數據挖掘在客戶關系管理系統(tǒng)中的應用研究

申請免費試用、咨詢電話：400-8352-114

  客戶關系管理是企業(yè)管理中一項重要的內容，在CRM中使用數據挖掘技術，可以提高企業(yè)的管理水平。本文深入研究了客戶管理系統(tǒng)與數據挖掘相關方法，并采用數據挖掘技術對客戶貢獻和客戶價值等方面進行了詳細的分析，總結了相關的步驟和方法。

    由于CRM的應用能夠提高企業(yè)效率，提升客戶的忠誠度、節(jié)省運營開支和增加營業(yè)收入，所以越來越多的企業(yè)開始建立CRM系統(tǒng)。然而隨著CRM系統(tǒng)中數據庫技術的迅速發(fā)展以及業(yè)務操作流程自動化的廣泛應用，企業(yè)積累了越來越多的數據。目前的數據庫技術雖然可以很方便的進行數據的查詢和統(tǒng)計，但是要從大量的數據中發(fā)現(xiàn)其存在的規(guī)則和關系則很乏力，所以將數據挖掘應用的客戶關系管理中是必然也是必要的。

    結合數據挖掘的功能，可以在企業(yè)決策分析和客戶關系管理等各方面和各階段發(fā)揮其作用，而在客戶關系管理中，數據挖掘可以應用到客戶群體細分、客戶的保留與獲取、交叉銷售、客戶貢獻分析等多個方面。

1 數據挖掘的方法

    （1）統(tǒng)計分析方法。利用概率論和數理統(tǒng)計的原理統(tǒng)計分析相關的屬性，發(fā)現(xiàn)相互之間的關系和規(guī)律。

    （2）遺傳算法。遺傳算法是模擬生物在自然環(huán)境中的遺傳和進化過程而形成的一種自適應全局優(yōu)化概率搜索算法。

    （3）決策樹方法。通過生成一個測試函數建立結點和分支，即生成一棵決策樹。然后對決策樹進行剪枝處理，最后把決策樹轉化為規(guī)則，決策樹方法主要用于分類挖掘。

    （4）關聯(lián)分析。實現(xiàn)關聯(lián)分析的技術主要是統(tǒng)計學中的置信度和支持度分析。關聯(lián)規(guī)則的挖掘有多種方法，比較典型的有ARGen算法和Apriori算法。

    關聯(lián)分析即利用關聯(lián)規(guī)則進行數據挖掘。關聯(lián)分析的客戶保留則是在客戶識別的基礎上有目的地改善企業(yè)的服目的是挖掘隱藏在數據間的相互關系。

    （5）聚類分析。聚類分析是根據事物的特征對其進行聚類或分類，以期從中發(fā)現(xiàn)規(guī)律和典型模式。

2 基于數據挖掘的客戶分析

    2.1 客戶貢獻分析

    客戶的購買力對企業(yè)的盈利有很大的影響，客戶的貢獻越多，企業(yè)相應的利潤也就越豐厚。所以按客戶的貢獻大小對客戶群進行分類，然后對不同的貢獻率的客戶采取不同的措施，對于企業(yè)提高收益具有巨大的意義。

    2.1.1 基本思路

    企業(yè)的數據倉庫中有客戶的具體信息，利用數據挖掘技術對這些客戶信息進行分析，用分類判定樹對客戶的各種屬性特征和對企業(yè)的貢獻率的大小進行歸納和分類。這樣就建立起一個對于客戶貢獻大小分析的模型，然后將客戶貢獻大小不清楚的客戶信息輸入這個模型，利用已經歸納出的模型對這些客戶進行分類，這樣就得到了客戶對應的貢獻率分類結果。

    2.1.2 具體步驟

    （1）構造數據集市。根據對客戶貢獻大小的研究，分析貢獻大小與客戶屬性特征相關的屬性。

    （2）數據預處理。對客戶屬性如客戶姓名、滿意度、工作地、貢獻度和購買次數等，進行必要的清洗、集成、轉換、離散和歸約等一系列的處理工作，達到挖掘算法的規(guī)范和標準。

    （3）建立相關屬性集。通過對屬性相關性的分析，刪除那些與數據挖掘不相關的屬性，剩下相關的屬性就組成了相關數據集。

    （4）建立模型。根據上一步得到的相關數據集對客戶貢獻度建立模型。首先對相關數據集進行分析和訓練形成訓練數據集。然后歸納判定樹。接著，對分類規(guī)則進行提取。最后，對得到的基本模型進行評價和改進。

    （5）使用模型進行分類。當模型的準確率改進到某個可以接受的閾值，就可以用這個模型對貢獻度未知的客戶進行分類。將客戶數據輸入模型，然后就可以得到這個客戶對應的客戶貢獻率分類結果。

    2.2 客戶價值分析

    客戶是企業(yè)最重要的資源了，擁有越多的客戶就以為著企業(yè)有更多地發(fā)展機會，而不同的客戶對于企業(yè)的價值是不一樣的，這就需要對客戶的價值進行分析，有助于企業(yè)合理利用，提高企業(yè)的收益。

    客戶價值分析的方法：

    可以根據客戶購買行為對客戶群進行細分。在模型上，采用客戶價值矩陣分析方法。首先選擇K均值算法作為聚類算法，然后采用決策樹算法對客戶群的特征進行提取，從而得到聚類分析中每個客戶群的對應的特征。

    （1）基于K均值算法的客戶細分分析。首先選取500名客戶5年的購買數據作為數據挖掘的樣本數據，樣本數據主要包括客戶代號、平均采購額度和購買次數3個方面信息。然后設置K值，然后執(zhí)行K均值聚類算法。算法執(zhí)行后，樣本數據就進行了分類。

    （2）基于決策樹分類的客戶群特征提取。首先進行數據準備和預處理，即對對客戶數據進行編碼和分類，然后構造訓練集，利用聚類結果提取客戶特征，最后，根據前面處理過的的客戶特征信息樣本數據，進行計算最終得到一棵客戶價值分析決策樹。采用決策樹的方法也對客戶流失進行了分析，預測了哪些客戶最容易流失，這些容流失的客戶又具有哪些特性，從而分析出了客戶流失的原因，為企業(yè)保留客戶提供了幫助。

3 結束語

    客戶資源是市場競爭至關重要的寶貴資源，擁有客戶就意味著擁有市場。數據挖掘技術能從日積月累的數據中挖掘出對企業(yè)決策有幫助的潛在知識和規(guī)則，挖掘現(xiàn)有客戶的消費潛力，減少客戶的流失，為企業(yè)的決策和發(fā)展提供幫助。