面向全價值鏈創新的電子商務客戶智能系統設計

曹鈺華 沈陽陽

基金項目：國家重點研發計劃（2019YFC0121303），江蘇省教育科學“十三五”規劃重點課題（B-a/2020/03/10）

摘 要：為實現數字經濟時代電子商務企業對客戶數據的充分挖掘和全面應用，達成全域客戶價值共創，融合客戶管理理論和數據分析方法，本文設計了一個面向全價值鏈創新的電子商務客戶智能系統，分析結果可應用于產品研發、消費者與市場、供應鏈等各個領域。該系統有助于推動全價值鏈創新，能夠實現“來源于全鏈條、服務于全鏈條”的客戶智能。

關鍵詞：客戶智能;全價值鏈;電子商務;理論基礎;系統設計

隨著大數據、人工智能、云計算、物聯網等數字信息技術不斷革新，電子商務行業正在經歷著“全面數字化”的迭代升級，使得客戶或主動或被動地更加深度地參與到電子商務全價值鏈所有環節的業務中，全面、系統、深度挖掘客戶數據并反饋至產品開發、營銷推廣、銷售運營以及供應鏈等各個領域成為一種可能，也成為一種必需，充分利用數字分析技術，面向電子商務全價值鏈，對客戶數據進行充分挖掘分析，具有較高的理論價值和現實意義。

客戶數據挖掘所蘊含的巨大價值已經催生出一個專門領域——“客戶智能”。客戶智能指的是企業利用各種信息化技術手段收集、分析與客戶有關的數據，并以此完善客戶關系、進行客戶決策、提升客戶價值，以實現獲取并長期保留客戶的目的（Anshari等，2019;Zerbino等，2018）。客戶智能的本質是以客戶為中心，以數字技術為導向的新型營銷理念。國內外一些研發機構和大型IT公司，例如IBM、SAS、Business Objects、Oracle等公司均開發出客戶智能系統;電商平臺，如生意參謀、京東商智等也設有客戶數據分析模塊。但現有的客戶智能軟件、系統或模塊存在明顯的不足：SAS等公司的客戶智能軟件源于傳統的企業管理信息系統，對于電子商務領域的具體情境的精準匹配欠佳;主流的電子商務數據分析平臺中雖然涉及客戶數據分析，但總體仍較為零散和碎片;現有的客戶智能系統總體來說大多處于“從客戶到客戶”的模式，既沒有充分挖掘出電子商務全價值鏈中所蘊含的客戶數據價值，亦沒有充分發揮客戶數據對于電子商務全價值鏈創新的推動作用。

基于此，本文構建了一個面向全價值鏈創新的電子商務客戶智能系統，該系統基于電子商務全價值鏈視角，全面分析各個環節中蘊含的客戶數據，并形成能夠推動全價值鏈創新的優化對策與方案，有助于進一步完善現有的客戶智能系統，并為電子商務企業的整體運營優化提供決策參考。

一、相關研究與應用現狀

客戶智能是一種“以客戶為中心理念+數據挖掘技術”的新型商業模式和運營策略，其理論研究和實踐應用都處于不斷發展的過程中。

1.客戶智能的理論研究現狀

客戶智能的理論研究從大的方面來說主要包括管理視角和技術視角。

管理視角下的研究主要包括客戶智能內涵與概念、客戶智能的內容與功能、客戶知識等方面。內涵與概念方面，普遍認為客戶智能是從企業內外各種渠道搜集客戶數據，通過分析挖掘其中蘊含的客戶知識，并將這些知識應用到客戶關系管理、營銷推廣以及產品開發等過程中的技術、方法、過程以及模式集合體（France和Ghose 2019;艾丹祥，2007）。內容與功能方面，流程視角的研究認為客戶智能主要包括客戶知識的生成、分配以及應用等內容（艾丹祥，2007），主題視角的研究認為客戶智能包括客戶價值、客戶行為、客戶興趣、客戶滿意度等內容，其本質就是基于客戶知識的創新過程，即以客戶知識推動企業運營優化，不斷提供企業競爭力的過程（Nambisan，2010）。客戶知識方面，普遍認為客戶知識是客戶智能的關鍵核心要素，是客戶擁有的，或在交易、交流、服務等過程中產生的經驗、體驗、知識等信息資源組合（齊麗云，2009），從來源渠道包括來自客戶的知識、流向客戶的知識和關于客戶的知識等三類，從表現形式來說包括顯性客戶知識和隱性客戶知識，從內容屬性來說包括對話型知識、觀察型知識和預測型知識（艾丹祥，2007）。

技術視角下的研究主要為客戶數據分析主題及其相應的實現模型。目前客戶智能的常見分析主題主要包括：客戶識別、客戶忠誠度分析、客戶滿意度分析、客戶細分、客戶分類等（趙雅慧等，2019）;應用到的分析模型與技術手段主要包括：關聯分析、分類分析、聚類分析、回歸分析、預測分析以及時間序列等（Dam等，2019）;分析的數據來源主要包括交易數據、社交媒體數據、系統日志以及客戶關系數據庫等（Dam等，2019;Zerbino等，2018）。

2.客戶智能的實踐應用現狀

由于存在巨大的市場需求，客戶智能的實踐應用相對來說領先于理論研究的發展。現有客戶智能軟件主要包括兩種類型：商務智能或ERP在客戶關系管理領域的延伸和聚焦;電子商務平臺中的客戶管理模塊或功能。前者如IBM、SAS、business objects、Oracle、浪潮、東軟等公司推出的客戶智能系統，例如IBM公司推出的Predictive Customer Intelligence，該系統能夠基于對客戶購買行為、網絡活動、社交媒體等數據的挖掘分析，對客戶未來的消費行為進行預測，為客戶提供個性化的服務體驗。后者如亞馬遜、淘寶以及京東等電子商務平臺在其數據化管理系統中均設有客戶管理相關的模塊或功能。

3.理論研究與實踐應用簡要評述

綜合分析現有關于客戶智能的理論研究和實踐應用現狀，可以發現存在三個層面的“分離”，有待進一步完善。第一層面的“分離”體現在管理視角的研究與技術視角研究之間的“分離”，如何融合管理理論的指導和數據分析技術的設計，進一步優化客戶智能實現模式有待突破;第二層面的“分離”體現在現有客戶智能的功能與電子商務發展對客戶管理實際需求之間的“分離”，現有源于ERP或商務智能的客戶智能軟件面向的主要是傳統的企業客戶關系管理，對于電子商務領域具體情境的精準匹配欠佳，而主流的電子商務數據分析平臺中雖然多多少少都涉及客戶數據分析，但總體仍較為零散和碎片;第三個層面的“分離”體現為現有客戶智能系統中客戶知識在價值鏈各環節中的“分離”，大多處于“從客戶到客戶”的模式，既沒有充分挖掘出電子商務全價值鏈中所蘊含的客戶知識價值，亦沒有充分發揮客戶知識對于電子商務企業全價值鏈創新的推動作用。

二、理論模型

對于當下的電子商務企業來說，客戶是決定企業取得可持續的良性發展的關鍵資源，并且這種資源的性質從“外生”向“內生”轉變，成為共同創造價值的元素之一。價值共創領域的研究認為客戶的價值共創角色主要體現在共同創意、共同設計、共同開拓市場、共享經驗以及成為合伙人等方面（Ramaswamy和Ozcan，2018）。具體到電子商務領域，客戶的價值共創行為主要包括共同產品開發、共同開發市場以及共同運營三個方面。客戶數據分析在本質上是對客戶知識的挖掘，而當前客戶知識的來源與類型更加豐富和多樣（Gibbert等，2002），從表現形式來說包括顯性客戶知識和隱性客戶知識（艾丹祥，2007），電子商務的客戶知識包括描述客戶靜態狀態的“結果性”數據，刻畫客戶行為過程的“行為性”數據，以及反映客戶內在意向和想法的“內在化”數據。因此，本文提出面向全價值鏈創新的電子商務客戶智能系統，理論框架如圖1所示。

三、整體框架、關鍵功能與核心模塊

1.整體框架

基于理論框架，本電子商務客戶智能系統主要包括數據來源與類型、分析方法與手段、核心任務與模塊、功能輸出與應用幾個部分，具體如圖2所示。

2.關鍵功能

遵循“來源于全鏈條、服務于全鏈條”的客戶數據分析思路，重點聚焦客戶關系管理、市場營銷、技術創新于產品開發等環節，面向電子商務全價值鏈協同創新，本系統實現的關鍵功能包括：客戶洞察、技術與產品創新以及價值鏈協同，如圖3所示。

3.核心模塊

（1） 客戶運營分析

該模塊面向營銷推廣、銷售以及客戶關系管理等領域產生的關于客戶的“結果性”數據，重點挖掘客戶整體特征、營銷屬性、活躍度、價值度以及異動規律，建立全生命周期、多層次、多維度，包含客戶識別、定位和預測功能的數據化系統，主要包括以下分析內容。

①客戶特征分析

對現有客戶群體各個維度的特征進行分析，以及為客戶關系管理以及營銷等業務部門提供決策參控。

②客戶分類分析

將客戶群體依據不同的維度標準劃分為不同的細分群體或類型，有助于客戶的精細化管理和精準營銷。

③客戶活躍度分析

用來評估客戶的活躍程度情況，是客戶狀態分析的基本模型。

④客戶價值度分析

用來評價客戶的價值情況，是區分客戶價值的重要模型和參考依據，也是衡量不同營銷效果的關鍵指標之一。

⑤客戶營銷預測分析

針對營銷推廣活動展開，通常在營銷活動開展之前，通過對客戶數據分析找到能實現營銷目標的客戶特征，以及該群體的數量與可能產生的銷售額。

⑥客戶流失預測分析

主要用來預測客戶是否流失，是做客戶生命周期管理的重要決策參考之一。

（2） 客戶行為分析

該模塊面向營銷推廣、交易銷售以及客戶訪問過程等環節中產生的“行為”性數據，重點挖掘客戶交易類型及其偏好，訪問路徑與規律，從動態角度精準刻畫客戶從訪問到交易的全過程，為網站規劃、視覺設計、引流策略和營銷方案等提供參考，主要包括以下分析內容。

①客戶群體行為分析

對電子商務企業客戶群體的訪問、收藏以及交易等行為的整體性分析，以幫助企業進一步優化營銷、銷售和客戶關系管理。

②客戶訪問路徑分析

能夠分析不同頁面引流和前后路徑關系，可用于站內流程完善、流量引導和營銷優化等方面。

（3） 客戶內容分析模塊

該模塊面向客戶評價、企業官微、公眾號、社交網絡以及專業論壇中產生的關于客戶“內容”數據，重點分析客戶產生的關于對商品、企業、品牌的體驗、反饋、評價和設想等內容，挖掘相關關鍵詞、主題、情感傾向等信息，主要包括以下分析內容。

①客戶內容情感傾向分析

基于客戶產生的內容分析其對企業、商品、活動等對象的觀點、態度、情緒、立場以及其他主觀情感的傾向，包括積極、消極、中性或負向等。

②客戶內容詞頻統計

用來分析客戶產生內容中詞語出現頻率統計分析，可以分析客戶對于特定商品等對象關注的焦點、評價的重點及其分布情況。

③客戶內容關鍵詞和主題分析

從客戶產生的文本中提取相關的詞語，主題分析是從客戶產生的內容中抽取所表達的中心思想和核心概念，能夠反映客戶內容的主旨。

四、結論

為實現數字經濟時代電子商務領域充分、高效地挖掘并利用客戶數據，基于客戶知識與客戶價值共創相關理論，本文提出了一個面向電子商務全價值鏈創新的客戶智能系統。該系統從電子商務的客戶關系管理、營銷推廣、銷售等各個環節收集和挖掘客戶數據，并將分析結果應用于包含產品研發、消費者與市場、供應鏈等各個領域，對現有客戶智能系統存在的諸如不精準、不全面等問題進行了優化，能夠滿足當前電子商務行業發展對于客戶數據分析的需求，具有一定的理論價值和實踐意義。

參考文獻：

[1]Anshari M，et al.Customer relationship management and big data enabled：Personalization&customization of services[J].Applied Computing and Informatics，2019，15（2）：94-101.

[2]Zerbino P，et al.Big Data-enabled customer relationship management：A holistic approach[J].Information Processing&Management，2018，54（5）：818-846.

[3]France S L，S Ghose.Marketing analytics：Methods，practice，implementation，and links to other fields[J].Expert Systems with Applications，2019，119：456-475.

[4]艾丹祥.基于數據挖掘的客戶智能研究[D].武漢：武漢大學，2007.

[5]Nambisan S.Virtual customer environments：IT-enabled customer co-innovation and value co-creation，in Information technology and product development[M].Springer，2010：109-127.

[6]齊麗云.客戶知識管理對企業績效影響的實證研究[D].大連：大連理工大學，2009.

[7]趙雅慧，劉芳霖，羅琳.大數據背景下的用戶畫像研究綜述：知識體系與研究展望[J].圖書館學研究，2019（24）：13-24.

[8]Dam N A K，T Le Dinh，W Menvielle.Marketing Intelligence From Data Mining Perspective–A Literature Review[J].International Journal of Innovation，Management and Technology，2019，10（5）：184-190.

[9]Gibbert M，M Leibold，G Probst.Five styles of customer knowledge management，and how smart companies use them to create value[J].European management journal，2002，20（5）：459-469.

作者簡介：曹鈺華（1983- ），女，漢族，江蘇南通人，博士，副教授，研究方向：電子商務、商務數據分析;沈陽陽（1987- ），女，漢族，江蘇蘇州人，博士，講師，研究方向：商務數據分析