1．客戶(hù)關(guān)系管理的現(xiàn)狀和問(wèn)題分析

    從1999年中開(kāi)始，客戶(hù)關(guān)系管理得到了諸多媒體的關(guān)注，國(guó)內(nèi)外很多軟件商如Oracle等推出了以客戶(hù)關(guān)系管理命名的軟件系統(tǒng)。有一些企業(yè)開(kāi)始實(shí)施以客戶(hù)關(guān)系管理命名的信息系統(tǒng)。這些年來(lái)，更多的企業(yè)越來(lái)越認(rèn)識(shí)到了客戶(hù)關(guān)系管理對(duì)企業(yè)經(jīng)營(yíng)決策的重要指導(dǎo)作用。但就很多中小企業(yè)的客戶(hù)關(guān)系管理上看，還是存在著很多認(rèn)識(shí)上的不足。

    1.1 沒(méi)有形成一種規(guī)范的系統(tǒng)的操作流程

    企業(yè)在處理與客戶(hù)間的關(guān)系的時(shí)候，往往只是憑借企業(yè)既定的人際關(guān)系，來(lái)加強(qiáng)與客戶(hù)間的交流，這導(dǎo)致企業(yè)在處理問(wèn)題的過(guò)程中往往感性多于理性，無(wú)章可循，無(wú)法可依，從而阻礙了企業(yè)的進(jìn)一步的發(fā)展壯大。

    1.2 不重視營(yíng)銷(xiāo)中的“契約關(guān)系”

    企業(yè)許多營(yíng)銷(xiāo)人員過(guò)分重視營(yíng)銷(xiāo)過(guò)程中的人際關(guān)系，而忽略了市場(chǎng)營(yíng)銷(xiāo)過(guò)程中的“契約”關(guān)系，一旦市場(chǎng)發(fā)生變化和雙方人員發(fā)生變動(dòng)，業(yè)務(wù)關(guān)系也會(huì)隨之發(fā)生改變。良好的客戶(hù)關(guān)系對(duì)市場(chǎng)開(kāi)發(fā)具有不可替代的作用。在同樣的競(jìng)爭(zhēng)條件下，客戶(hù)關(guān)系的好壞往往成為項(xiàng)目成功的關(guān)鍵。

    1.3 客戶(hù)流失原因不確定

    企業(yè)中存在很多情況會(huì)造成客戶(hù)的流失，例如客戶(hù)經(jīng)理談判能力不高，后臺(tái)支持跟不上，服務(wù)水平有限等等。那么，沒(méi)有有效地對(duì)客戶(hù)流失原因進(jìn)行總結(jié)，將不能更好地開(kāi)發(fā)和管理客戶(hù)資源。

    1.4 未能有效挖掘潛在客戶(hù)

    面對(duì)競(jìng)爭(zhēng)的壓力，面對(duì)自身在大客戶(hù)營(yíng)銷(xiāo)中出現(xiàn)的不足，公司應(yīng)在營(yíng)銷(xiāo)策略上下足功夫，在留住現(xiàn)有客戶(hù)的基礎(chǔ)上，積極地開(kāi)發(fā)新的大客戶(hù)資源，以提高市場(chǎng)占有率，獲取利潤(rùn)。

2．?dāng)?shù)據(jù)挖掘技術(shù)在CRM中的作用

    數(shù)據(jù)挖掘是近幾年隨著數(shù)據(jù)庫(kù)和人工智能發(fā)展起來(lái)的一門(mén)新興的數(shù)據(jù)庫(kù)技術(shù)。其處理對(duì)象是大量的日常業(yè)務(wù)數(shù)據(jù)，目的是為了從這些數(shù)據(jù)中抽取一些有價(jià)值的知識(shí)或信息。

    數(shù)據(jù)挖掘技術(shù)可以應(yīng)用到CRM的各個(gè)不同領(lǐng)域和階段，具體來(lái)說(shuō)，它可以應(yīng)用在以下幾個(gè)方而：

    2.1 客戶(hù)的獲得

    企業(yè)要不斷的擴(kuò)大和發(fā)展，就要尋找潛在的客戶(hù)，發(fā)展新客戶(hù)。在發(fā)展新客戶(hù)之前，企業(yè)應(yīng)先確定哪些客戶(hù)有可能是潛在客戶(hù)，哪些客戶(hù)最容易獲得，哪些客戶(hù)最有價(jià)值。數(shù)據(jù)挖掘技術(shù)可以幫助企業(yè)從客戶(hù)信息中找到客戶(hù)的特征，通過(guò)模式分析預(yù)測(cè)潛在客戶(hù)。

    2.2 客戶(hù)保持

    運(yùn)用數(shù)據(jù)挖掘技術(shù)，可以對(duì)流失的客戶(hù)進(jìn)行挖掘，找出流失的可能原因，然后改進(jìn)策略，保留住老客戶(hù)：通過(guò)對(duì)新獲得的用戶(hù)進(jìn)行挖掘，找出成為新客戶(hù)的可能原因，然后制定出積極策略，對(duì)具有同樣特征的用戶(hù)進(jìn)行爭(zhēng)取，做到有針對(duì)性營(yíng)銷(xiāo)，從而發(fā)掘出潛在的客戶(hù)。

    2.3 客戶(hù)的群體分類(lèi)分析

    隨著電子商務(wù)的發(fā)展，一對(duì)一營(yíng)銷(xiāo)已經(jīng)成為了一種企業(yè)追隨的潮流。運(yùn)用數(shù)據(jù)挖掘技術(shù)，可以對(duì)大量的客戶(hù)進(jìn)行分類(lèi)，例如根據(jù)客戶(hù)的性別、年齡、職業(yè)等屬性將客戶(hù)劃分成互不相交的一個(gè)個(gè)小的客戶(hù)類(lèi)別。針對(duì)不同的客戶(hù)，提供不同的產(chǎn)品或服務(wù)，從而建立起良好的客戶(hù)關(guān)系。利用數(shù)據(jù)挖掘技術(shù)對(duì)客戶(hù)進(jìn)行分類(lèi)的常用方法有分類(lèi)方法和聚類(lèi)方法。

    2.4 客戶(hù)贏利能力分析和預(yù)測(cè)

    統(tǒng)計(jì)表明，現(xiàn)代企業(yè)80％的銷(xiāo)售額是來(lái)自20％的重要客戶(hù)，也就是說(shuō)有些客戶(hù)是非常有價(jià)值，而有些客戶(hù)是微利或無(wú)利可圖，所以企業(yè)必須要能夠?qū)ζ淇蛻?hù)的價(jià)值進(jìn)行分析。數(shù)據(jù)挖掘技術(shù)可以用來(lái)預(yù)測(cè)在不同的市場(chǎng)活動(dòng)情況下客戶(hù)盈利能力的變化方向，在不同市場(chǎng)環(huán)境下對(duì)客戶(hù)的價(jià)值進(jìn)行分析和預(yù)測(cè)，從而較好地把握穩(wěn)定的客戶(hù)市場(chǎng)。

    2.5 客戶(hù)滿(mǎn)意度分析

    應(yīng)用數(shù)據(jù)挖掘技術(shù)。企業(yè)可以從客戶(hù)對(duì)產(chǎn)品和服務(wù)的反饋中分析出客戶(hù)的滿(mǎn)意度。通過(guò)對(duì)滿(mǎn)意度的分析，企業(yè)可以有針對(duì)性地制定不同的營(yíng)銷(xiāo)策略，以改善與客戶(hù)的關(guān)系，提高客戶(hù)的忠誠(chéng)度。

    2.6 交叉銷(xiāo)售

    企業(yè)與客戶(hù)之間的商業(yè)關(guān)系是一種不斷發(fā)展變化的關(guān)系，在建立起雙向關(guān)系后，可以使用多種方法使這種關(guān)系趨于完善。包括延長(zhǎng)這種關(guān)系的時(shí)間、增加相互的接觸、在接觸中獲得更多的利潤(rùn)等。數(shù)據(jù)挖掘技術(shù)可以幫助企業(yè)分析出最佳的銷(xiāo)售匹配。

    此外，還有對(duì)客戶(hù)的信用分析、背景分析等等，這些潛在的信息都可以通過(guò)數(shù)據(jù)挖掘技術(shù)獲得，對(duì)于企業(yè)進(jìn)行管理和決策都起到了不可替代的作用。

3．?dāng)?shù)據(jù)挖掘技術(shù)在CRM應(yīng)用領(lǐng)域中的研究

    數(shù)據(jù)挖掘技術(shù)在客戶(hù)關(guān)系管理中有著廣泛的應(yīng)用。主要體現(xiàn)在：

    (1)概念/類(lèi)描述。概念描述以簡(jiǎn)潔匯總的形式描述給定任務(wù)相關(guān)的數(shù)據(jù)集，提供數(shù)據(jù)價(jià)值的一般特性，一般應(yīng)用于CRM中的描述式數(shù)據(jù)挖掘。概念或類(lèi)描述由特征比和比較或區(qū)分組成，有兩種一般方法：基于數(shù)據(jù)立方體OLAP的方法和面向?qū)傩詺w納的方法。

    (2)關(guān)聯(lián)分析。關(guān)聯(lián)分析發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，廣泛用于購(gòu)物藍(lán)、商務(wù)管理和決策分析，是商業(yè)分析中應(yīng)用最為廣泛的一種數(shù)據(jù)挖掘方法和模式。談到關(guān)聯(lián)規(guī)則，不得不說(shuō)那個(gè)有趣的故事：“尿布與啤酒”的故事。這是發(fā)生在美國(guó)沃爾瑪連鎖店超市的真實(shí)案例。超市里尿布和啤酒赫然擺在一起出售。但是這個(gè)奇怪的舉措?yún)s使尿布和啤酒的銷(xiāo)量雙雙增加了。當(dāng)時(shí)的沃爾瑪擁有世界上最大的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，它為了能夠準(zhǔn)確了解顧客的購(gòu)買(mǎi)習(xí)慣，對(duì)顧客的購(gòu)物行為進(jìn)行購(gòu)物籃分析，想知道顧客經(jīng)常一起購(gòu)買(mǎi)的商品有哪些。它利用數(shù)據(jù)挖掘方法對(duì)這些數(shù)據(jù)進(jìn)行分析和挖掘，一個(gè)意外的發(fā)現(xiàn)是，跟尿布一起購(gòu)買(mǎi)最多的商品竟是啤酒！經(jīng)過(guò)大量實(shí)際調(diào)查和分析，揭示了一個(gè)隱藏在“尿布與啤酒”背后的美國(guó)人的一種行為模式：在美國(guó)，一些年輕的父親下班后經(jīng)常要到超市去買(mǎi)嬰兒尿布，而他們中有30％～40％的人同時(shí)也為自己買(mǎi)一些啤酒。產(chǎn)生這一現(xiàn)象的原因是：美國(guó)的太太們常叮囑她們的丈夫下班后為小孩買(mǎi)尿布，而丈夫們?cè)谫I(mǎi)尿布后又隨手帶回了他們喜歡的啤酒。

    (3)分類(lèi)和預(yù)測(cè)分析。分類(lèi)和預(yù)測(cè)是CRM中數(shù)據(jù)分析的兩種重要形式，可以用于提取描述重要數(shù)據(jù)類(lèi)的模型或預(yù)測(cè)未來(lái)的數(shù)據(jù)趨勢(shì)。主要方法包括：決策樹(shù)/判定樹(shù)、貝葉斯法、BP神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、粗糙集、模糊集等。決策樹(shù)是一種經(jīng)常要用到的技術(shù)，可以用于分析數(shù)據(jù)，同樣也可以用來(lái)作預(yù)測(cè)。

    (4)聚類(lèi)分析。聚類(lèi)是將數(shù)據(jù)分類(lèi)到不同的類(lèi)或者簇這樣的一個(gè)過(guò)程，對(duì)象是根據(jù)最大化類(lèi)的相似性、最小化類(lèi)的相似性的原則進(jìn)行聚類(lèi)或分組的，同一個(gè)簇中的對(duì)象有很大的相似性，而不同簇間的對(duì)象有很大的相異性。在CRM中，聚類(lèi)分析被用來(lái)研究消費(fèi)者行為，發(fā)現(xiàn)不同的客戶(hù)群，并且通過(guò)購(gòu)買(mǎi)模式刻畫(huà)不同的客戶(hù)群的特征，從而尋找新的潛在市場(chǎng)。

    (5)孤立點(diǎn)分析。對(duì)于欺詐探測(cè)、定制市場(chǎng)及其它CRM任務(wù)是非常有用的。

    (6)復(fù)雜類(lèi)型的數(shù)據(jù)挖掘。是數(shù)據(jù)挖掘技術(shù)的當(dāng)前一個(gè)重要的研究領(lǐng)域，極大提升了CRM數(shù)據(jù)分析能力的深度和廣度，主要包括：多媒體數(shù)據(jù)挖掘、文本挖掘和web挖掘等。

4．總結(jié)

    隨著數(shù)據(jù)挖掘技術(shù)的日益成熟和深入應(yīng)用，它已經(jīng)成為獲取有價(jià)值的信息的重要技術(shù)和工具。在CRM中合理高效地利用數(shù)據(jù)挖掘技術(shù)，可以獲取到準(zhǔn)確的客戶(hù)分類(lèi)、忠誠(chéng)度、盈利能力、潛在用戶(hù)等信息。為企業(yè)做出決策，長(zhǎng)遠(yuǎn)發(fā)展提供了最有力的信息支持和技術(shù)保障。

核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴(lài)品牌。

轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.oesoe.com/

本文標(biāo)題：論數(shù)據(jù)挖掘技術(shù)在客戶(hù)關(guān)系管理系統(tǒng)中的應(yīng)用

本文網(wǎng)址：http://www.oesoe.com/html/solutions/1401937807.html