CRM系统：保险业分析型CRM 的数据挖掘应用

保险业分析型CRM 的数据挖掘应用 谢汀芬 摘　要:本文在阐述分析型CRM 的理论和方法的基础上,结合 保险行业的特点提出了数据挖掘技术在客户群体细分、欺诈识 别、交叉销售及客户流失不同阶段的应用。 关键词:分析型CRM;客户生命周期;数据挖掘 中图分类号:F123. 16 　文献标识码:A 文章编号:CN43 - 1027/ F(2009) 4 - 182 - 02 作　者:保险职业学院商业保险系;湖南,长沙,410007 一、分析型客户关系管理概述 客户关系管理(Customer Relationship Management ,CRM) 起源于20 世纪80 年代初提出的接触管理(Contact Manage2 ment) ,即专门收集整理客户与公司联系的所有信息。美国研 究机构Meta Group 根据客户关系管理的内容及功能,将客户关 系管理划分为三类:操作型、分析型和协作型。 操作型CRM 应用的设计目的是为了企业级的信息资源共 享,减少信息流动滞留点,使企业与客户间的接口统一化。操作 型应用系统是客户关系管理软件中最基本的应用模块,是一个 业务信息管理系统。 协作型CRM 应用就是能够让企业客户服务人员同客户一 起完成某项活动。协作型应用目前主要由呼叫中心、客户多渠 道联络中心、帮助台以及自助服务帮助导航等组成。 分析型CRM 从操作型系统应用所产生的大量交易数据中 提取有价值的各种信息,是一种决策支持工具。分析型CRM 的主要原理是将交易操作所积累的大量数据过滤,抽取到数据 仓库,再利用数据挖掘技术建立各种行为预测模型,最后利用图 表、曲线等对企业各种关键运行指标及客户市场分割情况进行 发布,达到成功决策的目的。 通过对三类CRM 应用概念的介绍,总结分析型CRM 的特 点如下: (1) 分析型CRM 应用的输入是操作型、协作型CRM 的实 际业务数据。 (2) 分析型CRM 应用的输出是易于理解、使用的图表、曲 线等辅助决策信息。 (3) 分析型CRM 服务的目标是为企业管理者、决策者等提 供决策支持。 (4) 分析型CRM 的主要工具是数据仓库、数据挖掘等 技术。 二、分析型CRM 中的数据挖掘技术 11 客户生命周期理论。 客户生命周期是客户关系生命周期的简称,指客户关系水 平随时间变化的发展轨迹,它描述了客户关系从一种状态(一个 阶段) 向另一种状态(另一阶段) 运动的总体特征。国内外已经 有很多关于客户生命周期的研究“, 客户关系具有明显的周期特 征”这一观点也早已被一些学者提出过。随着对客户关系动态 特征重要性认识的不断加强,客户生命周期的应用研究也逐渐 引起越来越多学者的兴趣,比如从客户角度考察各种专有投资 保护机制在生命周期不同阶段的有效性等,另外对客户生命周 期模式的描述,客户生命周期模式的类型,以及什么样的客户生 命周期模式对供应商来说最有利可图等问题也有了进一步的 研究。 阶段划分是客户生命周期研究的基础,目前这方面已有较 多的研究,其中,Dwyer 、Schurr 和Oh 的研究最具代表性。他 们提出了买卖关系发展的一个五阶段模型,首次明确强调买卖 关系的发展是一个具有明显阶段特征的过程。这一观点被广泛 接受,取代了当时盛行的把交易完全看作是离散事件的观点。 国内的陈明亮经过研究,把客户关系的发展进一步划分为考察 期、形成期、稳定期、退化期四个阶段,称为四阶段模型侧。这四 个阶段分别是: (1) 考察期:关系的探索和试验阶段。这一阶段,企业和客 户双方考察和测试目标的兼容性、对方的诚意、对方的绩效,考 虑建立长期关系时双方潜在的职责、权利和义务。考察期的基 本特征是相互了解不足、不确定性,中心目标是评估对方的潜在 价值和降低不确定性。这一阶段,客户通常会下一些尝试性的 订单。 (2) 形成期:关系的快速发展阶段。能进入这一阶段,表明 在考察期双方都比较满意,并建立了一定的相互信任和相互依 赖。在这一阶段,双方从关系中获得的回报日趋增多,相互依赖 的范围和深度也日益增加,逐渐认识到对方有能力提供令自己 满意的价值(利益) 和履行其在关系中担负的职责,因此愿意承 诺一种长期关系。在这一阶段,随着双方了解和信任的不断加 深,关系日趋成熟,双方的风险承受意愿增加,由此双方交易不 断增加。 (3) 稳定期:关系发展的最高阶段。在这一阶段,双方或含 蓄或明确地对持续长期关系作了保证。这一阶段有如下明显 特征: ①双方对对方提供的价值高度满意 ②为能长期维持稳定的关系,双方都作了大量有形和无形 投入 ③大量交易 因此,在这一时期双方的相互依赖水平达到整个客户关系 发展过程中的最高点,双方关系处于一种相对稳定状态. (4 ) 退化期:关系发展中关系水平的逆转阶段。其主要特 征有: ①交易量下降 ②一方或双方正在考虑结束关系甚至物色候选伙伴 ③开始交流结束关系的意图 引起关系退化的可能原因有很多,比如:一方或双方经历了 一些不满意、发现了更适合的关系伙伴、需求发生变化等. 另外, 关系的退化并不总是发生在稳定期后的第四阶段,在任何一阶 段关系都可能退化。 客户与企业发生业务的过程中,从未发生接触到初次接触, 到形成销售机会、签约,直至成为用户并发生再购买,客户所处 的阶段和状态随时变化,针对不同状态的客户,企业需要制定不 同的策略。企业通常会依据业务侧面来划分业务部门。在传统 的业务方式开展过程中,部门以完成各自的工作计划为主,很少 按照客户的流向来协同规划、配合,整体工作被割裂管理,计划 制定缺少依据,易于造成环节失调。完整客户生命周期管理是 一种全新的业务规则,它指导企业围绕客户在企业中的发生,发 展的过程规划、协调开展业务。企业业务部门的工作职能会相 应发生转变。客户生命周期与客户价值的相互变化,21 数据挖掘方法及用途。 数据挖掘是一种新的商业信息处理技术,其主要特点是对 商业数据库中的大量业务数据进行抽取、转换、分析和其它模型 化处理,从中提取辅助商业决策的关键性数据。 根据数据挖掘的任务可主要划分为:关联规则挖掘、序列模 式挖掘、聚类数据挖掘、分类数据挖掘等几类。 (1) 关联规则挖掘是指从交易数据库中挖掘出不同商品 (项) 之间的联系,这些规则揭示了顾客购买行为的模式。该类 挖掘结果可以应用于商品货架设计、库存安排以及根据购买模 式对用户进行分类等方面。关联规则挖掘算法属于无监督(无 教师) 学习方法,1993 年Agrawal 等提出的APriori 算法是该类 算法的代表。 (2) 序列模式挖掘与关联规则挖掘同样是挖掘出重复发生 概率较高的模式,所不同的是前者强调时间上的顺序关系。该 类挖掘应用于发现用户时序购买行为模式、网站页面访问模式 和DNA 序列分析等领域。 (3) 聚类数据挖掘是在预先不知道目标数据库到底有多少 类的情况下,希望将所有的记录组成不同的类,称为“聚类” (Cluster) 。并且使得在这种分类情况下,以某种度量为标准的 相似性,在同一聚类之间最小化,而在不同聚类之间最大化。聚 类将分布未知的数据按照指定标准分类,达到分而制之的目的。 聚类分析的算法可以分为划分方法、层次方法、基于密度的方 法、基于网格的方法和基于模型的方法。 (4) 分类数据挖掘是数据挖掘中一个极重要的应用,它通 过在已有数据上的学习总结出其中的规律,并将规律应用到新 的数据上以进行预测。分类与聚类的区别就在于分类是要找出 数据分布(聚类) 的原因,而聚类是要得出未知数据的聚合情况。 分类的效果一般和数据的特点有关,例如数据的嗓声,缺失值, 分布稀疏状况,字段或属性间的相关性,属性是离散、连续或混 合式的等方面。目前普遍认为不存在某种方法能适合于各种特 点的数据,研究并改进算法以适应某一特定应用是研究的方向 之一。分类的方法包括贝叶斯分类方法、决策树方法、神经网络 方法、遗传算法等。 31 客户生命周期中的数据挖掘技术。 对应客户整个生命周期的各个阶段,企业的客户关系管理 需求是不同的,其所使用的数据挖掘技术也不尽相同, (l) 潜在客户阶段。该阶段企业的目标是通过对己有客户 进行特征分析,找出自身客户的特点,并依此对新群体进行营 销,期望其能成为企业的新客户。对应于这一目标,企业通常使 用分类技术找到对企业有贡献的客户群体,并对其实施相应的 吸引策略。 (2) 已有客户阶段。企业的已有客户是企业当前利润的来 源,所以要对其进行各种能够实现利润最大化目标的分析。具 体包括以下几点: ①客户群体细分。根据Pareto 原理,为企业提供80 %利 润的客户占全体客户的20 % ,这部分客户是市场中最有价值的 客户,也就是我们常说的大客户。对这部分客户的深入分析可 使企业及时调整策略,发现新的商机,从而达到吸引新客户、留 住老客户、最大限度提高客户价值的目的。完成该项任务的就 是客户细分。客户细分是CRM 实现其目标的主要手段之一。 CRM 成功的前提条件是能够根据客户价值细分企业的客户。 分类、聚类技术可以应用于客户细分这一目标。 ②交叉销售。交叉销售又称捆绑销售,是根据客户以往的 购买习惯对客户进行针对性的营销。具体包括两种类型:其一 是根据大量客户的购买习惯得出客户群体的购买习惯,并对所 有客户实施这种营销,超市中的啤酒加尿布就是这一类的代表: 另一种是根据特定客户在一定时期内的购买记录,对其进行针 对性营销,例如客户在一段时间内购买了分红寿险和意外险,很 大可能会再购买健康险,那么营销人员可以在一段时间之后再 推销健康险。可以看出,第一种是根据大量客户的购买记录进 行的,无时间先后的概念,所捆绑的若干商品是被一次购买的; 后一种则是根据某一消费者的历史购买记录进行的,捆绑的商 品是被分次购买,具有延伸性。关联规则和序列分析是实现上 述营销功能的有力工具。 ③欺诈识别。金融活动中存在着大量的欺诈活动,那些不 法分子利用金融机构提供的各项服务进行违法活动,例如洗黑 钱、信用卡透支等。作为金融机构,需要使用强有力的侦察工具 实现降低事件发生率、及时发现欺诈活动的目的,减少对企业、 社会的危害。数据挖掘中的异常分析就是针对这类情况而生 的,当然该项分析还可以用于地质等方面。具体的实现技术包 括聚类、分