助商場(chǎng)管理人員決策，從而挖掘潛在客戶、提高客戶忠誠度，最終增加商場(chǎng)利潤(rùn)。

[關(guān)鍵詞]數(shù)據(jù)挖掘技術(shù);客戶關(guān)系管理;信息系統(tǒng)

doi：10.3969/j.issn.1673 - 0194.2020.24.048

[中圖分類號(hào)]F270.7;TP315[文獻(xiàn)標(biāo)識(shí)碼]A[文章編號(hào)]1673-0194（2020）24-0-02

0? ? ?引 言

在大數(shù)據(jù)背景下，想要獲取客戶更多有價(jià)值的信息，商場(chǎng)需要建立自己的客戶關(guān)系管理系統(tǒng)。一方面，商場(chǎng)要管理客戶基本數(shù)據(jù)和消費(fèi)數(shù)據(jù);另一方面，還要利用數(shù)據(jù)挖掘技術(shù)處理和分析這些數(shù)據(jù)，以挖掘出對(duì)管理決策有潛在參考價(jià)值的信息，從而輔助管理者做決策，達(dá)到維持老客戶、發(fā)現(xiàn)新客戶、提高客戶滿意度和忠誠度、獲取更多利潤(rùn)的目的。

1? ? ?數(shù)據(jù)挖掘技術(shù)的應(yīng)用流程

1.2? ?定義挖掘目標(biāo)

對(duì)商場(chǎng)來說，挖掘目標(biāo)一般是細(xì)分商場(chǎng)客戶，了解不同客戶的消費(fèi)特征和貢獻(xiàn)度，找出值得關(guān)注的最有價(jià)值的客戶，制訂區(qū)別于一般客戶的營銷方案，實(shí)現(xiàn)精準(zhǔn)營銷;預(yù)測(cè)客戶喜好，幫助客戶快速找到自己感興趣的商品，并進(jìn)行有效推薦;分析歷史銷售數(shù)據(jù)，預(yù)測(cè)未來商品需求量，并制訂合理的采購計(jì)劃等。

1.2? ?數(shù)據(jù)準(zhǔn)備

確定挖掘目標(biāo)后，還要進(jìn)行數(shù)據(jù)準(zhǔn)備，數(shù)據(jù)準(zhǔn)備的充分性直接影響挖掘算法的效率和精準(zhǔn)度。數(shù)據(jù)準(zhǔn)備工作主要包括數(shù)據(jù)取樣、數(shù)據(jù)探索、數(shù)據(jù)預(yù)處理。其中，數(shù)據(jù)預(yù)處理又包括數(shù)據(jù)清理、集成、變換和規(guī)約等工作。另外，對(duì)商場(chǎng)來說，數(shù)據(jù)一般來源于客戶基本信息和銷售信息。

1.3? ?挖掘建模

數(shù)據(jù)準(zhǔn)備完成之后要進(jìn)行挖掘建模，首先，考慮挖掘建模屬于哪類問題，如客戶分類、客戶聚類、商品關(guān)聯(lián)規(guī)則、商品智能推薦等;其次，根據(jù)對(duì)應(yīng)問題選擇具體的算法構(gòu)建模型。相關(guān)單位定義的數(shù)據(jù)挖掘目標(biāo)不同，需要處理的問題也不同，采取的數(shù)據(jù)挖掘算法也不同。對(duì)商場(chǎng)來說，如果挖掘目標(biāo)是細(xì)分客戶信息，則商場(chǎng)需要根據(jù)客戶消費(fèi)記錄聚類客戶，選擇K-means等聚類算法;如果挖掘目標(biāo)是找出各種商品之間的潛在關(guān)系，則應(yīng)選擇Apriori算法。

2? ? ?客戶關(guān)系管理系統(tǒng)模塊設(shè)計(jì)概述

2.1? ?設(shè)計(jì)目標(biāo)

客戶關(guān)系管理系統(tǒng)可以結(jié)合信息技術(shù)和數(shù)據(jù)挖掘技術(shù)深層次地挖掘和分析客戶信息，以了解客戶需求，制定營銷策略，進(jìn)而維持老客戶、獲取新客戶。客戶關(guān)系管理系統(tǒng)具有以下兩個(gè)設(shè)計(jì)目標(biāo)：第一個(gè)目標(biāo)是利用計(jì)算機(jī)儲(chǔ)存和處理復(fù)雜煩瑣的數(shù)據(jù)，幫助商場(chǎng)各部門員工提高工作效率，將他們從大量重復(fù)的人工操作中解脫出來，節(jié)省人力物力，提高數(shù)據(jù)處理的及時(shí)性和準(zhǔn)確性;第二個(gè)目標(biāo)是處理和分析數(shù)據(jù)庫中存儲(chǔ)的各類數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)客戶分類、客戶聚類、商品交叉銷售、商品智能推薦、客戶價(jià)值分析、客戶獲得和客戶保持等。

2.2? ?系統(tǒng)模塊設(shè)計(jì)功能

2.2.1? ?客戶管理功能

①客戶信息管理：管理客戶信息，包括添加、修改和刪除客戶基本信息等。②客戶信息查詢：根據(jù)需求瀏覽和查詢客戶基本信息以及消費(fèi)信息。③客戶信息分析：分析客戶來源渠道以及客戶滿意度，根據(jù)客戶來源渠道制定合適的宣傳策略，以獲取新客戶;根據(jù)客戶對(duì)商場(chǎng)的滿意度制定相應(yīng)的優(yōu)惠措施維護(hù)現(xiàn)有客戶。

2.2.2? ?客戶服務(wù)管理

①客戶問題管理：記錄客戶提出的問題，以方便為客戶提供更及時(shí)的服務(wù)。②回訪管理：主動(dòng)回訪客戶，了解客戶對(duì)商場(chǎng)的滿意程度。③訂單管理：記錄客戶的訂單信息，以及時(shí)滿足客戶訂單要求。④兌獎(jiǎng)信息管理：更新兌獎(jiǎng)活動(dòng)信息，同時(shí)記錄客戶積分兌獎(jiǎng)信息。

2.2.3? ?營銷活動(dòng)管理功能

①營銷活動(dòng)管理：更新商場(chǎng)舉行的營銷活動(dòng)的基本情況。②其他商場(chǎng)信息追蹤：追蹤其他商場(chǎng)的基本信息以及其營銷活動(dòng)的信息，并有效分析追蹤到的信息，以了解市場(chǎng)動(dòng)態(tài)，做出正確決策。③客戶消費(fèi)統(tǒng)計(jì)分析：統(tǒng)計(jì)和分析客戶消費(fèi)數(shù)據(jù)。根據(jù)銷售記錄分析客戶的消費(fèi)情況，進(jìn)行客戶細(xì)分、客戶價(jià)值分析、客戶流失分析，制定相應(yīng)的交叉銷售策略和商品推薦策略。

2.2.4? ?進(jìn)銷存管理功能

①銷售管理：記錄與客戶進(jìn)行的每一次交易信息，還可以刪除、查詢銷售信息等。通過記錄客戶購買信息，自動(dòng)增加客戶積分依據(jù)購買額。同時(shí)，根據(jù)商品銷售歷史數(shù)據(jù)預(yù)測(cè)商品以后的銷量，以制訂合理的采購計(jì)劃，滿足客戶需求。②采購管理：記錄每一次采購信息，包括修改、刪除和查詢采購信息等。③商品信息管理：管理商品的基本信息，包括添加、修改和刪除商品信息等，還可查詢商品銷售狀態(tài)以及商品促銷信息。④供應(yīng)商信息管理：管理供應(yīng)商基本信息，包括添加、修改和刪除供應(yīng)商信息等，還可對(duì)供應(yīng)商進(jìn)行分類和評(píng)價(jià)，以在采購時(shí)選擇準(zhǔn)確的供應(yīng)商。⑤庫存信息查詢：商場(chǎng)員工可查詢各種商品的庫存信息。當(dāng)客戶下訂單時(shí)，客服人員首先要查看庫存信息;當(dāng)客戶購買商品時(shí)，銷售人員要先查看庫存信息。

3? ? ?數(shù)據(jù)挖掘技術(shù)在各模塊中的應(yīng)用

3.1? ?客戶信息分析子模塊

匯總分析客戶來源渠道信息，針對(duì)占比高的來源渠道制訂一系列宣傳方案，以獲取新客戶。對(duì)客戶滿意度進(jìn)行調(diào)查分析，匯總客戶的意見和建議，制定相應(yīng)的整改措施，以維持老客戶。

3.2? ?其他商場(chǎng)信息追蹤子模塊

搜集整理競(jìng)爭(zhēng)對(duì)手的營銷活動(dòng)數(shù)據(jù)，并利用數(shù)據(jù)挖掘技術(shù)詳細(xì)分析競(jìng)爭(zhēng)對(duì)手舉辦的營銷活動(dòng)的主題、方式、效果等，以幫助決策者做出正確的營銷決策。

3.3? ?客戶消費(fèi)統(tǒng)計(jì)分析子模塊

處理客戶的基本數(shù)據(jù)和消費(fèi)數(shù)據(jù)后，可以利用決策樹算法實(shí)現(xiàn)客戶分類，利用K-Means算法實(shí)現(xiàn)客戶聚類，利用Apriori算法挖掘商品關(guān)聯(lián)規(guī)則，利用協(xié)同過濾算法發(fā)現(xiàn)相似客戶并預(yù)測(cè)客戶喜好。具體算法如下。

3.3.1? ?決策樹算法

決策樹算法是分類、預(yù)測(cè)等領(lǐng)域的典型算法，因其速度快、準(zhǔn)確率高而被廣泛應(yīng)用。首先，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，利用歸納算法生成簡(jiǎn)單的、可讀的規(guī)則集和決策樹;其次，利用決策樹分析測(cè)試數(shù)據(jù)。決策樹算法可以對(duì)商場(chǎng)客戶進(jìn)行有效分類，從而構(gòu)建客戶價(jià)值決策樹，根據(jù)客戶基本信息和消費(fèi)信息合理劃分客戶，確定每個(gè)客戶所屬的類別并歸納出每類客戶的價(jià)值分布規(guī)律，針對(duì)不對(duì)客戶群制定不同的營銷策略。

3.3.2? ?K-Means算法

K-Means算法是實(shí)現(xiàn)聚類最常用、最典型的算法，該算法首先要確定分類個(gè)數(shù)K，然后在最小化誤差函數(shù)的基礎(chǔ)上，依據(jù)距離最小原則將原始數(shù)據(jù)劃分為K個(gè)類，一般采用歐幾里得距離作為度量指標(biāo)，計(jì)算每個(gè)對(duì)象與各簇中心的距離，距離越近相似度就越大，可以歸為一類。RFM模型可用來衡量客戶價(jià)值和客戶貢獻(xiàn)度，其中，R（Recency）表示最近一次消費(fèi)時(shí)間，F(xiàn)（Frequency）表示消費(fèi)頻率，M（Monetary）表示消費(fèi)金額。對(duì)商場(chǎng)來說，可以根據(jù)客戶的RFM消費(fèi)行為特征數(shù)據(jù)，利用K-Means算法將客戶進(jìn)行聚類，并評(píng)判每一類客戶群的價(jià)值，一般可將客戶劃分為高價(jià)值客戶、一般客戶和低價(jià)值客戶。聚類結(jié)果對(duì)個(gè)性化的溝通和服務(wù)提供依據(jù)，從而為商場(chǎng)做出精準(zhǔn)的營銷決策提供支持。

3.3.3? ?Apriori算法

Apriori算法是關(guān)聯(lián)規(guī)則分析最常用、最典型的算法，其挖掘高頻率項(xiàng)集的核心思想是，通過連接產(chǎn)生候選項(xiàng)及其支持度，通過剪枝生成頻繁項(xiàng)集。對(duì)商場(chǎng)來說，利用Apriori算法可以進(jìn)行各種商品之間的關(guān)聯(lián)規(guī)則分析，從大量的銷售統(tǒng)計(jì)數(shù)據(jù)中挖掘不同商品之間的關(guān)聯(lián)規(guī)則，可以快速識(shí)別客戶的購物偏好，以此為依據(jù)制定交叉銷售規(guī)則，當(dāng)客戶購買某商品時(shí)可以推薦相關(guān)商品，引導(dǎo)客戶消費(fèi)，提高客戶的購物體驗(yàn)。

3.3.4? ?協(xié)同過濾算法

協(xié)同過濾算法是經(jīng)典的推薦算法，根據(jù)相似用戶的喜好自動(dòng)預(yù)測(cè)用戶喜好。利用統(tǒng)計(jì)的用戶消費(fèi)行為數(shù)據(jù)計(jì)算數(shù)據(jù)的相似度，進(jìn)而找到相似用戶，匯總相似用戶喜歡的商品，并根據(jù)與用戶的相似度得出各個(gè)商品的推薦度，再根據(jù)推薦度推薦商品，提升成交概率，增加銷售額。

3.4? ?銷售管理子模塊

利用時(shí)間序列平滑預(yù)測(cè)法或者馬爾科夫預(yù)測(cè)法分析歷史銷售數(shù)據(jù)，以有效預(yù)測(cè)商品需求，并以此為依據(jù)制訂合理的采購計(jì)劃，滿足客戶對(duì)各類商品的需求。

3.5? ?供應(yīng)商管理子模塊

利用數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)供應(yīng)商細(xì)分，根據(jù)供應(yīng)商的各個(gè)屬性值對(duì)供應(yīng)商進(jìn)行分類，或者將層次分析法和模糊綜合評(píng)判法相結(jié)合，實(shí)現(xiàn)對(duì)各個(gè)供應(yīng)商的評(píng)價(jià)分析。

4? ? ?結(jié) 語

將數(shù)據(jù)挖掘技術(shù)與商場(chǎng)客戶關(guān)系管理信息系統(tǒng)相結(jié)合，可以深入挖掘客戶信息以及銷售數(shù)據(jù)，從而輔助決策者制定決策，提高商場(chǎng)服務(wù)和營銷質(zhì)量。例如，利用決策樹算法可以細(xì)分客戶;利用K-Means算法可以實(shí)現(xiàn)客戶聚類，且可以根據(jù)不同價(jià)值的客戶制定不同的營銷策略;利用Apriori算法可以挖掘商品關(guān)聯(lián)規(guī)則，制定交叉銷售策略;利用協(xié)同過濾算法可以發(fā)現(xiàn)相似客戶并預(yù)測(cè)客戶喜好，并進(jìn)行有效推薦，以增強(qiáng)用戶體驗(yàn)感，增加商場(chǎng)銷售額。

主要參考文獻(xiàn)

[1]王欣，薛雯，魏源彤.數(shù)據(jù)挖掘在客戶關(guān)系管理系統(tǒng)中的應(yīng)用研究[J].東北電力大學(xué)學(xué)報(bào)，2015（4）：73-78.

[2]于興平，于騰飛，李洪建.數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理系統(tǒng)的應(yīng)用[J].信息與電腦，2019（2）：151-153.

[3]朱榮，周彩蘭，高瑞.基于數(shù)據(jù)挖掘的客戶關(guān)系管理系統(tǒng)研究[J].現(xiàn)代電子技術(shù)，2018（1）：182-185.