數(shù)據(jù)挖掘分析在CRM系統(tǒng)中的應用

每個企業(yè)都會有客戶流失的情況發(fā)生，已經(jīng)失去或是即將失去的，這中情況對企業(yè)來說是正?，F(xiàn)象，在面對這些常見的正?，F(xiàn)象時，關(guān)鍵是企業(yè)從中能學到什么，得到重要信息并加之分析，找出弊端加以改善，防止客戶的再次流失CRM（Custom Relationship Management）的意思是客戶關(guān)系管理。它強調(diào)把客戶放在核心位置，其理念要求企業(yè)完整地認識整個客戶生命周期，圍繞“客戶接觸點”，提供與客戶溝通的統(tǒng)一、集成的平臺和工具，涉及企業(yè)一切與客戶有關(guān)的信息交互進行處理。提高員工、客戶接觸的效率和客戶反饋率，為客戶提供整體的服務(wù)！同時采用數(shù)據(jù)挖掘技術(shù)對有關(guān)信息進行分析，得到有價值的信息和知識。
   一、獲取信息
    當前企業(yè)間的競爭不僅僅是產(chǎn)品的競爭、企業(yè)資源的競爭：而更多的是以客戶為中心的服務(wù)。如，獲取競爭信息贏取客戶，認真聆聽客戶的心聲，由客戶方反饋信息，讓企業(yè)了解競爭對手的銷售策略方式，獲取競爭對手是否采取了低價策略、出奇的營銷計劃等信息，一邊企業(yè)做出最快最準的判斷，與競爭對手爭奪客戶源以便采取培訓或投資項目的啟動決策，通過與客戶的溝通，大量重要信息的獲取后，就可以進行相應的員工培訓。設(shè)備投入與投資項目決策階段，將資金投入到需要加以改善的地方，意識企業(yè)降低成本將資金用在刀刃上。
    識別有價值的客服，已得到關(guān)鍵有益信息是企業(yè)掌握主動的關(guān)鍵。以服務(wù)類企業(yè)為例，這類公司經(jīng)常能夠很容易就能識別出那些即將與他們終止業(yè)務(wù)往來的客戶 他們也知道如何聯(lián)系到這些客戶，并加以防范。從相關(guān)的統(tǒng)計數(shù)據(jù)來看，一家企業(yè)平均每年會失去一到三成的老客戶。在這些流失的客戶中，哪些是企業(yè)自動淘汰的，為什么要淘汰？哪些是由于企業(yè)維持不善造成的，或是客戶主動聯(lián)系企業(yè)與企業(yè)達成合作意向的？客戶的流逝對企業(yè)所造成的影響非常大，由于在尋找新客戶，建立新的合作關(guān)系的過程中，企業(yè)將付出維持老客戶成本的3到7倍，因此迅速準確的是被那些即將流失的客戶群，并予以進行正確的維護，做出幾十的判斷對一個企業(yè)的發(fā)展極為重要。CRM系統(tǒng)，能夠幫企業(yè)收集分析這些數(shù)據(jù)，既然失去的客戶已經(jīng)無法挽回，那么企業(yè)接下來的工作，就只能是總結(jié)教訓，防止再犯。而CRM正好可以幫企業(yè)的總結(jié)提供數(shù)據(jù)方面的幫助。
   二、數(shù)據(jù)挖掘
   數(shù)據(jù)挖掘（data Mining），又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database，KDD），是指從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中提取隱含的，位置的，非平凡的及有潛在應用阿志的信息或模式，是數(shù)據(jù)庫研究中的一個很有應用價值的新領(lǐng)馭，融合了數(shù)據(jù)庫、人工智能、機器學習、統(tǒng)計學等多個領(lǐng)域的理論和技術(shù)，數(shù)據(jù)挖掘工具能夠?qū)Κ剟畎〉内厔莺托袨轶@醒預測，從而很好的支持人們的決策，今天的技術(shù)可以使挖掘過程自動化，把數(shù)據(jù)挖掘與商業(yè)數(shù)據(jù)倉庫相結(jié)合，并以適當?shù)男问桨呀Y(jié)果表示給從事商業(yè)活動的用戶看。
   數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取知識。從數(shù)據(jù)庫的觀點出發(fā)其次，“預測型數(shù)據(jù)挖掘”包括一系列在數(shù)據(jù)中查找特定變量（稱為“目標變量”）與其他變量之間關(guān)系的技術(shù)。下面具體介紹幾種預測型數(shù)據(jù)挖掘技術(shù)。
    a.決策樹
    決策樹方法的起源是概念學習系統(tǒng)（CLS），發(fā)展到ID3方法時為高潮，后又演化為能處理連續(xù)屬性的C4.5，最后發(fā)展成為加入了Boosting思想的C5.0 決策樹是一種常用的分類算法、它通過系統(tǒng)地分解和分離數(shù)據(jù)集中包含的信息來發(fā)現(xiàn)規(guī)律和關(guān)系，它尋求在數(shù)據(jù)集中找到那些提供記錄中最大分離信息的影響因素，每次選取能最大程度地區(qū)分記錄的影響因素，決策樹據(jù)此法則往下生長，當找不到類似的影響因素時，決策樹就形成了?？紤]到決策樹的可用性，還要對其“剪枝”和優(yōu)化。決策樹通過把對象從根節(jié)點排列到某個葉子節(jié)點來分類，葉子節(jié)點即為對象所屬的分類。樹上的每一個節(jié)點說明對對象的某個屬性的測試，并且該節(jié)點的每一個后繼分支對應于該屬性的一個可能值?，F(xiàn)有的客戶流失分析方法多采用決策樹及其變形算法來進行，典型的有英國Lightbride公司開發(fā)的Churn Prophet（CART，分類回歸樹）。[page]    b.神經(jīng)網(wǎng)絡(luò)
    神經(jīng)網(wǎng)絡(luò)主要用于分類、聚類、估計和預測。神經(jīng)網(wǎng)絡(luò)是一種人腦思考仿真的數(shù)據(jù)分析模式，用輸入變量與數(shù)值來自我學習，并根據(jù)學習經(jīng)驗所得之知識不斷調(diào)整參數(shù)，以期得到一個較好的模式。神經(jīng)網(wǎng)絡(luò)使用許多參數(shù)來建立一個模式。這個模式由一組輸入值來預測一個連續(xù)值或分類值。每個結(jié)點都是一個函數(shù)，這個函數(shù)使用該結(jié)點的相鄰結(jié)點值的加權(quán)總和進行運算。函數(shù)的形式可以選擇，權(quán)的確定可以由一種叫反向傳導的方法通過把輸出結(jié)果和已知真實結(jié)果的比較來不斷調(diào)整，整個神經(jīng)網(wǎng)絡(luò)的分析過程是一個“黑盒子”（不透明），無法展現(xiàn)可讀的模型，每階段的加權(quán)與轉(zhuǎn)換亦不明確顯示，所以神經(jīng)網(wǎng)絡(luò)大多數(shù)都用于處理高度非線性且變量有相當程度交互效應的數(shù)據(jù)。
    c.回歸分析方法
    回歸分析是研究響應變量（或稱因變量）Y與n個預測變量（或稱自變量）X1，X2，…，Xn之間的相關(guān)關(guān)系并求出關(guān)系方程式，是將相關(guān)現(xiàn)象間不確定的數(shù)量關(guān)系一般化，是配合直線或曲線來代表現(xiàn)象之間的一般數(shù)量關(guān)系?；貧w技術(shù)主要包括以下幾個方面：
    （1）線性回歸
    在線性回歸中，數(shù)據(jù)用直線建模。線性回歸是最簡單的回歸形式，是量化兩個連續(xù)變量之間關(guān)系的一種統(tǒng)計技術(shù)。將一個響應變量Y視為另一個隨機變量 X 的線性函數(shù)，即：Y=α＋βX其中假定Y的方差為常數(shù)，α和β是回歸系數(shù)，分別表示直線在Y軸的截距和直線的斜率系數(shù)可以用最小二乘法求解，線性回歸常用于建立消費模型。
    （2）多元線性回歸
    多元回歸是線性回歸的擴展，涉及多個自變量。響應變量Y可以是一個多維特征變量的線性函數(shù)，即：

同樣也可以采用最小二乘法（OLS）求解回歸系數(shù)。

    （3）Logistic回歸
    Logistic回歸是多元線性回歸的變形和推廣，是為二元因變量（二分類變量）設(shè)計的非線性回歸模型，用來考察多個屬性變量在識別將要流失客戶方面的集成貢獻。
    （4）其他非線性回歸
    三、數(shù)據(jù)挖掘在CRM中的應用
    在企業(yè)管理客戶生命周期的各個階段都會用到數(shù)據(jù)挖掘技術(shù)，數(shù)據(jù)挖掘技術(shù)可以幫助企業(yè)確定客戶的特點，從而可以為客戶提供有針對性的服務(wù)；通過數(shù)據(jù)挖掘可以發(fā)現(xiàn)使用某一業(yè)務(wù)的客戶特征，從而可以向那些也同樣具有這些特征卻沒有使用該業(yè)務(wù)的客戶進行有目的推銷；還可以找到流失的客戶特征，在那些具有相似特征的客戶還未流失之前，采取針對性的措施。
    首先，客戶關(guān)系管理理論中有一個經(jīng)典的2、8原則，即80％的利潤來自于20％的客戶。通過數(shù)據(jù)挖掘中的決策樹分析法和分類分析算法對客戶消費行為、盈利能力進行分析。從而將客戶進行分類。其次，企業(yè)爭取一個新客戶的成本是保留一個老客戶7-10倍，因此，CRM管理中，首先提倡的是保持現(xiàn)有客戶，實現(xiàn)現(xiàn)有客戶的重復購買，其次才是開拓新市場、吸引新客戶。通過數(shù)據(jù)挖掘技術(shù)首先為已流失客戶建模，是被他們的流逝模式，然后用這些模式找出當前客戶中相似背離者，以便采取相應預防措施。最后，客戶獲得。企業(yè)的增長要不斷獲得新客戶數(shù)據(jù)挖掘技術(shù)能夠預測并識別潛在客戶群，從而使企業(yè)的促銷推廣活動更有針對性。
   四、總結(jié)
    本文介紹了數(shù)據(jù)挖掘技術(shù)在企業(yè)CRM系統(tǒng)中對客戶流失及保持的應用，在對客戶關(guān)系管理研究以及數(shù)據(jù)挖掘技術(shù)研究的理論背景之上，通過數(shù)據(jù)挖掘算法分析客戶群體特征，類別。并據(jù)此預測現(xiàn)有客戶的流失傾向，并采取相應的措施進行挽留，給出有效控制客戶流失的建議。
    在客戶導向時代，客戶成為了企業(yè)利潤的最終來源，客戶關(guān)系管理則是企業(yè)提升經(jīng)濟效率的一種重要途徑。數(shù)據(jù)挖掘技術(shù)與CRM相結(jié)合完善了客戶關(guān)系管理系統(tǒng)，有助于提升企業(yè)的商業(yè)價值，為企業(yè)與客戶之間建立一個互動的長期穩(wěn)定關(guān)系，使得客戶價值、企業(yè)利潤達到“雙贏”。