數(shù)據(jù)挖掘技術(shù)在電信行業(yè)CRM中應(yīng)用研究

1、湖南商學(xué)院北津?qū)W院學(xué)年論文數(shù)據(jù)挖掘技術(shù)在電信行業(yè)CRM中應(yīng)用研究內(nèi)容摘要本文在介紹數(shù)據(jù)挖掘技術(shù)和客戶關(guān)系管理概念的基礎(chǔ)上，以電信行業(yè)為背景，介紹了將數(shù)據(jù)挖掘技術(shù)應(yīng)用到客戶關(guān)系管理中的流程和方法。關(guān)鍵詞數(shù)據(jù)挖掘、客戶關(guān)系管理、電信行業(yè)一、數(shù)據(jù)挖掘方法和技術(shù)在客戶關(guān)系管理中的應(yīng)用數(shù)據(jù)挖掘的任務(wù)主要是關(guān)聯(lián)分析、聚類分析、分類、預(yù)測、時(shí)序模式和偏差分析等，根據(jù)數(shù)據(jù)挖掘所能夠完成的任務(wù)，數(shù)據(jù)挖掘的技術(shù)可以應(yīng)用到以客戶為中心的企業(yè)決策分析和管理的各個(gè)不同領(lǐng)域和階段。在客戶關(guān)系管理中，它可以應(yīng)用到以下幾個(gè)方面：客戶群體分類分析、客戶盈利能力分析、客戶背景分析、客戶滿意度分析、交叉銷售、客戶信用分析、客戶流失

2、分析、客戶的獲得與保持等。（一）、客戶群體分類分析客戶細(xì)分是指將一個(gè)大的消費(fèi)群體劃分成一個(gè)個(gè)細(xì)分群的動(dòng)作，同屬一個(gè)細(xì)分群的消費(fèi)者彼此相似，而隸屬于不同細(xì)分群的消費(fèi)者是不同的。細(xì)分可以讓一個(gè)用戶從比較高的層次上來查看整個(gè)數(shù)據(jù)庫中的數(shù)據(jù)，細(xì)分也使得人們可以用不同的方法對(duì)待處于不同細(xì)分中的客戶。有多種方式可以在細(xì)分上運(yùn)用數(shù)據(jù)挖掘，通常用來建立細(xì)分群的數(shù)據(jù)挖掘方法是決策樹方法和聚類方法。首先，數(shù)據(jù)挖掘可以用來根據(jù)客戶的預(yù)測行為來定義客戶細(xì)分群。如決策樹的葉節(jié)點(diǎn)可視為一個(gè)獨(dú)立的客戶細(xì)分群，每個(gè)葉節(jié)點(diǎn)由某些特定的客戶特征定義，對(duì)所有符合這些特征的客戶存在一些預(yù)測行為。數(shù)據(jù)挖掘可以把大量的客戶分成不同的類，

3、在每一個(gè)類里的客戶具有相似的屬性，而不同類里的客戶的屬性也不同。大多數(shù)公司一般將客戶分為VIP客戶、主要客戶、普通客戶和小客戶4類。電信客戶分類一般是按照業(yè)務(wù)類型進(jìn)行分類，主要分為大客戶和普通客戶。大客戶又主要包括兩類：其一指客戶范圍大，不僅包括普通的消費(fèi)者，還包括企業(yè)的分銷商、經(jīng)銷商、批發(fā)商和代理商；其二指客戶的價(jià)值大，不同的客戶對(duì)企業(yè)的利潤貢獻(xiàn)差異很大，20%的大客戶貢獻(xiàn)了企業(yè)80%的利潤，因此，企業(yè)必須要高度重視高價(jià)值客戶以及具有高價(jià)值潛力的客戶。在大客戶營銷戰(zhàn)略中的大客戶是指后者，是指公司所轄地域內(nèi)使用產(chǎn)品量大或單位性質(zhì)特殊的客戶，主要包括經(jīng)濟(jì)大客戶、重要客戶、集團(tuán)客戶與戰(zhàn)略客戶等。（

4、二）、客戶盈利能力分析客戶盈利能力分析是數(shù)據(jù)挖掘的基礎(chǔ)。數(shù)據(jù)挖掘技術(shù)是通過幫助你理解和提高客戶盈利能力來發(fā)揮作用的，它可以用來預(yù)測在不同的市場活動(dòng)情況下客戶盈利能力的變化，通過分析已經(jīng)發(fā)生的事實(shí)來發(fā)現(xiàn)信息和預(yù)測未來。數(shù)據(jù)挖掘技術(shù)可以從客戶的交易記錄中發(fā)現(xiàn)一些行為模式，并用這些行為模式來預(yù)測客戶盈利能力的高低，但首先必須要設(shè)定一種計(jì)算客戶盈利能力的方法。數(shù)據(jù)挖掘技術(shù)還可以用來揭示客戶的行為習(xí)慣和預(yù)測發(fā)現(xiàn)一些在不同情況下有相似行為的新客戶。通過數(shù)據(jù)挖掘技術(shù)可以優(yōu)化一個(gè)市場活動(dòng)以確定哪些顧客對(duì)提供的產(chǎn)品和服務(wù)感興趣。（三）、交叉銷售現(xiàn)代企業(yè)和客戶之間的關(guān)系是經(jīng)常變動(dòng)的，一旦一個(gè)人或一個(gè)團(tuán)體成為企業(yè)的

5、客戶，就要竭力使這種客戶關(guān)系趨于完善，需要對(duì)現(xiàn)有的客戶進(jìn)行交叉銷售。交叉銷售是建立在雙贏原則上的，對(duì)客戶來講，要得到更多更好滿足需求的服務(wù)且從中受益，對(duì)企業(yè)來講，也會(huì)因銷售額的增長而獲益。數(shù)據(jù)挖掘可以幫助企業(yè)分析出最優(yōu)的合理的銷售匹配。交叉銷售就是指向現(xiàn)有的客戶提供新的產(chǎn)品和服務(wù)的營銷過程，那些購買了某種產(chǎn)品和服務(wù)的客戶很有可能同時(shí)購買你能提供的某些他感興趣的相關(guān)產(chǎn)品和服務(wù)，數(shù)據(jù)挖掘技術(shù)可以幫助企業(yè)發(fā)現(xiàn)這種行為模式并從中獲利。交叉銷售還有一種形式就是“升級(jí)銷售”，即向客戶提供與他們已購買的服務(wù)相關(guān)的增值服務(wù)。例如，電信公司向已經(jīng)使用標(biāo)準(zhǔn)長途電話服務(wù)的客戶推銷優(yōu)質(zhì)長途電話服務(wù)。使用數(shù)據(jù)挖掘技術(shù)進(jìn)

6、行交叉營銷分析一般是從分析現(xiàn)有客戶的購買行為數(shù)據(jù)開始，將每個(gè)單項(xiàng)產(chǎn)品銷售分析進(jìn)行疊加，形成多項(xiàng)產(chǎn)品的交叉營銷分析。首先收集關(guān)于現(xiàn)有客戶消費(fèi)習(xí)慣的數(shù)據(jù)，然后對(duì)這些數(shù)據(jù)進(jìn)行挖掘，對(duì)所有的客戶提供最合適的產(chǎn)品和服務(wù)。對(duì)交叉營銷做分析時(shí)，具體的數(shù)據(jù)挖掘過程包括：對(duì)個(gè)體行為進(jìn)行建模；用預(yù)測模型對(duì)數(shù)據(jù)進(jìn)行評(píng)分； 對(duì)得分矩陣進(jìn)行最優(yōu)化處理。建模過程時(shí)用數(shù)據(jù)挖掘的一些算法對(duì)數(shù)據(jù)進(jìn)行分析，然后產(chǎn)生一些數(shù)學(xué)模型，這些模型用來對(duì)客戶將來的行為進(jìn)行預(yù)測分析。在交叉營銷分析中，需要對(duì)每一種交叉營銷的情況都要建立一個(gè)模型。在這些交叉營銷分析模型建好以后，每一個(gè)模型都可以用來分析新的客戶數(shù)據(jù)以預(yù)測這些客戶將來的行為。評(píng)分過

7、程就是計(jì)算這些數(shù)學(xué)模型的結(jié)果，評(píng)分過程的結(jié)果就是產(chǎn)生一個(gè)得分矩陣，矩陣的每一行代表一位顧客，每一列代表一種交叉銷售的情況。最后一步就是對(duì)這個(gè)得分矩陣進(jìn)行最優(yōu)化處理，即對(duì)每一位顧客選出最適合的幾種服務(wù)方案。使用數(shù)據(jù)挖掘技術(shù)建立預(yù)測模型可以幫助找出客戶最適合的服務(wù)種類，來進(jìn)行針對(duì)性的營銷活動(dòng)。在交叉銷售中通常采用的數(shù)據(jù)挖掘算法是關(guān)聯(lián)規(guī)則。（四）、客戶的保持隨著行業(yè)的競爭越來越激烈和獲得一個(gè)新客戶的開支越來越大，保持原有客戶的工作也越來越有價(jià)值。保留一個(gè)客戶的時(shí)間越長，收回你在這個(gè)客戶身上所花的初期投資和獲取費(fèi)用的時(shí)間越長，你從客戶身上獲得的利潤就越多。隨著獲得新客戶的費(fèi)用與保留客戶的費(fèi)用比在逐年升

8、高，這樣的效果也逐年明顯，尤其電信業(yè)在獲取新客戶的時(shí)候的費(fèi)用是非常高的。但是由于各種因素的不確定性和市場的不斷增長以及一些競爭對(duì)手為新客戶提供比你更多的額外優(yōu)惠條件，很多客戶為了求得更低的費(fèi)用，不斷的從你這里轉(zhuǎn)向另一個(gè)服務(wù)商。客戶從一個(gè)服務(wù)商轉(zhuǎn)向到另一個(gè)服務(wù)商的行為稱為客戶轉(zhuǎn)移。為了分析出是哪些主要因素導(dǎo)致客戶轉(zhuǎn)移并可以有針對(duì)性的挽留那些有離開傾向的客戶，企業(yè)可以通過使用數(shù)據(jù)挖掘技術(shù)，建立客戶轉(zhuǎn)移傾向的預(yù)測模型，挖掘出具有高風(fēng)險(xiǎn)轉(zhuǎn)移可能性并具有較高商業(yè)價(jià)值的客戶，在這些客戶轉(zhuǎn)移到同行業(yè)其它服務(wù)商那里之前，采取相應(yīng)的商業(yè)活動(dòng)措施來保持住這些有價(jià)值的客戶，這個(gè)過程就叫做客戶的保持。由于客戶保持預(yù)測

9、模型是全局市場策略的一部分，如何使用預(yù)測工具將對(duì)實(shí)施預(yù)測模型帶來的效益產(chǎn)生重要的影響。因此選擇的數(shù)據(jù)挖掘技術(shù)要使企業(yè)能夠?qū)蛻暨M(jìn)行細(xì)分并且能夠?qū)蛻袅魇У脑蛴斜容^清晰的了解。在這樣的要求下，分類回歸決策樹CART和數(shù)據(jù)挖掘技術(shù)中的一些其它決策樹如CHAID和C4.5都可以很好的運(yùn)用在這類現(xiàn)實(shí)環(huán)境中。從兩個(gè)方面分析電信企業(yè)客戶保持的重要性，從電信企業(yè)所處的外部環(huán)境來看，客戶保持是進(jìn)行市場競爭的需要。在社會(huì)經(jīng)濟(jì)發(fā)展，科技進(jìn)步的影響之下，我國的電信市場逐漸擴(kuò)大，電信業(yè)務(wù)的需求量不斷增長。大量新運(yùn)營商不斷進(jìn)入電信市場，更激發(fā)了市場競爭的激烈程度。隨著電信市場壟斷局面的打破，市場上的廠商獲利由壟斷時(shí)期

10、的高額利潤降至市場平均利潤水平。在這種情況下，客戶保持的重要性就在競爭中凸現(xiàn)出來。從電信運(yùn)營商的角度來看，客戶保持是企業(yè)生存發(fā)展的需要。通過一組數(shù)據(jù)表明：發(fā)展一位新客戶的成本是挽留一個(gè)老客戶的4倍；客戶忠誠度下降5%，則企業(yè)利潤下降25%；向新客戶推銷產(chǎn)品的成功率是15%，而向現(xiàn)有客戶推銷產(chǎn)品的成功率是50%；如果將每年的客戶關(guān)系保持率增加5個(gè)百分點(diǎn)，可能使利潤增長85%；向新客戶進(jìn)行推銷的花費(fèi)是向現(xiàn)有客戶推銷花費(fèi)的6倍；如果公司對(duì)服務(wù)過失給予快速關(guān)注，70%對(duì)服務(wù)不滿的客戶還會(huì)繼續(xù)與其進(jìn)行商業(yè)合作； 60%的新客戶來自現(xiàn)有客戶的推薦；一個(gè)對(duì)服務(wù)不滿的客戶會(huì)將他的不滿經(jīng)歷告訴其他810 個(gè)人，

11、而一位滿意的客戶則會(huì)將他的滿意經(jīng)歷告訴23人。以上數(shù)據(jù)充分說明，客戶是目前商業(yè)活動(dòng)的中心，衡量一個(gè)企業(yè)是否成功的標(biāo)準(zhǔn)將不再僅僅是企業(yè)的投資收益率和市場份額， 而是該企業(yè)的客戶保持率，客戶份額及客戶資產(chǎn)收益率等指標(biāo)。可見，客戶保持的價(jià)值體現(xiàn)在增加企業(yè)的盈利、降低企業(yè)的成本以及提高企業(yè)的信譽(yù)度、美譽(yù)度等方面。近年來電信體制的激烈變革和競爭的加劇使電信企業(yè)忙于開拓市場、發(fā)展客戶，對(duì)客戶保持重視不夠。從而導(dǎo)致企業(yè)一方面投入大量時(shí)間、人力、財(cái)力去發(fā)展新客戶，另一方面因客戶保持工作的不完善導(dǎo)致現(xiàn)有客戶不滿意而發(fā)生流失，這種情況對(duì)企業(yè)危害極大。面對(duì)當(dāng)前的市場狀況。電信企業(yè)必須摒棄那種“狗熊掰棒子”式的市場開

12、拓方式，在發(fā)展新客戶的同時(shí)，著手進(jìn)行客戶保持的研究，以有效的客戶關(guān)系管理來提高客戶的保持力，支持企業(yè)經(jīng)濟(jì)效益的不斷增長。（五）、客戶的獲取數(shù)據(jù)挖掘技術(shù)可以幫助企業(yè)完成對(duì)潛在客戶的篩選工作，市場人員把由數(shù)據(jù)挖掘技術(shù)得出的潛在客戶名單和這些客戶感興趣的優(yōu)惠措施系統(tǒng)地結(jié)合起來。數(shù)據(jù)挖掘技術(shù)在發(fā)展新客戶策略中的應(yīng)用是圍繞數(shù)據(jù)開展的，用獲得的客戶數(shù)據(jù)建立一個(gè)預(yù)測模型，然后根據(jù)模型預(yù)測獲得最優(yōu)價(jià)值的潛在客戶信息?？蛻舻墨@取包括發(fā)現(xiàn)那些對(duì)你的產(chǎn)品不了解的顧客，它們可能是你的產(chǎn)品的潛在消費(fèi)者，也可能是以前接受你的競爭對(duì)手服務(wù)的顧客，其中有些客戶可能以前是你的客戶。通過數(shù)據(jù)挖掘技術(shù)來獲取新客戶首先必須收集一份潛

13、在客戶名單。在潛在客戶名單上列出哪些可能對(duì)你的產(chǎn)品或服務(wù)感興趣的消費(fèi)者的信息。這些信息應(yīng)不僅包括客戶的基本信息還應(yīng)包括消費(fèi)者消費(fèi)行為的大量信息如個(gè)體的興趣、消費(fèi)習(xí)慣、消費(fèi)傾向和消費(fèi)需求等。通過各種數(shù)據(jù)源來收集這些信息，如果沒能收集到足夠的數(shù)據(jù)，那么就需要通過一次小規(guī)模的實(shí)驗(yàn)活動(dòng)來收集分析用的數(shù)據(jù)。在挑選實(shí)驗(yàn)活動(dòng)的對(duì)象時(shí)，不僅要從潛在客戶名單中選取一些客戶，還要隨機(jī)選取一些與潛在客戶名單上顧客屬性特征不同的客戶作為實(shí)驗(yàn)對(duì)象。這樣可以為將來的數(shù)據(jù)挖掘提供足夠有價(jià)值的信息。二、客戶數(shù)據(jù)挖掘主題對(duì)照數(shù)據(jù)挖掘研究的4類問題：關(guān)聯(lián)、分類、預(yù)測、聚類，客戶數(shù)據(jù)挖掘主題也可按此4類來劃分。（一）、關(guān)聯(lián)問題橫向

14、關(guān)聯(lián)：是挖掘表面看似獨(dú)立的事件間的相互關(guān)系，例如“90%的顧客在一次購買活動(dòng)中購買商品A的同時(shí)購買商品B”之類的知識(shí)。比如經(jīng)典的“尿布和啤酒”的故事，就是利用這種方法，發(fā)現(xiàn)二者之間有很高的相關(guān)系數(shù)，引起重視，然后深入分析后才找出內(nèi)在原因的。次序關(guān)聯(lián)：這種分析的側(cè)重點(diǎn)在于分析事件的前后序列關(guān)系，發(fā)現(xiàn)諸如“在購買A商品后，一段時(shí)間里顧客會(huì)接著購買商品B，而后購買商品C”的知識(shí)，形成一個(gè)客戶行為的 “ABC”模式。比如一個(gè)顧客在買了電腦之后，就很有可能購買打印機(jī)、掃描儀等配件。關(guān)聯(lián)問題研究客戶各項(xiàng)屬性特征的相互關(guān)系以及交叉銷售等問題，同時(shí)也研究客戶實(shí)體和其它實(shí)體的關(guān)系。電信業(yè)比較典型的關(guān)聯(lián)問題有交叉

15、銷售、套餐選擇問題、業(yè)務(wù)相互影響等問題。（二）、預(yù)測問題客戶預(yù)測問題是預(yù)測客戶的行為變化或消費(fèi)等屬性變化。客戶典型的行為變化有流失、 增加、通話行為變化、消費(fèi)行為變化、客戶信息變化、和其它行為變化。比較典型的預(yù)測問題有客戶流失/大客戶離網(wǎng)、潛在大客戶預(yù)測、客戶級(jí)別變動(dòng)、客戶發(fā)展、市場效果預(yù)測等。（三）、分類問題分類分析就是通過分析樣本客戶數(shù)據(jù)庫中的數(shù)據(jù)，為每個(gè)類別做出準(zhǔn)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(gè)分類規(guī)則對(duì)其它客戶的記錄進(jìn)行分類。比如電信公司根據(jù)客戶的消費(fèi)記錄，把客戶分成大客戶和普通客戶，并標(biāo)記數(shù)據(jù)庫中的每個(gè)記錄。有了這樣的挖掘結(jié)果，客戶服務(wù)部門就知道一個(gè)新的客戶的潛在價(jià)

16、值，在客戶服務(wù)投入上就心中有底。（四）、聚類問題聚類是分類的逆向方法。聚類把沒有分類的記錄，在不知道應(yīng)分成幾類的情況下，按照數(shù)據(jù)內(nèi)在的差異性大小，合理地劃分成幾類，并確定每個(gè)記錄所屬類別。它采用的分類規(guī)則是按統(tǒng)計(jì)學(xué)的聚類分析方法決定的?？蛻艟垲悊栴}是對(duì)客戶特征的研究，典型的聚類問題有客戶特征分析、消費(fèi)模型和異?？蛻舴治龅?。三、數(shù)據(jù)挖掘技術(shù)對(duì)客戶管理管理的影響和作用在CRM中應(yīng)用數(shù)據(jù)挖掘，第一步是要理解數(shù)據(jù)挖掘所要解決的具體業(yè)務(wù)問題；第二步根據(jù)問題準(zhǔn)備相應(yīng)的數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；第三步是選擇挖掘的模型，比如是用關(guān)聯(lián)規(guī)則還是聚類等等；第四步是用訓(xùn)練集數(shù)據(jù)訓(xùn)練和評(píng)估挖掘模型的效果。一旦評(píng)估可以達(dá)

17、到一定滿意程度，該模型就得到確定，演變?yōu)橐粋€(gè)固定的業(yè)務(wù)應(yīng)用模型。這個(gè)業(yè)務(wù)應(yīng)用模型就可以套用于實(shí)際的業(yè)務(wù)處理，從而完成一個(gè)閉環(huán)的挖掘過程。當(dāng)業(yè)務(wù)發(fā)生了變化或者有新的需求產(chǎn)生時(shí)，數(shù)據(jù)挖掘就在另外一個(gè)層次上重復(fù)這個(gè)循環(huán)過程。循環(huán)過程如圖4.1所示。圖4.1 數(shù)據(jù)挖掘應(yīng)用循環(huán)過程在CRM中應(yīng)用數(shù)據(jù)挖掘，可以在以下方面對(duì)CRM提供支持：（一）、為決策提供依據(jù)企業(yè)運(yùn)營過程中的各種信息都是通過數(shù)據(jù)反映出來的，通過對(duì)這些數(shù)據(jù)的分析，可以發(fā)現(xiàn)企業(yè)運(yùn)營過程中的規(guī)律，從而對(duì)企業(yè)的生產(chǎn)活動(dòng)、市場活動(dòng)等提供科學(xué)指導(dǎo)意義。CRM目前解決了企業(yè)與外部市場進(jìn)行信息接入的問題，產(chǎn)生大量數(shù)據(jù)通過報(bào)表等統(tǒng)計(jì)方法，只能得到一般意義上

18、的信息反映。而通過數(shù)據(jù)挖掘技術(shù)，可以發(fā)現(xiàn)許多深層的、手工無法發(fā)現(xiàn)的規(guī)律，幫助企業(yè)在激烈的競爭環(huán)境中獲勝。（二）、為用戶提供針對(duì)性服務(wù)通過數(shù)據(jù)挖掘技術(shù)，可以根據(jù)客戶的消費(fèi)行為進(jìn)行分類，找出該類客戶的消費(fèi)特征，然后提供更具個(gè)性化的服務(wù)，從而改進(jìn)企業(yè)的服務(wù)水平，提高企業(yè)的社會(huì)效益和經(jīng)濟(jì)效益。（三）、提高企業(yè)決策的科學(xué)性目前，企業(yè)的決策具有很大的盲目性，如果采用數(shù)據(jù)挖掘技術(shù)，就可以在自己的生產(chǎn)過程中產(chǎn)生的數(shù)據(jù)基礎(chǔ)上，進(jìn)行科學(xué)分析，得出比較科學(xué)的預(yù)測結(jié)果，減少?zèng)Q策失誤。通過數(shù)據(jù)挖掘技術(shù)，可以讓企業(yè)的決策回歸到自己的業(yè)務(wù)中，得到更實(shí)際的判斷。（四）、增值作用數(shù)據(jù)挖掘在CRM中會(huì)有很多種應(yīng)用，而且有些應(yīng)用可

19、以幫助簡化管理運(yùn)營，有的則可以提供一些業(yè)務(wù)關(guān)聯(lián)性的數(shù)據(jù)，幫助企業(yè)更好地開展業(yè)務(wù)，實(shí)現(xiàn)增值。（五）、簡化管理企業(yè)運(yùn)營管理被人們提到前所未有的高度，一個(gè)企業(yè)即使建的很好，技術(shù)也很先進(jìn)，但是如果管理不好，優(yōu)勢仍然發(fā)揮不出來。數(shù)據(jù)挖掘能幫助簡化管理：1、預(yù)測業(yè)務(wù)量，安排人工在企業(yè)中，業(yè)務(wù)量是個(gè)重要的指標(biāo)，企業(yè)要根據(jù)業(yè)務(wù)量的大小，安排人員的數(shù)量，但是業(yè)務(wù)量是個(gè)變化的指標(biāo)，以往比較難以預(yù)測。通過數(shù)據(jù)挖掘中的時(shí)間序列分析，可以對(duì)業(yè)務(wù)量的情況進(jìn)行一定程度的預(yù)測，就可以更合理的安排人員的數(shù)量，在不降低效率的基礎(chǔ)上，降低企業(yè)的運(yùn)營成本。2、進(jìn)行關(guān)聯(lián)分析，降低運(yùn)營成本通過數(shù)據(jù)挖掘中關(guān)聯(lián)分析，可以進(jìn)行業(yè)務(wù)的相關(guān)性分析

20、，分析出哪幾種業(yè)務(wù)具有比較強(qiáng)的關(guān)聯(lián)性。這樣，在安排人員時(shí)，就可以將兩種或更多的業(yè)務(wù)人員進(jìn)行一定程度的合并，減少人員數(shù)量，降低經(jīng)營成本。四、數(shù)據(jù)挖掘技術(shù)在電信客戶關(guān)系管理中的應(yīng)用（一）、數(shù)據(jù)挖掘技術(shù)在電信CRM中主要應(yīng)用領(lǐng)域電信運(yùn)營商擁有許多成熟的數(shù)據(jù)庫應(yīng)用系統(tǒng)，產(chǎn)生了大量的業(yè)務(wù)處理數(shù)據(jù)。如果針對(duì)客戶關(guān)系管理相關(guān)決策分析的需求，對(duì)這些數(shù)據(jù)進(jìn)行重組整合，就能充分利用這些寶貴的數(shù)據(jù)，體現(xiàn)信息的真正價(jià)值。目前電信CRM的數(shù)據(jù)挖掘應(yīng)用主要涉及以下幾個(gè)方面：1、客戶消費(fèi)模式分析客戶消費(fèi)模式分析是對(duì)客戶歷年來長話、市話、信息臺(tái)的大量詳單、數(shù)據(jù)以及客戶檔案資料等相關(guān)數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，結(jié)合客戶的分類，可以從消費(fèi)

21、能力、消費(fèi)習(xí)慣、消費(fèi)周期等諸方面對(duì)客戶的話費(fèi)行為進(jìn)行分析和預(yù)測，從而為運(yùn)營商的相關(guān)經(jīng)營決策提供依據(jù)。2、業(yè)務(wù)預(yù)測分析通過對(duì)歷史數(shù)據(jù)的分析，找出影響業(yè)務(wù)發(fā)展的因素，然后對(duì)這些因素的未來發(fā)展作出預(yù)計(jì)，從而大致地確定未來業(yè)務(wù)量，作為制訂發(fā)展計(jì)劃的重要依據(jù)。3、客戶欠費(fèi)分析和動(dòng)態(tài)防欺詐通過數(shù)據(jù)挖掘，總結(jié)各種騙費(fèi)、欠費(fèi)行為的內(nèi)在規(guī)律，并建立一套欺詐和欠費(fèi)行為的規(guī)則庫。當(dāng)客戶的話費(fèi)行為與該庫中規(guī)則吻合時(shí)，系統(tǒng)可以提示運(yùn)營商相關(guān)部門采取措施，從而降低運(yùn)營商的損失風(fēng)險(xiǎn)。4、客戶流失分析根據(jù)已有的客戶流失數(shù)據(jù)，建立客戶屬性、服務(wù)屬性、客戶消費(fèi)情況等數(shù)據(jù)與客戶流失概率相關(guān)聯(lián)的數(shù)學(xué)模型，找出這些數(shù)據(jù)之間的關(guān)系，并給

22、出明確的數(shù)學(xué)模型。然后根據(jù)此模型來監(jiān)控客戶流失的可能性，如果客戶流失的可能性過高，則通過促銷等手段來提高客戶忠誠度，防止客戶流失的發(fā)生。這就徹底改變了以往電信運(yùn)營商在成功獲得客戶以后無法監(jiān)控客戶流失的狀況。5、大客戶特征識(shí)別大客戶群體是電信企業(yè)利潤的主要來源，也是電信企業(yè)之間相互爭奪的焦點(diǎn)。識(shí)別出大客戶，制訂針對(duì)性的措施，提高大客戶的忠誠度，是電信企業(yè)保持競爭優(yōu)勢的關(guān)鍵所在。不僅能夠根據(jù)現(xiàn)有消費(fèi)量的多少來判斷用戶是否為大客戶，還應(yīng)該根據(jù)現(xiàn)有大客戶的資料提取出大客戶的特征，并發(fā)現(xiàn)潛在的大客戶。6、網(wǎng)絡(luò)資源的管理通信網(wǎng)在運(yùn)行過程中產(chǎn)生了大量的運(yùn)行數(shù)據(jù)。對(duì)這些數(shù)據(jù)進(jìn)行挖掘，有利于盡早發(fā)現(xiàn)潛在的網(wǎng)絡(luò)故

23、障，提高網(wǎng)絡(luò)的利用率。（二）、數(shù)據(jù)挖掘的應(yīng)用實(shí)例客戶流失分析一個(gè)完整的數(shù)據(jù)挖掘過程可進(jìn)一步細(xì)分為業(yè)務(wù)問題定義、數(shù)據(jù)選擇、數(shù)據(jù)清洗和預(yù)處理、模型選擇與預(yù)建立、模型建立與調(diào)整、模型的評(píng)估與檢驗(yàn)、模型解釋與應(yīng)用。1、業(yè)務(wù)問題定義針對(duì)客戶流失的不同種類分別定義業(yè)務(wù)問題，進(jìn)而區(qū)別處理。在客戶流失分析中有兩個(gè)核心變量：財(cái)務(wù)原因/非財(cái)務(wù)原因、主動(dòng)流失/被動(dòng)流失。客戶流失可以相應(yīng)分為四種類型，其中非財(cái)務(wù)原因主動(dòng)流失的客戶往往是高價(jià)值的客戶，他們會(huì)正常支付服務(wù)費(fèi)用，并容易對(duì)市場活動(dòng)有所響應(yīng)，這種客戶是企業(yè)真正需要保住的客戶。此外在分析客戶流失時(shí)必須區(qū)分集團(tuán)/個(gè)人客戶，以及不同消費(fèi)水平的客戶，并有針對(duì)性地制定不同

24、的流失標(biāo)準(zhǔn)。例如，平均月消費(fèi)額1500元的客戶連續(xù)幾個(gè)月消費(fèi)額降低到300元以下，就可以認(rèn)為客戶流失發(fā)生了，而這個(gè)流失標(biāo)準(zhǔn)不適用于原來平均月消費(fèi)額400元的客戶。國外成熟的應(yīng)用中通常根據(jù)相對(duì)指標(biāo)來判別客戶流失，例如大眾的個(gè)人通信費(fèi)用約占總收入的1%3%，當(dāng)客戶的個(gè)人通信費(fèi)用遠(yuǎn)低于此比例時(shí)，就認(rèn)為發(fā)生了客戶流失。2、數(shù)據(jù)選擇數(shù)據(jù)選擇包括目標(biāo)變量的選擇、輸入變量的選擇和建模數(shù)據(jù)的選擇。a)目標(biāo)變量的選擇客戶流失分析的目標(biāo)變量通常為客戶流失狀態(tài)。根據(jù)業(yè)務(wù)問題的定義，可以選擇一個(gè)已知量或多個(gè)已知量的組合作為目標(biāo)變量。實(shí)際的客戶流失形式有因賬戶取消發(fā)生的流失和因賬戶休眠發(fā)生的流失兩種。對(duì)于因賬戶取消發(fā)生

25、的流失，目標(biāo)變量可以直接選取客戶的賬戶狀態(tài)（取消或正常）；對(duì)于因賬戶休眠發(fā)生的流失，可以認(rèn)為持續(xù)休眠超過一定時(shí)間長度的客戶發(fā)生了流失。這時(shí)需要對(duì)相關(guān)的具體問題加以考慮：持續(xù)休眠的時(shí)間長度定義為多少？每月通話金額低于多少即認(rèn)為處于休眠狀態(tài)，或者是綜合考慮通話金額、通話時(shí)長和通話次數(shù)來劃定休眠標(biāo)準(zhǔn)？選擇目標(biāo)變量時(shí)面臨的這些問題需要業(yè)務(wù)人員給予明確的回答。b)輸入變量的選擇輸入變量是模型中的自變量，在建模過程中需要尋找自變量與目標(biāo)變量的關(guān)聯(lián)。輸入變量分為靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)。靜態(tài)數(shù)據(jù)指不常變化的數(shù)據(jù)，包括服務(wù)合同屬性（如服務(wù)類型、 服務(wù)時(shí)間、交費(fèi)類型）和客戶的基本資料；動(dòng)態(tài)數(shù)據(jù)指頻繁或定期改變的數(shù)據(jù)，

26、如月消費(fèi)金額、交費(fèi)記錄、消費(fèi)特征。業(yè)務(wù)人員在實(shí)際業(yè)務(wù)活動(dòng)中可能會(huì)感覺到輸入變量與目標(biāo)變量的內(nèi)在聯(lián)系，只是無法量化表示出來，這就給數(shù)據(jù)挖掘留下了發(fā)揮的空間。如果一時(shí)無法確定某種數(shù)據(jù)是否與客戶流失概率有關(guān)聯(lián)，應(yīng)該暫時(shí)將其選入模型，并在后續(xù)步驟考察各變量分布情況和相關(guān)性時(shí)再行取舍。c)建模數(shù)據(jù)的選擇客戶流失的方式有兩種。第一種是客戶的自然消亡，例如身故、破產(chǎn)、遷徙、移民而導(dǎo)致客戶不再存在，或者由于客戶服務(wù)的升級(jí)造成特定服務(wù)的目標(biāo)客戶消失。第二種是客戶的轉(zhuǎn)移流失，通常指客戶轉(zhuǎn)移到競爭對(duì)手，并使用其服務(wù)。第二種流失的客戶才是運(yùn)營商真正關(guān)心的、具有挽留價(jià)值的客戶。因此在選擇建模數(shù)據(jù)時(shí)必須選擇第二種流失客戶

27、數(shù)據(jù)參與建模，才能建立有效的模型。3、數(shù)據(jù)清洗和預(yù)處理數(shù)據(jù)清洗和預(yù)處理是建模前的數(shù)據(jù)準(zhǔn)備工作，一方面保證建模數(shù)據(jù)的正確性和有效性， 另一方面通過對(duì)數(shù)據(jù)格式和內(nèi)容的調(diào)整，使數(shù)據(jù)更符合建模的需要。數(shù)據(jù)整理的主要工作包括對(duì)數(shù)據(jù)的轉(zhuǎn)換和整合、抽樣、隨機(jī)化、缺失值處理等。例如按比例抽取未流失客戶和已流失客戶，將這兩類數(shù)據(jù)合并，構(gòu)成建模的數(shù)據(jù)源。此外，模型在建立之后需要大量的數(shù)據(jù)來進(jìn)行檢驗(yàn)，因此通常把樣本數(shù)據(jù)分為兩部分，2/3的數(shù)據(jù)用于建模，1/3的數(shù)據(jù)用于模型的檢驗(yàn)和修正。4、模型選擇與預(yù)建立在模型建立之前，可以利用數(shù)據(jù)挖掘工具的相關(guān)性比較功能，找出每一個(gè)輸入變量和客戶流失概率的相關(guān)性，刪除相關(guān)性較小的變量，從而可以縮短建模時(shí)間，降低模型復(fù)雜度，有時(shí)還能使模型更精確?，F(xiàn)有的數(shù)據(jù)挖掘工具提供了決策樹、神經(jīng)網(wǎng)絡(luò)、近鄰學(xué)習(xí)、回歸、關(guān)聯(lián)、聚類、貝葉斯判別等多種建模方法?？梢苑謩e使用其中的多種方法預(yù)先建立多個(gè)模型， 然后對(duì)這些模型進(jìn)行優(yōu)劣比較，從而挑選出最適合客戶流失分析的建模方法。5、模型建立與調(diào)整模型建立與