數(shù)據(jù)挖掘在電子商務(wù)客戶關(guān)系中的應(yīng)用

一、引言

隨著因特網(wǎng)的出現(xiàn)，電子商務(wù)大潮正在全球范圍內(nèi)急速改變傳統(tǒng)的商業(yè)模式，傳統(tǒng)企業(yè)管理的著眼點(diǎn)往往在后臺，ERP系統(tǒng)幫助他們實現(xiàn)了這種內(nèi)部商業(yè)流程的自動化，提高了生產(chǎn)效率。而對于前臺，往往重視的不夠，面對諸如:哪種產(chǎn)品最受歡迎、原因是什么、有多少回頭客、哪些客戶是最賺錢的客戶、售后服務(wù)有哪些問題等，大部分企業(yè)還只能依靠經(jīng)驗來推測。作為專門管理企業(yè)前臺的客戶關(guān)系管理為企業(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。

如何有效的處理海量客戶信息，從中挖掘判斷出客戶的消費(fèi)趨向，實施一對一營銷成為擺在電子商務(wù)企業(yè)面前的一大問題。將數(shù)據(jù)挖掘技術(shù)用于電子商務(wù)的客戶關(guān)系管理幾乎是從數(shù)據(jù)挖掘誕生起就注定的。電子商務(wù)企業(yè)在與客戶接觸時，采用的亦多是網(wǎng)絡(luò)手段，這也決定了商家對客戶的管理以及保持不能再依靠傳統(tǒng)人際營銷，而是更加依賴于對客戶的消費(fèi)習(xí)慣以及個人偏好的把握，而使得商家能夠做出準(zhǔn)確判斷的。

二、電子商務(wù)客戶關(guān)系系統(tǒng)設(shè)計框架

電子商務(wù)客戶關(guān)系系統(tǒng)主要有三部分組成，即web服務(wù)器、數(shù)據(jù)倉庫、數(shù)據(jù)挖掘模塊。Web服務(wù)器上運(yùn)行面向員工、客戶、伙伴的web應(yīng)用程序，主要的業(yè)務(wù)是處理銷售和客戶服務(wù)。業(yè)務(wù)系統(tǒng)把數(shù)據(jù)存到數(shù)據(jù)倉庫中，需要數(shù)據(jù)時，從數(shù)據(jù)倉庫獲取數(shù)據(jù)。挖掘模塊根據(jù)決策需要采用合適的挖掘算法對數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行挖掘，并把結(jié)果返回給決策系統(tǒng)，然后生成報表輸出。

1.電子商務(wù)CRM中的數(shù)據(jù)挖掘流程

電子商務(wù)CRM中的數(shù)據(jù)挖掘的主要流程是定義問題、數(shù)據(jù)預(yù)處理、算法應(yīng)用、結(jié)果分析、知識的運(yùn)用。定義問題就是要清晰地定義出業(yè)務(wù)問題，確定數(shù)據(jù)挖掘的目的。數(shù)據(jù)預(yù)處理主要是選擇在大型數(shù)據(jù)庫和數(shù)據(jù)倉庫目標(biāo)中提取數(shù)據(jù)挖掘的目標(biāo)數(shù)據(jù)集，這主要涵蓋了客戶登陸該電子商務(wù)網(wǎng)站時的背景信息以及過去的購買以及點(diǎn)擊流信息，然后進(jìn)行數(shù)據(jù)再加工，包括檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性、去噪聲，填補(bǔ)丟失的域，刪除無效數(shù)據(jù)等。算法應(yīng)用是根據(jù)數(shù)據(jù)功能的類型和數(shù)據(jù)的特點(diǎn)選擇相應(yīng)的算法，在凈化和轉(zhuǎn)換過的數(shù)據(jù)集上進(jìn)行數(shù)據(jù)挖掘。結(jié)果分析是對數(shù)據(jù)挖掘的結(jié)果進(jìn)行解釋和評價，轉(zhuǎn)換成為能夠最終被用戶理解的知識。知識的運(yùn)用是將分析所得到的知識集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中去。

2.電子商務(wù)CRM中的數(shù)據(jù)挖掘算法

(1)神經(jīng)網(wǎng)絡(luò)方法。神經(jīng)網(wǎng)絡(luò)由于本身良好的自組織自適應(yīng)性、并行處理、分布存儲和高度容錯等特性非常適合解決數(shù)據(jù)挖掘的問題，因此近年來越來越受到人們的關(guān)注。

(2)遺傳算法。是一種基于生物自然選擇與遺傳機(jī)理的隨機(jī)搜索算法，是一種仿生全局優(yōu)化方法，具有的隱含并行性、易于和其它模型結(jié)合等性質(zhì)使得它在數(shù)據(jù)挖掘中被加以應(yīng)用。遺傳算法的應(yīng)用還體現(xiàn)在與神經(jīng)網(wǎng)絡(luò)、粗集等技術(shù)的結(jié)合上。

(3)粗糙集算法。粗集理論是一種研究不精確、不確定知識的數(shù)學(xué)工具。粗集方法有幾個優(yōu)點(diǎn):不需要給出額外信息;簡化輸入信息的表達(dá)空間;算法簡單，易于操作。粗集處理的對象是類似二維關(guān)系表的信息表。

(4)模糊集方法。即利用模糊集合理論對實際問題進(jìn)行模糊評判、模糊決策、模糊模式識別和模糊聚類分析。系統(tǒng)的復(fù)雜性越高，模糊性越強(qiáng)。

3.電子商務(wù)CRM中的數(shù)據(jù)挖掘應(yīng)用領(lǐng)域

(1)客戶細(xì)分。利用數(shù)據(jù)挖掘技術(shù)可對大量的客戶分類，提供針對性的產(chǎn)品和服務(wù)。這種一對一的關(guān)系從客戶的角度來看是個性化的，甚至讓他覺得是獨(dú)一無二針對他本人的。事實上，對于電子商務(wù)企業(yè)來說，一對一營銷是互聯(lián)網(wǎng)使得大規(guī)模定制成為可能之后的一種針對同類客戶的網(wǎng)絡(luò)營銷方式。

(2)客戶流失和保持分析。在客戶流失和保持分析系統(tǒng)中，數(shù)據(jù)挖掘技術(shù)根據(jù)以前擁有的客戶流失數(shù)據(jù)建立客戶屬性，服務(wù)屬性和客戶消費(fèi)數(shù)據(jù)與客戶流失可能性關(guān)聯(lián)的數(shù)學(xué)模型，找出客戶屬性，服務(wù)屬性和客戶消費(fèi)數(shù)據(jù)與客戶流失的最終狀態(tài)的關(guān)系。

(3)價值客戶判斷。在管理客戶組合時，理想狀況是擁有多層面的、具有不同利潤貢獻(xiàn)的客戶群組。也就是說,第一層面的客戶組群處于成熟期,在目前能夠貢獻(xiàn)豐富的利潤;而第二層面的客戶組群尚處于成長期,在目前的利潤貢獻(xiàn)很低，甚至沒有，但該層面的客戶組群是企業(yè)未來的盈利引擎;第三層面的客戶群組尚處于開拓期,在目前沒有利潤貢獻(xiàn)，但該層面的客戶群組是企業(yè)永續(xù)經(jīng)營的增長引擎。

(4)客戶滿意度分析。客戶滿意度與客戶忠誠度密切相關(guān)，隨著客戶滿意度的增加客戶忠誠度也隨之增加。所以，企業(yè)與客戶交往的目標(biāo)就是盡可能的增加客戶滿意度。

三、總結(jié)

本文本著實用、有效的原則，設(shè)計了電子商務(wù)客戶關(guān)系系統(tǒng)的框架，介紹了常用的數(shù)據(jù)挖掘算法，提出了在系統(tǒng)中數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域，對企業(yè)構(gòu)建電子商務(wù)客戶關(guān)系系統(tǒng)具有十分重要的現(xiàn)實意義。