- 相關推薦
數(shù)據(jù)挖掘在ＣＲＭ中的應用分析
［摘 要］ 客戶資源是企業(yè)最重要的戰(zhàn)略資源之一，企業(yè)必須對此高度重視。CRM是以客戶的資源價值管理為核心的管理軟件，廣大用戶越來越注重CRM的實用價值。在CRM中只有有效利用數(shù)據(jù)挖掘,才可以指導企業(yè)高層決策者制定最優(yōu)的企業(yè)營銷策略,降低企業(yè)運營成本,增加利潤,加速企業(yè)的發(fā)展�！ 。坳P鍵詞］ 數(shù)據(jù)挖掘；CRM；應用客戶資源是企業(yè)最重要的戰(zhàn)略資源之一。擁有客戶就意味著企業(yè)擁有了在市場中繼續(xù)生存的理由，而擁有并想辦法保留住客戶是企業(yè)獲得可持續(xù)發(fā)展的動力源。但是在傳統(tǒng)的企業(yè)結(jié)構(gòu)中，要真正和客戶建立起持續(xù)、友好的個性化聯(lián)系并不容易。正是在這樣的情況下，美國Gartner GroupInc.于1999年首先提出客戶關系管理（Customer Relationship Management，CRM）理論。
一、CRM的基本內(nèi)涵
CRM是一種以客戶為中心的經(jīng)營策略，是利用信息技術對客戶資源進行集中管理，將經(jīng)過分析及處理的客戶信息與所有與客戶有關的業(yè)務領域進行鏈接，使市場、銷售、客戶服務等各個部門可以共享客戶資源，使公司可以實時地跟蹤客戶的需求，提供產(chǎn)品及服務，提高客戶的滿意度及忠誠度，從而吸引更多的客戶，最終使公司的利潤最大化。
一般來講，可以從4個方面來討論CRM的價值。（1）提高效率。由于采用了新技術手段，業(yè)務處理流程的自動化程度提高了，特別是在市場、銷售、服務等關鍵業(yè)務處理上，實現(xiàn)了企業(yè)范圍內(nèi)的信息共享，提高了員工的工作能力，并有效減少培訓需要，使企業(yè)內(nèi)部能更高效地運轉(zhuǎn)；（2）拓展市場。通過新的業(yè)務模式擴大企業(yè)經(jīng)營活動范圍，及時把握新市場機會，占領更多的市場份額，并不斷評估市場活動效果；（3）保留客戶�？蛻艨梢赃x擇自己喜歡的方式與企業(yè)進行交流，方便地獲取信息，得到更好的服務，客戶的滿意度得到提高，可幫助企業(yè)保留更多的老客戶，并更好地吸引新客戶；（4）提高企業(yè)效益。改進市場、銷售、產(chǎn)品開發(fā)等工作脫節(jié)現(xiàn)象，加快銷售進程，通過良好的客戶服務和全新的市場活動獲得新的銷售機會，提高長期銷售量的增長；同時，具有針對性的客戶挖掘，節(jié)約了市場和銷售的成本，也減少了企業(yè)在戰(zhàn)略決策上產(chǎn)生失誤的可能性。
可以看出，CRM的核心是客戶的資源價值管理，因此CRM的實施必須要獲取大量的客戶的有用信息，并通過管理和分析大量的信息，從中找出對企業(yè)管理決策有價值的知識。這一切都需要有先進的技術和工具的支持，數(shù)據(jù)挖掘恰恰可以給予CRM良好的技術支持。
二、數(shù)據(jù)挖掘的主要方法
數(shù)據(jù)挖掘也被稱作KDD（Knowledge Discovery in Database），即數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是一種決策支持過程，它主要基于AI（人工智能）、機器學習、統(tǒng)計學等技術，高度自動化地分析企業(yè)原有的數(shù)據(jù)，作出歸納性的推理，從中挖掘出潛在的模式，預測客戶的行為，幫助企業(yè)的決策者調(diào)整市場策略、減少風險、作出正確的決策。
CRM中的數(shù)據(jù)挖掘是指從大量的有關客戶的數(shù)據(jù)中挖掘出隱含的、先前未知的、對企業(yè)決策有潛在價值的知識和規(guī)則。技術上，客戶關系管理系統(tǒng)采用嵌入數(shù)據(jù)挖掘系統(tǒng)的方式，可以自動地產(chǎn)生一些所需要的信息。更進一步的，還需要企業(yè)有統(tǒng)計學、決策科學、計算機科學方面的專業(yè)人才制定出相應的挖掘規(guī)則以進一步發(fā)揮出數(shù)據(jù)挖掘系統(tǒng)的優(yōu)勢。
數(shù)據(jù)挖掘的主要方法包括關聯(lián)分析、時序模式、分類、聚類、偏差分析以及預測等，它們可以應用到以客戶為中心的企業(yè)決策分析及管理的不同領域和階段。
1. 關聯(lián)分析（Correlation）。其目的就是挖掘出隱藏在數(shù)據(jù)間的相互關系。例如，80%顧客同時會在購買某種A產(chǎn)品的同時購買B產(chǎn)品，這就是一條關聯(lián)規(guī)則。
2. 時序模式。通過時間序列搜索出重復發(fā)生概率較高的模式，這里強調(diào)時間序列的影響。例如，某段時間內(nèi)，購買了A產(chǎn)品的人中，70%的人會買B產(chǎn)品。
3. 分類（Classification）。找出一個類別的概念描述，它代表了這類數(shù)據(jù)的整體信息。分類是數(shù)據(jù)挖掘中應用最多的任務。要為每個類別做出準確的描述或建立分析模型或挖掘出分類規(guī)則，然后用這個分類規(guī)則對其他數(shù)據(jù)庫中的記錄進行分類。
4. 聚類（Clustering）。按一定規(guī)則將數(shù)據(jù)分為一系列有意義的子集。通俗地講，就是多元統(tǒng)計中研究所謂“物以類聚”現(xiàn)象的一種方法，其職能是對一批樣本或指標按它們在性質(zhì)上的親疏程度來進行分類，采用不同的聚類方法，對于相同的記錄集合可能有不同的劃分結(jié)果。
5. 偏差分析（Deviation）。從數(shù)據(jù)庫中找出異常數(shù)據(jù)。
6. 預測（Prediction）。利用歷史數(shù)據(jù)找出規(guī)律，建立模型，并用此模型預測未來數(shù)據(jù)的種類、特征等。
【數(shù)據(jù)挖掘在ＣＲＭ中的應用分析】相關文章：
數(shù)據(jù)倉庫技術在ＣＲＭ中的應用研究03-22
數(shù)據(jù)挖掘技術在企業(yè)知識管理中的應用03-19
Ｗｅｂ數(shù)據(jù)挖掘在電子商務中的應用.03-21
數(shù)據(jù)挖掘在旅游電子商務中應用論文11-28
談數(shù)據(jù)挖掘技術在電子商務中的應用03-21