數(shù)據(jù)挖掘技術(shù)在ＣＲＭ中的應(yīng)用

1、數(shù)據(jù)挖掘技術(shù)在中的應(yīng)用             摘要:本文闡述了CRM的內(nèi)涵和外延及數(shù)據(jù)挖掘技術(shù)常用的算法和分析方法，并在此基礎(chǔ)上重點分析了數(shù)據(jù)挖掘技術(shù)在CRM中的功能和應(yīng)用。關(guān)鍵詞：數(shù)據(jù)倉庫；數(shù)據(jù)挖掘；知識發(fā)現(xiàn)；客戶關(guān)系管理 一、CRM的概念 經(jīng)過20多年的發(fā)展，市場經(jīng)濟(jì)的觀念已深入人心，一些先進(jìn)企業(yè)的經(jīng)營理念正在經(jīng)歷著從以產(chǎn)品為中心向以客戶為中心的轉(zhuǎn)移。在這種背景下，企業(yè)有必要對客戶的各種活動和信息進(jìn)行集成，實現(xiàn)對客戶的全面管理，這就是所謂的“客戶關(guān)系管理”（CRM）。

2、客戶關(guān)系管理(CRM)源于以客戶為中心的商業(yè)模式，其通過對客戶關(guān)系的有效管理，以鑒別、獲得、保持為企業(yè)帶來利潤的客戶，是一種新型的管理機(jī)制。到目前為止，CRM還沒有統(tǒng)一的定義，最早提出CRM概念的Gartner Group認(rèn)為，客戶關(guān)系管理是為企業(yè)提供全方位的管理視角，賦予企業(yè)更完善的客戶交流能力，從而實現(xiàn)客戶收益率的最大化。根據(jù)企業(yè)資源管理研究中心（AMT）的定義,CRM是一種以客戶為中心的經(jīng)營策略，它以信息技術(shù)為手段對相關(guān)業(yè)務(wù)功能進(jìn)行重新設(shè)計，并對相關(guān)工作流程進(jìn)行重組，以達(dá)到留住老客戶、吸引新客戶、提高客戶利潤貢獻(xiàn)度的目的。筆者認(rèn)為，客戶關(guān)系管理（CRM）是現(xiàn)代企業(yè)管理的核心思想，它貫徹以

3、客戶為中心的經(jīng)營理念，利用信息技術(shù)來充分把握和了解客戶，在適當(dāng)?shù)臅r候，把適當(dāng)?shù)漠a(chǎn)品，通過適當(dāng)?shù)耐緩?，提供給適當(dāng)?shù)目蛻簟RM為企業(yè)提供了一個收集、分析 和利用各種客戶信息的系統(tǒng)，幫助企業(yè)充分利用其客戶管理資源，也為企業(yè)在電子商務(wù)時代從容應(yīng)對不同的客戶提供了科學(xué)的手段和方法。 二、數(shù)據(jù)挖掘技術(shù) 1 數(shù)據(jù)挖掘常用的算法。 （1）決策樹（decision tree）決策算法。決策樹是一個類似于流程圖的樹結(jié)構(gòu)，其中每個內(nèi)部節(jié)點表示在一個屬性上的測試，每個分枝代表一個測試輸出，而每個樹葉節(jié)點代表類或類分布。決策樹算法包括樹的構(gòu)造和樹的剪枝，有兩種常用的剪枝方法：先剪枝和后剪枝。 （2）神經(jīng)網(wǎng)絡(luò)（Neur

4、al Network）。神經(jīng)網(wǎng)絡(luò)是一組連接的輸入/輸出單元，其中每個連接都與一個權(quán)相連，在學(xué)習(xí)階段，通過調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)，使得能夠預(yù)測輸入樣本的正確類標(biāo)號來學(xué)習(xí)。 （3）遺傳算法（Genetic Algorithms）。遺傳算法根據(jù)適者生存的原則，形成由當(dāng)前群體中最適合的規(guī)則組成新的群體，以及這些規(guī)則的后代。遺傳算法用于分類和其他優(yōu)化問題。 （4）粗糙集方法。粗糙集方法基于給定訓(xùn)練數(shù)據(jù)內(nèi)部的等價類的建立。它將知識理解為對數(shù)據(jù)的劃分，每一被劃分的集合稱為概念，利用已知的知識庫來處理或刻畫不精確或不確定的知識。粗糙集用于特征歸約和相關(guān)分析。 （5）模糊集方法?；谝?guī)則的分類系統(tǒng)有一個缺點：對于連續(xù)

5、屬性，他們有陡峭的截斷。將模糊邏輯引入，允許定義“模糊”邊界，提供了在高抽象層處理的便利。 其它還有貝葉斯網(wǎng)絡(luò)、可視化技術(shù)、臨近搜索方法和公式發(fā)現(xiàn)等方法。 2 數(shù)據(jù)挖掘常用的分析方法。 （1）分類和預(yù)測。分類和預(yù)測是兩種數(shù)據(jù)分析形式，可以用于提取描述重要數(shù)據(jù)類的模型或預(yù)測未來的數(shù)據(jù)趨勢。數(shù)據(jù)分類（data classfication）是一個兩步過程，第一步，建立一個模型，描述預(yù)定的數(shù)據(jù)類集或概念集，通過分析有屬性描述的數(shù)據(jù)庫元組來構(gòu)造模型。第二步，使用模型進(jìn)行分類。首先評估模型的預(yù)測準(zhǔn)確率，如果認(rèn)為模型的準(zhǔn)確率可以接受，就可以用來對類標(biāo)號未知的數(shù)據(jù)遠(yuǎn)祖或?qū)ο筮M(jìn)行分類。 預(yù)測是構(gòu)造和使用模型評估

6、無標(biāo)號樣本類，或評估給定樣本可能具有的屬性值或值區(qū)間。分類和預(yù)測具有廣泛的應(yīng)用，如信譽(yù)證實、醫(yī)療診斷、性能預(yù)測和選擇購物。分類和預(yù)測常用的算法包括決策樹歸納、貝葉斯分類、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、K-最臨近分類、遺傳算法、粗糙集和模糊集技術(shù)。 （2）聚類分析。聚類是將數(shù)據(jù)對象分組成為多個類或簇（cluster）,在同一個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大。作為統(tǒng)計學(xué)的一個分支，聚類分析已被廣泛的研究了許多年，現(xiàn)在主要集中在基于距離的聚類分析，基于k-means(k-平均值)、k-medoids(k-中心點)和其他的一些聚類分析工具也有不少的應(yīng)用。 （3）關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則挖掘

7、給定數(shù)據(jù)集中項之間的有趣聯(lián)系。設(shè)I=i1,i2,im是項的集合，任務(wù)相關(guān)的數(shù)據(jù)D是數(shù)據(jù)庫事務(wù)的集合，其中每個事務(wù)T是項的集合，使得T包含于I。關(guān)聯(lián)規(guī)則是形如A=B的蘊(yùn)涵式，其中AI，BI,并且AB為空。關(guān)聯(lián)規(guī)則的挖掘分成兩步：找出所有頻繁項集，這些項集出現(xiàn)的頻繁性至少和預(yù)定義的最小支持計數(shù)一樣。由頻繁項集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則，這些規(guī)則必須滿足最小支持度和最小置信度。 （4）序列模式。序列模式分析和關(guān)聯(lián)規(guī)則分析類似，也是為了挖掘數(shù)據(jù)項之間的聯(lián)系，不過序列模式分析的是數(shù)據(jù)項在時間維上的先后序列關(guān)系，如一個顧客在購買了計算機(jī)半年后可能再購買財務(wù)分析軟件。 （5）孤立點分析。孤立點是度量錯誤或固有的數(shù)據(jù)變異

8、性的結(jié)果。許多數(shù)據(jù)挖掘算法都試圖使孤立點的影響最小，或排除它們。一個人的噪聲可能是另一個人的信號，在有些時候，孤立點是非常有用的。孤立點挖掘可以描述給定一個n個數(shù)據(jù)點或?qū)ο蟮募希约邦A(yù)期的孤立點的數(shù)目k,發(fā)現(xiàn)與剩余的數(shù)據(jù)相比是顯著相異的或不一致的頭k個對象。孤立點探測方法可分為三類：統(tǒng)計學(xué)方法，基于距離的方法和基于偏移的方法。          三、數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用 1 客戶細(xì)分。 客戶細(xì)分是指將一個大的客戶群體劃分為多個較小的客戶群體，在每個劃分后的客戶群體中，客戶在某個或幾個屬性值上具有高度的相

9、似性，而在不同的群體之間客戶則差別較大。對一個商業(yè)銀行來說，如果問“誰是企業(yè)客戶？誰是私人客戶？”應(yīng)該是一個容易回答的問題，但根據(jù)消費行為，“客戶可以分為哪幾個群體？”卻不是容易回答的問題。事實上，每個客戶都有一系列的相關(guān)屬性，而對一些企業(yè)來說重要的分類需綜合一系列屬性而非單個屬性來評判。數(shù)據(jù)挖掘中的聚類方法，能夠幫助企業(yè)按照客戶的類別、行業(yè)、區(qū)域、職業(yè)、收入等企業(yè)感興趣的各種條件細(xì)分市場?？蛻艏?xì)分是企業(yè)確定產(chǎn)品和服務(wù)的基礎(chǔ)，也是建立一對一營銷的基礎(chǔ)。2000年荷蘭銀行將客戶細(xì)分為頂級、重要、核心和大眾四類客戶群，提供有針對性的差別服務(wù)，營業(yè)收入增長了一倍以上。 2 客戶獲得。 獲取客戶的傳統(tǒng)

10、方式一般是通過各種媒體廣告、散發(fā)傳單等吸引新客戶，但是這種方式有著嚴(yán)重的缺陷，如不能做到有的放矢,造成資源浪費，預(yù)期效果不理想等.數(shù)據(jù)挖掘中的分類、聚類技術(shù)可以幫助企業(yè)分析現(xiàn)有客戶來自哪里，他們有什么共同特征，然后建立響應(yīng)模型，估算客戶對一個產(chǎn)品與服務(wù)的響應(yīng)概率，挖掘潛在客戶。Eddie Bauer 公司使用SAS公司提供的數(shù)據(jù)挖掘工具，通過預(yù)期建模來決定哪些客戶會購買相關(guān)產(chǎn)品，并向那些客戶發(fā)送郵件和產(chǎn)品目錄，收到了良好的效果。 3 分析客戶行為，進(jìn)行交叉銷售。 交叉銷售是指企業(yè)向原有的客戶銷售新的產(chǎn)品或服務(wù)，它是購物籃分析中的一個典型例子。在很多情況下，企業(yè)需要了解顧客的購物習(xí)慣，如“顧客在

11、一次購物時會同時購買什么樣的商品組合？”，以便進(jìn)行市場規(guī)劃、廣告策劃和分類設(shè)計。如果顧客購買計算機(jī)也傾向于同時購買財務(wù)管理軟件，那么將硬件擺放得離軟件近一點，可能有助于增加二者的銷售。數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則挖掘可以幫助發(fā)現(xiàn)大量數(shù)據(jù)中項集之間的這種有趣的關(guān)聯(lián)或聯(lián)系， 4 分析客戶忠誠度，避免客戶流失。 研究表明：獲得一個新客戶是留住一個老客戶的成本的58倍；對客戶保留率提高5%，利潤會提高85%；推銷產(chǎn)品或服務(wù)給一位新客戶和一位老客戶的成交機(jī)會分別為15%和50%；如補(bǔ)救得當(dāng)，70%的不滿意的客戶會繼續(xù)購買企業(yè)的產(chǎn)品或服務(wù)；著名的網(wǎng)上書店A獲得了極大的成功，主要的原因是提升了客戶忠誠度，來自160

12、個國家的800萬的客戶當(dāng)中，有65%的客戶是以前的老客戶。 因此現(xiàn)代企業(yè)要通過客戶關(guān)系管理提高現(xiàn)有的和潛在客戶的忠誠度，避免客戶流失。數(shù)據(jù)挖掘技術(shù)通過流失建模幫助企業(yè)分析客戶忠誠度，了解哪些客戶流失了，他們的共同特征是什么，什么時候流失的，流失的原因是什么，這種對客戶保持和流失的分析可以幫助企業(yè)制定有效措施，提高客戶忠誠度。 5 客戶盈利能力分析與預(yù)測。 根據(jù)20/80規(guī)則，20%的客戶通常會帶來80%的利潤，因此企業(yè)需要了解哪些客戶是給企業(yè)帶來利潤的客戶，哪些客戶會給企業(yè)帶來損失，從而將資源更多的分配給為公司貢獻(xiàn)利潤的客戶，減少在不為公司貢獻(xiàn)利潤的客戶身上所花的費用，杜絕風(fēng)險極高的客戶。利用數(shù)據(jù)挖掘中的分類與預(yù)測技術(shù)建立生命周期價值（LifeTime Value, LTV）模型可以預(yù)測客戶在預(yù)定時間長度內(nèi)的總體利潤。如電信公司可以預(yù)測一個新客戶的利潤貢獻(xiàn)度，并據(jù)此制定相應(yīng)的營銷策略。 6 客戶滿意度分析。 通過自定義的定量的度量標(biāo)準(zhǔn)和公式，并根據(jù)時間和其他參數(shù)，利用數(shù)據(jù)挖掘技術(shù)和企業(yè)的數(shù)據(jù)倉庫中關(guān)于客戶購買、維修、反饋意見、建議、投訴等信息，可對客戶的滿意度進(jìn)行分析，找出客戶不滿意的原因并制定相應(yīng)的策略，提高客戶忠誠度，增加企業(yè)的利潤。 7 異常監(jiān)測。 利用數(shù)據(jù)挖掘技術(shù)中的孤立點分析可以發(fā)現(xiàn)異常數(shù)據(jù)，這些異常數(shù)據(jù)對分析客戶的信