CRM系统：基于数据挖掘的CRM 分析

基于数据挖掘的CRM 分析 魏晓云 ( 四川行政学院计算机系, 四川成都610072) 摘要: 进行客户关系管理系统建设, 是企业争取竞争优势的重要手段, 数据挖掘技术在CRM 的实施中起着关键的作用。文章介绍了 数据挖掘技术和CRM 技术, 具体介绍了在酒店CRM 建设中用到的决策树和模糊聚类这两种数据挖掘的实现方法, 并做出了实验分 析。 关键词: 数据挖掘; CRM; 酒店管理; 决策树; 模糊聚类 中图分类号: TP312 文献标识码: A 文章编号: 1009- 3044(2007)09- 20614- 03 Application of Data Mining in the Civil Aviation CRM WEI Xiao- yun (Sichuan College of Administration Sichuan Chengdu 610072 ,China) Abs tract: The construction of customer relationship management system is an important means of competition between airlines. Data mining plays a key role in the process of CRM. This paper first introduces the fundamental knowledge of CRM and data mining, and then presents concretely two methods of data mining in the aviation CRM, decision tree and fuzzy clustering. Key words : Data mining; CRM; Decision tree; Fuzzy clustering 利用数据挖掘技术, 建立一个分析模型, 用模糊聚类的数据 挖掘方法, 做出实验分析客户的特征。并据此有针对性地制定客 户营销策略, 以期高效发掘新客户, 保留现有客户, 是企业在提 高客户营销效果方面的一新尝试。本文结合试验设计的思想, 用 基于数据挖掘的方法对酒店的客户营销效果, 采取针对性进行实 证分析。分析结果表明, 在数据挖掘指导下制定的针对性客户营 销策略, 在增加用户数量和提高服务质量方面有显著效果。 2 数据挖掘的概念 对于海量信息存储, 数据挖掘是一种系统地检查和理解大量 数据的工具。数据挖掘可根据预定义的数据目标, 对大量的现有 数据进行探索和分析, 揭示其中隐含的规律, 并进一步生成相应 的分析、预测模型。数据挖掘发现的是以前未知的、可理解的、可 执行的信息, 所以也被称为数据库中的“知识发现”(Knowledge Discovery in Databases)。与统计分析技术相比, 数据挖掘技术能 很好地和数据库技术相结合, 而且数据挖掘工具用以发现数据中 隐含的知识规律的方法, 已不局限于统计技术。还包括统计学科 以外的方法, 如神经网络、遗传算法、自组织图及神经模糊系统 等。数据挖掘发现的“知识”可以用于构建预测模型, 还可以再进 一步应用于数据的统计分析。数据挖掘任务一般可以分两类: 描 述数据库中数据的一般特性, 根据现有数据进行推断及预测[1]。 3 CRM 简介及体系结构 客户关系管理(Customer Relationship Management CRM) 起源 于20 世纪80 年代初被提出的接触管理(Contact Management) , 即专门收集整理客户与公司联系的所有信息。到20 世纪90 年代 初则演变成包括电话服务中心与支援资料分析的客户服务(Customer care) 。经历了近20 年的不断发展, 客户关系管理不断演变 发展, 逐渐形成了一套管理理论体系和应用技术体系。CRM的概 念最早由Cartner Group 提出, 即认为为企业提供全方位的管理视 角, 赋予企业更完善的客户交流能力, 最大化客户的收益率。 CRM 是一种以客户为中心的市场营销理念和策略, 它以信息技 术为手段, 对业务功能进行重新设计, 并对工作流程进行重组。它 集合了现代信息技术, 包括Internet 和电子商务、多媒体技术、数 据仓库和数据挖掘、专家系统和人工智能、呼叫中心等。 4 数据挖掘应用于CRM 的过程 在应用数据挖掘技术时, 数据仓库随时会增加新的数据, 所 以数据挖掘应用于CRM的过程不是线性的。数据挖掘应用于 CRM的过程可分为以下几步: (1)定义问题。每一个CRM应用都会有一个或多个商业目标, 根据具体的目标, 如“增加客户的回应率”或“增加客户的回应价 值”等建立不同的模型。 (2)建立销售数据仓库。建立销售数据仓库是数据准备的核心 工作, 而且这一步花费的时间和精力最多, 数据准备可能占用整 个数据挖掘过程的50%- 90%的时间和精力。因为已有的数据库 的数据形式不能满足数据挖掘的需要或者它们会影响CRM与数 据挖掘结合后的系统的执行速度和效果, 所以需要建立一个满足 数据挖掘需要的销售数据仓库。 (3)洞察数据。在建立预测模型前必须充分理解数据, 收集大 量的数据摘要( 包括描述性的统计数据如平均值、标准方差等) 和 查阅数据的分布情况, 可能还要采用数据表格的形式来表示多维 数据。 (4)为建立模型准备数据。这是建立模型前的最后一个数据准 备步骤。 (5)建立模型。建立模型需要不断重复工作, 它是从已有的模 型出发并不断地修改直到找出最有用的模型。在这个过程中可能 会对数据做一些修改甚至改变问题的描述方法。 (6)模型评估。对挖掘的结果进行评估和表示,这是数据挖掘中 不可缺少的环节。运用实验数据或新的样本数据进行检验, 评估 挖掘结果的可用性和可信性, 并在此基础上,调整和修改数据模型 和挖掘方法[4]。 5 数据挖掘在酒店CRM 中的应用 数据挖掘技术应用在酒店的CRM 体系中, 通过对旅客的特 征数据进行分析, 可以对旅客进行分类, 对不同类别的旅客采取 不同的营销对策。对不同等级客房账单的历史数据的分析, 对近 期或远期旅客的订房行为作出预测。一方面尽量多地售出高房票 而降低房票的售出量, 另一方面及时调整定价策略, 防止房位虚 耗﹑损失客源。对旅客服务满意度的调查可以使酒店调整重点服 务策略, 忽略次要因素, 降低营运成本。因此研究大量旅客特征数 据和历史订房数据, 是制定市场营销策略和进行收益规划的基 础。在这个过程中可以引入数据挖掘的方法, 具体步骤如下。 5.1 数据准备 在这过程中, 分析人员将收集订房系统中存储的大量历史数 据, 包括序号﹑团队标识﹑姓名﹑性别、订房记录﹑房间号﹑订房状 态﹑订房人数﹑订房日期等数据。并把他们整理成如下数据: 姓名, 身份证号, 订房工作号, 预订日期, 订房时间, 套房类型, 订房代理 人信息, 出房票号, 出房工作号, 付款方式等数据, 并把这些数据 集成在数据仓库中。同时将旅客的特征数据, 包括住店次数﹑累计 消费金额数﹑所在行业﹑套房等级﹑出行目的﹑教育程度﹑爱好和收 入等基本信息集成在数据仓库中。 5.2 数据挖掘 5.2.1 预测型数据挖掘方法 这类方法主要指分类与回归。分类方法用来预测某一个样本 属于哪一种类型, 回归方法是通过具有已知的变量来预测其他变 量的值。实现技术有决策树( 如图1) ﹑神经网络和朴素贝叶斯等。 决策树的优点是生成的模型易于理解, 但对输入数据有限制, 数 据必须具有种类特征。例如, 可以采用决策树的方法对旅客的订 房选择及带来的收益和风险做出分析。 强力推荐： 天柏客户关系管理系统 天柏客户关系管理系统（CRM）是一款集专业性、实用性、易用性为一体的纯B/S架构的CRM系统，它基于以客户为中心的协同管理思想和营销理念，围绕客户生命周期的整个过程，针对不同价值的客户实施以客户满意为目标的营销策略，通过企业级协同，有效的“发现、保持和留住客户”，从而达到留住客户、提高销售，实现企业利润最大化的目的。通过对客户进行7P的深入分析，即客户概况分析(Profiling)、客户忠诚度分析(Persistency)、客户利润分析(Profitability)、客户性能分析(Performance)、客户未来分析(Prospecting)、客户产品分析(Product)、客户促销分析(Promotion)以及改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程并提高各个环节的自动化程度，从而帮助企业达到缩短销售周期、降低销售成本、扩大销售量、增加收入与盈利、抢占更多市场份额、寻求新的市场机会和销售渠道，最终从根本上提升企业的核心竞争力，使得企业在当前激烈的竞争环境中立于不败之地。 关键词：CRM,CRM系统,CRM软件,客户关系管理,客户管理软件,客户管理系统,客户关系管理软件,客户关系管理系统