CRM系统：零售业CRM中的数据挖掘技术

置信度: P(B| A) ,即在出现项集A 的事务集D 中,项集B 也同时出现的概率。 同时满足最小支持度阈值和最小置信度阈值 的规则称为强规则。给定一个事务集D ,挖掘关联 规则问题就是产生支持度和可信度分别大于用户 给定的最小支持度和最小可信度的关联规则,也就 是产生强规则的问题。 关联分析就是利用关联规则进行数据挖掘的 技术,其目的在于挖掘隐藏在数据间的相互关系, 发现数据库中形如“90 %的顾客在一次购买活动中 购买商品A 的同时购买商品B”之类的知识。 通过从销售记录中挖掘关联信息,可以发现购 买某一品牌商品的顾客很可能购买其他一些商品。 这类信息可用于形成一定的购买推荐。购买推荐 通过宣传可改进服务,帮助顾客选择商品,增加销 售额和减少积压库存。 ②序列模式分析 序列模式分析和关联分析相似,但侧重点在于 分析数据间的前后序列关系。它能发现数据库中 形如“在某一段时间内,顾客购买商品A ,接着购买 商品B ,而后购买商品C ,即序列A →B →C 出现的 频度较高”之类的知识,序列模式分析描述的问题 是:在给定交易序列数据库中,每个序列是按照交 易时间排列的一组交易集,挖掘序列函数作用在这 个交易序列数据库上,返回该数据库中出现的高频 序列。在进行序列模式分析时,同样也需要由用户 输入最小置信度和最小支持度。 序列模式挖掘可用于分析顾客的消费或忠诚 的变化,据此对价格和商品的品种加以调整,以留 住老顾客,吸引新客户,保证一定的顾客数量。 ③分类分析 分类分析就是通过分析样本客户数据库中的 数据,为每个类别作出准确的描述或建立分析模型 或挖掘出分类规则,然后用这个分类规则对其它客 户的记录进行分类。比如,信用卡公司根据顾客的 信用记录,把持卡人分成不同等级,并把等级标记 赋与数据库中的每个记录。对于每一等级,找出它 们共同点,比如:“年收入在10 万元以上,年龄在40 ～50 岁之间的外企白领”总体上信用记录最高。 有了这样的挖掘结果,客户服务部门就知道一个新 的客户的潜在价值,在客户服务投入上就心中有 底。 ④聚类分析 这是分类的逆向方法。聚类把没有分类的记 录,在不知道应分成几类的情况下,按照数据内在 的差异性大小,合理地划分成几类,并确定每个记 录所属类别。它采用的分类规刚是按统计学的聚 类分析方法决定的。比如,面对数据库中“消费 额”、“购买频率”、“收入水平”等多个评价指标,没 有办法按照一个指标去分类,就可以通过聚类按照 数据间的自然联系把分散的记录“聚”成几“堆”,然 后再对每堆进行深入分析。 ⑤0 - 1 规划技术 主要用于各类推销方法对客户的适用度分析, 即针对不同的客户群,从电邮、上门推销、平面广 告、网上推销、柜台销售等方法中,选择一种使商场 营销的成功率最高、成本最低的方法,以提高企业 的服务水平。 ⑥预测技术 主要用于对客户未来行为的发现,如客户流失 分析中,用神经元网络方法学习各种客户流失前的 行为变化,进而预测(预警) 可能出现的有价值客户 的流失;再如,市场预测问题,数据挖掘使用过去有 关促销的数据来寻找未来投资中回报最大的用户。 应用数据挖掘技术,较为理想的起点就是从一 个数据仓库开始,这个数据仓库里面应保存着所有 客户的合同信息,并且还应有相应的市场竞争对手 的相关数据。数据挖掘可以直接跟踪数据,并据此 辅助用户快速进行商业决策,另外用户还可以在更 新数据的时候不断发现更好的行为模式,并将其运 用于未来的决策当中。 2. 3 典型应用 由于零售业CRM 主要涉及市场营销、销售与 客户服务三个领域,下面就三方面来介绍数据挖掘 在CRM中的应用。 (1) 市场营销随着数据量的急剧增长,商家必 须借助于相应的数据挖掘工具,自动发现数据中隐 藏的规律或模式,为决策提供支持。通过收集、加 工和处理涉及消费者消费行为的大量信息,确定特 定消费群体或个体的兴趣、消费习惯、消费倾向和 消费需求,进而推断出相应消费群体或个体下一步 的消费行为,并以此为基础,对所识别出来的消费 群体进行特定内容的定向营销,这样会大大节省营 销成本,提高营销效果。 例如,当客户用信用卡消费时,商家就可以在 信用卡结算过程中收集商业消费信息,记录下客户 进行消费的时间、地点、感兴趣的商品或服务、愿意 接收的价格水平和支付能力等数据;然后将这些数 据进行组合,并应用计算机、并行处理、神经元网 络、模型化算法等技术手段进行处理,从中得到商 家用于向特定消费群体或个体进行定向营销的决 策信息。再如,卡夫(Kraft) 食品公司建立了一个拥 有3000 万客户资料的数据库,数据库是通过收集 对公司发出的优惠券等其他促销手段做出积极反 应的客户和销售记录而建立起来的,卡夫公司通过 数据挖掘了解特定客户的兴趣和口味,并以此为基 础向他们发送特定产品的优惠券,并为他们推荐符 合客户口味和健康状况的卡夫产品食谱。 借助于对客户行为的分析和挖掘,企业管理人 员可以更准确地制定市场策略和策划市场活动,以 赢取更大的消费群体和利润。 (2) 销售销售力量自动化(SFA) 是CRM 中成 长最快的部分。销售人员与潜在客户的互动行为、 将潜在客户发展为真正客户并保持其忠诚度是使 企业盈利的核心因素。在此环节中,数据挖掘可以 对多种市场活动的有效性进行实时跟踪和分析。 在此过程中,数据挖掘不仅使销售员能够及时把握 销售机遇,缩短销售周期,极大地提高工作效率,同 时,企业管理人员也可以随时掌握销售各个环节的 详细情况[4 ] 。 一个典型的案例就是购物篮分析。数据挖掘 人员通过对交易数据分析后,会发现这样的一条关 联规则“买啤酒的顾客十有八九也买尿布”。再经 进一步的调查发现,原来是有孩子的父亲在给自己 购买啤酒时,也常会给自己刚出生不久的子女购买 尿布。这样一来,超市人员便可以及时调整物品的 摆放位置和结构,以方便客户购买。另外,通过挖 掘分析,还可以发现客户购买行为潜在的时序规 律,借助于这个,超市人员可以对客户的购买行为 进行有效地预测,从而提高销售能力。 (3) 客户服务在客户关系管理中,客户服务是 最关键的内容,企业提供的客户服务是能否保留满 意的忠诚客户的关键。如今客户期望的服务已经 超出传统的电话呼叫中心的范围。随着越来越多 的客户进入互联网通过浏览器来察看他们的定单 或提出询问,数据挖掘就可以对客户实现个性化的 自助服务。通过数据挖掘,企业就能够处理客户各 种类型的询问,包括有关的产品、需要的信息、订单 请求、订单执行情况,以及高质量的现场服务。 3 　结论与展望 作为一个跨知识管理、业务运作和电子商务等 系统的融合概念,CRM 正以前所未有的速度发展, 并且扩大着用户群体,在激烈的市场竞争中,基于 DM的CRM模式正在逐渐成为现代企业生存的根 本和制胜的关键。 现在,客户越来越多地要求CRM 系统能够进 行知识管理。从本质上讲,在电子商务时代需要随 时随地根据客户需要为他们提供组织知识。数据 挖掘技术将综合客户信息和其它相关信息,借助专 家系统、神经网络和遗传算法等技术,为企业迅速 提供商业问题的高质量解决方案,达到商业智能。 数据挖掘新技术的发展将可以使客户更多更好地 访问数据,并使更多的人能够尝试更多的技术。利 用数据挖掘技术,分析客户的特征,探索企业和所 对应市场的运营规律性,不断提高企业的经济效益 是企业发展的必由之路。 参考文献 [1 ]杨东龙《, 客户关系管理解决方案:CRM的理念. 方法与 软件资源》[M] . 中国经济出版社2002. 2 [2 ]KamberM. 数据挖掘概念与技术[M] . 北京:机械工业出 版社. 2001 [3 ] (美) 贝尔森, (美) 史密斯, (美) 西瑞林著; 贺奇等译。 《构件面向CRM 的数据挖掘应用》[M] . 人民邮电出版 社,2001. 8 [4 ]朱爱群《, 客户关系管理与数据挖掘》[M] . 中国财政经 济出版社,2001 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