應用數(shù)據(jù)挖掘進行客戶關系管理
發(fā)布時間：2024-02-02瀏覽人數(shù)：
在當今市場上，商業(yè)的成功離不開有效的客戶關系管理（Customer Relationship Management，CRM）。客戶關系管理的本質(zhì)是更有效地進行競爭?？蛻絷P系管理的目標是縮減銷售周期和銷售成本、增加收人、尋找擴展業(yè)務所需的新的市場和渠道、以及提高客戶的價值、滿意度、贏利性和忠實度。企業(yè)實施客戶關系管理，可以更低成本、更高效率地滿足客戶的需求，從而可以最大程度地提高客戶滿意度及忠誠度，挽回失去的客戶，保留現(xiàn)有的客戶，不斷發(fā)展新的客戶，發(fā)掘并牢牢地把握住能給企業(yè)帶來最大價值的客戶群。
客戶關系管理最基本的含義就是管理所有與客戶的相互作用。隨著客戶信息的絕對容量的急劇增大，企業(yè)與客戶的相互作用日益復雜，數(shù)據(jù)挖掘被推到了客戶關系管理的最前端。利用在傳統(tǒng)的數(shù)據(jù)庫技術基礎上發(fā)展起來的數(shù)據(jù)挖掘等先進的智能化信息技術，利用神經(jīng)網(wǎng)絡等分析技術，挖掘出潛在的有用信息，用于企業(yè)輔助決策。
一、數(shù)據(jù)挖掘及其在客戶關系管理中的地位與內(nèi)容以電子商務環(huán)境下的企業(yè)客戶關系管理為主線，輔之以建立在數(shù)據(jù)庫或數(shù)據(jù)倉庫基礎上的各種數(shù)據(jù)挖掘技術，在吸引客戶、留住客戶、升級客戶的過程中實現(xiàn)不斷提升企業(yè)核心競爭力的目標。數(shù)據(jù)挖掘處于客戶關系管理系統(tǒng)的核心地位。
數(shù)據(jù)挖掘是通過使用數(shù)據(jù)分析和數(shù)據(jù)建模技術來發(fā)現(xiàn)數(shù)據(jù)之間的關系和趨勢的過程。數(shù)據(jù)挖掘能夠從大量的數(shù)據(jù)中，抽取出潛在的、對決策存在價值的知識、模型或規(guī)則。數(shù)據(jù)挖掘中最基本、最簡單的分析步驟就是描述數(shù)據(jù)，但是數(shù)據(jù)描述并不足以提供行動計劃，必須用從已知結(jié)果中確立的模式來建立預測性模型，從而提供行動計劃。然后用其它的方法對其進行測試。一個好的模型不應該被真實情況所困惑，這個模型能夠用來指導你理解業(yè)務。
對于企業(yè)而言，數(shù)據(jù)挖掘能夠根據(jù)已有的信息對未發(fā)生行為做出結(jié)果預測，有助于揭示已知的事實，發(fā)現(xiàn)業(yè)務發(fā)展的趨勢，預測未知的結(jié)果，為企業(yè)經(jīng)營決策、市場策劃提供依據(jù)。
“以客戶為中心”的數(shù)據(jù)挖掘內(nèi)容涵蓋了客戶需求分析、客戶忠誠度分析、客戶等級評估分析等三部分，有些還包括產(chǎn)品銷售。其中，客戶需求分析包括：消費習慣、消費頻度、產(chǎn)品類型、服務方式、交易歷史記錄、需求變化趨勢等因素的分析?？蛻糁艺\度分析包括：客戶服務持續(xù)時間、交易總數(shù)、客戶滿意程度、客戶地理位置分布、客戶消費心理等因素的分析。客戶等級評估分析包括：客戶消費規(guī)模、消費行為、客戶履約情況、客戶信用度等因素的分析。產(chǎn)品銷售分析包括：區(qū)域市場、渠道市場、季節(jié)銷售等因素的分析。
二、數(shù)據(jù)挖掘在客戶關系管理各階段的應用在客戶關系管理中，需要在客戶關系的各個階段使用與客戶相關的信息來預測與客戶的相互作用，可以將客戶關系管理的各個階段定義為客戶生命周期?？蛻羯芷诎ㄈ齻€階段：獲得客戶；提高客戶的價值；保持有效益的客戶。數(shù)據(jù)挖掘技術幫助企業(yè)管理客戶生命周期的各個階段。
1. 數(shù)據(jù)挖掘在客戶獲得中的應用
客戶關系管理的第一步是識別潛在客戶，然后將他們轉(zhuǎn)變成真正的客戶。傳統(tǒng)的獲得客戶的途徑一般包括廣泛的媒體廣告、大量的電話行銷、市中心及車站碼頭的廣告牌等。做廣告，大多選擇讀者群和直接目標客戶群重疊最大的主流媒體。但數(shù)據(jù)挖掘可以幫助管理獲取新客戶的成本和改善這些活動的效果。
Big Bank and Credit Card Company（BB&CC）每年進行25次直接郵寄活動，每次活動都向一百萬人提供申請信用卡的機會。“轉(zhuǎn)化率”用來測量那些變成信用卡客戶的比例，這是一個關于BB&CC每一次活動效果的百分比。使人們填寫信用卡申請僅僅是第一步，BB&CC必須判斷提交申請的客戶是否有良好的信用風險，然后決定接受他們成為自己的客戶還是該拒絕他們的申請。統(tǒng)計顯示大約6%的人在接到郵寄后會提出申請，但他們中只有16%滿足信用風險要求，結(jié)果郵件列表中的人大約有1%成為了BB&CC的新客戶。BB&CC的6%的響應率意味著每次活動中的100萬人中僅有6萬人對郵寄的請求產(chǎn)生響應，并且在6萬人中只有1萬人滿足信用風險條件而成為客戶。BB&CC面臨的難題是更有效地影響那僅有的1萬人。
BB&CC的每份郵寄成本約1美元，也就是說每次郵寄活動的總成本為100萬美元。在接下來的兩年里，那1萬人將為BB&CC產(chǎn)生大約125萬美元（每人約125美元）的收益，結(jié)果從一次郵寄活動獲得凈利潤為25萬美元。數(shù)據(jù)挖掘可以改善這個回報率。盡管數(shù)據(jù)挖掘也不能精確的識別最后那1萬信用卡用戶，但它可以幫助使促銷活動的投入更有效。
首先，BB&CC發(fā)送了5萬個郵件做測試并仔細分析結(jié)果，使用決策樹建立預測模型來顯示誰將對郵寄做出響應，用神經(jīng)網(wǎng)絡建立信用評分模型。接著BB&CC結(jié)合這兩個模型來發(fā)現(xiàn)那些滿足信用評定而且最可能對“懇求”產(chǎn)生響應的人群。BB乙CC運用這一模型再從郵件列表中剩下的95萬人中選擇70萬發(fā)送郵件。結(jié)果顯示：從這75萬（包括測試的5萬）件郵件中，BB&CC獲得了9千份信用卡申請。換句話說，響應率從1%提高到了1.2%增加了20 %。雖然目標只達到了1萬個中的9千個，但模型是沒有完美的，剩下的1千是無利可圖的。
請注意，郵寄的純利潤增加了$125,000，甚至你扣除由于數(shù)據(jù)挖掘而產(chǎn)生的軟件、硬件即人力資源方面的$40,000，純利潤還增加了$85,000。建模的投入轉(zhuǎn)化成了200%的收益。
2. 通過數(shù)據(jù)挖掘提高現(xiàn)有客戶的價值
現(xiàn)在企業(yè)和客戶之間的關系是經(jīng)常變動的，一旦一個人或者一個公司成為你的客戶，你就要盡力使這種客戶關系對你趨于完美。一般來說你可以通過這三種方法：
第一，最長時間地保持這種關系；第二，最多次數(shù)地和你的客戶交易；第三，最大數(shù)量地保證每次交易的利潤。
因此我們就需要對我們已有的客戶進行交叉銷售和個性化服務。
交叉銷售是指企業(yè)向原有客戶銷售新的產(chǎn)品或服務的過程。一個購買了嬰兒車的客戶很有可能對你們生產(chǎn)的嬰兒尿布或其它嬰兒產(chǎn)品感興趣。個性化服務可以使得重復銷售、每一客戶的平均銷售量和銷售的平均范圍等方面有一個很大提高。數(shù)據(jù)挖掘使用聚類來進行商品分組，這些聚類用來在有人看到其中的一個產(chǎn)品時向他做出建議，建議的方式可以是向客戶發(fā)送Email，這些Email包含了由數(shù)據(jù)挖掘模型預測的會吸引客戶的新產(chǎn)品信息。結(jié)果就會使推薦更加客戶化。
對于企業(yè)來說，真正關心的問題在于如何發(fā)現(xiàn)這其中內(nèi)在的微妙關系。利用數(shù)據(jù)挖掘的一些算法（統(tǒng)計回歸、邏輯回歸、決策樹、聚類分析、神經(jīng)網(wǎng)絡等）對數(shù)據(jù)進行分析，產(chǎn)生一些數(shù)學公式，可以幫助企業(yè)發(fā)現(xiàn)這其中的關系。
對于原有客戶，企業(yè)可以比較容易地得到關于這個客戶的比較豐富的信息，大量的數(shù)據(jù)對于數(shù)據(jù)挖掘的準確性來說是有很大幫助的。在企業(yè)所掌握的客戶信息，尤其是以前購買行為的信息中，可能正包含著這個客戶決定他下一個的購買行為的關鍵，甚至決定因素。這個時候數(shù)據(jù)挖掘的作用就會體現(xiàn)出來，它可以幫助企業(yè)尋找到這些影響他購買行為的因素。
一般情況下，有兩個模型是必需的。
第一個模型預測一些人是否為被建議買附加產(chǎn)品而感到不愉快；第二個模型用來預測哪些提議更容易被接受。
3. 通過數(shù)據(jù)挖掘進行客戶保持
現(xiàn)在各個行業(yè)的競爭都越來越激烈，企業(yè)獲得新客戶的成本正不斷地上升，因此保持原有客戶對所有企業(yè)來說就顯得越來越重要。比如在美國，移動通信公司每獲得一個新用戶的成本平均是30。美元，而挽留住一個老客戶的成本可能僅僅是通一個電話。業(yè)界公認，獲得一個客戶的成本是保持一個客戶成本的6-8倍，而且往往失去的客戶比新得到的客戶要貢獻更多的利潤。
數(shù)據(jù)挖掘可以幫助你將大量的客戶分成不同的類，在每個類里的客戶抓有相似的屬性，而不同類里的客戶的屬性將會不同。你完全可以做得到給不同類的客戶提供完全不同的服務來提高客戶的滿意度?？蛻舴诸惖暮锰庯@而易見，即使是很簡單的分類也可以給企業(yè)帶來一個令人滿意的結(jié)果。比如說如果你知道你的客戶有85%是老年人，或者只有20%是女性，相信你的市場策略都會隨之而不同。細致而切實可行的客戶分類對企業(yè)的客戶保持策略有很大益處。
通過數(shù)據(jù)挖掘進行客戶保持一般應該建立三個模型。一個模型用來確定要離開的用戶，第二個模型用來選擇可以帶來收益的潛在的離開者，第三個模型為這些潛在的離開者選配最適宜的提議。
客戶關系管理最基本的含義就是管理所有與客戶的相互作用。隨著客戶信息的絕對容量的急劇增大，企業(yè)與客戶的相互作用日益復雜，數(shù)據(jù)挖掘被推到了客戶關系管理的最前端。利用在傳統(tǒng)的數(shù)據(jù)庫技術基礎上發(fā)展起來的數(shù)據(jù)挖掘等先進的智能化信息技術，利用神經(jīng)網(wǎng)絡等分析技術，挖掘出潛在的有用信息，用于企業(yè)輔助決策。
一、數(shù)據(jù)挖掘及其在客戶關系管理中的地位與內(nèi)容以電子商務環(huán)境下的企業(yè)客戶關系管理為主線，輔之以建立在數(shù)據(jù)庫或數(shù)據(jù)倉庫基礎上的各種數(shù)據(jù)挖掘技術，在吸引客戶、留住客戶、升級客戶的過程中實現(xiàn)不斷提升企業(yè)核心競爭力的目標。數(shù)據(jù)挖掘處于客戶關系管理系統(tǒng)的核心地位。
數(shù)據(jù)挖掘是通過使用數(shù)據(jù)分析和數(shù)據(jù)建模技術來發(fā)現(xiàn)數(shù)據(jù)之間的關系和趨勢的過程。數(shù)據(jù)挖掘能夠從大量的數(shù)據(jù)中，抽取出潛在的、對決策存在價值的知識、模型或規(guī)則。數(shù)據(jù)挖掘中最基本、最簡單的分析步驟就是描述數(shù)據(jù)，但是數(shù)據(jù)描述并不足以提供行動計劃，必須用從已知結(jié)果中確立的模式來建立預測性模型，從而提供行動計劃。然后用其它的方法對其進行測試。一個好的模型不應該被真實情況所困惑，這個模型能夠用來指導你理解業(yè)務。
對于企業(yè)而言，數(shù)據(jù)挖掘能夠根據(jù)已有的信息對未發(fā)生行為做出結(jié)果預測，有助于揭示已知的事實，發(fā)現(xiàn)業(yè)務發(fā)展的趨勢，預測未知的結(jié)果，為企業(yè)經(jīng)營決策、市場策劃提供依據(jù)。
“以客戶為中心”的數(shù)據(jù)挖掘內(nèi)容涵蓋了客戶需求分析、客戶忠誠度分析、客戶等級評估分析等三部分，有些還包括產(chǎn)品銷售。其中，客戶需求分析包括：消費習慣、消費頻度、產(chǎn)品類型、服務方式、交易歷史記錄、需求變化趨勢等因素的分析?？蛻糁艺\度分析包括：客戶服務持續(xù)時間、交易總數(shù)、客戶滿意程度、客戶地理位置分布、客戶消費心理等因素的分析。客戶等級評估分析包括：客戶消費規(guī)模、消費行為、客戶履約情況、客戶信用度等因素的分析。產(chǎn)品銷售分析包括：區(qū)域市場、渠道市場、季節(jié)銷售等因素的分析。
二、數(shù)據(jù)挖掘在客戶關系管理各階段的應用在客戶關系管理中，需要在客戶關系的各個階段使用與客戶相關的信息來預測與客戶的相互作用，可以將客戶關系管理的各個階段定義為客戶生命周期?？蛻羯芷诎ㄈ齻€階段：獲得客戶；提高客戶的價值；保持有效益的客戶。數(shù)據(jù)挖掘技術幫助企業(yè)管理客戶生命周期的各個階段。
1. 數(shù)據(jù)挖掘在客戶獲得中的應用
客戶關系管理的第一步是識別潛在客戶，然后將他們轉(zhuǎn)變成真正的客戶。傳統(tǒng)的獲得客戶的途徑一般包括廣泛的媒體廣告、大量的電話行銷、市中心及車站碼頭的廣告牌等。做廣告，大多選擇讀者群和直接目標客戶群重疊最大的主流媒體。但數(shù)據(jù)挖掘可以幫助管理獲取新客戶的成本和改善這些活動的效果。
Big Bank and Credit Card Company（BB&CC）每年進行25次直接郵寄活動，每次活動都向一百萬人提供申請信用卡的機會。“轉(zhuǎn)化率”用來測量那些變成信用卡客戶的比例，這是一個關于BB&CC每一次活動效果的百分比。使人們填寫信用卡申請僅僅是第一步，BB&CC必須判斷提交申請的客戶是否有良好的信用風險，然后決定接受他們成為自己的客戶還是該拒絕他們的申請。統(tǒng)計顯示大約6%的人在接到郵寄后會提出申請，但他們中只有16%滿足信用風險要求，結(jié)果郵件列表中的人大約有1%成為了BB&CC的新客戶。BB&CC的6%的響應率意味著每次活動中的100萬人中僅有6萬人對郵寄的請求產(chǎn)生響應，并且在6萬人中只有1萬人滿足信用風險條件而成為客戶。BB&CC面臨的難題是更有效地影響那僅有的1萬人。
BB&CC的每份郵寄成本約1美元，也就是說每次郵寄活動的總成本為100萬美元。在接下來的兩年里，那1萬人將為BB&CC產(chǎn)生大約125萬美元（每人約125美元）的收益，結(jié)果從一次郵寄活動獲得凈利潤為25萬美元。數(shù)據(jù)挖掘可以改善這個回報率。盡管數(shù)據(jù)挖掘也不能精確的識別最后那1萬信用卡用戶，但它可以幫助使促銷活動的投入更有效。
首先，BB&CC發(fā)送了5萬個郵件做測試并仔細分析結(jié)果，使用決策樹建立預測模型來顯示誰將對郵寄做出響應，用神經(jīng)網(wǎng)絡建立信用評分模型。接著BB&CC結(jié)合這兩個模型來發(fā)現(xiàn)那些滿足信用評定而且最可能對“懇求”產(chǎn)生響應的人群。BB乙CC運用這一模型再從郵件列表中剩下的95萬人中選擇70萬發(fā)送郵件。結(jié)果顯示：從這75萬（包括測試的5萬）件郵件中，BB&CC獲得了9千份信用卡申請。換句話說，響應率從1%提高到了1.2%增加了20 %。雖然目標只達到了1萬個中的9千個，但模型是沒有完美的，剩下的1千是無利可圖的。
請注意，郵寄的純利潤增加了$125,000，甚至你扣除由于數(shù)據(jù)挖掘而產(chǎn)生的軟件、硬件即人力資源方面的$40,000，純利潤還增加了$85,000。建模的投入轉(zhuǎn)化成了200%的收益。
2. 通過數(shù)據(jù)挖掘提高現(xiàn)有客戶的價值
現(xiàn)在企業(yè)和客戶之間的關系是經(jīng)常變動的，一旦一個人或者一個公司成為你的客戶，你就要盡力使這種客戶關系對你趨于完美。一般來說你可以通過這三種方法：
第一，最長時間地保持這種關系；第二，最多次數(shù)地和你的客戶交易；第三，最大數(shù)量地保證每次交易的利潤。
因此我們就需要對我們已有的客戶進行交叉銷售和個性化服務。
交叉銷售是指企業(yè)向原有客戶銷售新的產(chǎn)品或服務的過程。一個購買了嬰兒車的客戶很有可能對你們生產(chǎn)的嬰兒尿布或其它嬰兒產(chǎn)品感興趣。個性化服務可以使得重復銷售、每一客戶的平均銷售量和銷售的平均范圍等方面有一個很大提高。數(shù)據(jù)挖掘使用聚類來進行商品分組，這些聚類用來在有人看到其中的一個產(chǎn)品時向他做出建議，建議的方式可以是向客戶發(fā)送Email，這些Email包含了由數(shù)據(jù)挖掘模型預測的會吸引客戶的新產(chǎn)品信息。結(jié)果就會使推薦更加客戶化。
對于企業(yè)來說，真正關心的問題在于如何發(fā)現(xiàn)這其中內(nèi)在的微妙關系。利用數(shù)據(jù)挖掘的一些算法（統(tǒng)計回歸、邏輯回歸、決策樹、聚類分析、神經(jīng)網(wǎng)絡等）對數(shù)據(jù)進行分析，產(chǎn)生一些數(shù)學公式，可以幫助企業(yè)發(fā)現(xiàn)這其中的關系。
對于原有客戶，企業(yè)可以比較容易地得到關于這個客戶的比較豐富的信息，大量的數(shù)據(jù)對于數(shù)據(jù)挖掘的準確性來說是有很大幫助的。在企業(yè)所掌握的客戶信息，尤其是以前購買行為的信息中，可能正包含著這個客戶決定他下一個的購買行為的關鍵，甚至決定因素。這個時候數(shù)據(jù)挖掘的作用就會體現(xiàn)出來，它可以幫助企業(yè)尋找到這些影響他購買行為的因素。
一般情況下，有兩個模型是必需的。
第一個模型預測一些人是否為被建議買附加產(chǎn)品而感到不愉快；第二個模型用來預測哪些提議更容易被接受。
3. 通過數(shù)據(jù)挖掘進行客戶保持
現(xiàn)在各個行業(yè)的競爭都越來越激烈，企業(yè)獲得新客戶的成本正不斷地上升，因此保持原有客戶對所有企業(yè)來說就顯得越來越重要。比如在美國，移動通信公司每獲得一個新用戶的成本平均是30。美元，而挽留住一個老客戶的成本可能僅僅是通一個電話。業(yè)界公認，獲得一個客戶的成本是保持一個客戶成本的6-8倍，而且往往失去的客戶比新得到的客戶要貢獻更多的利潤。
數(shù)據(jù)挖掘可以幫助你將大量的客戶分成不同的類，在每個類里的客戶抓有相似的屬性，而不同類里的客戶的屬性將會不同。你完全可以做得到給不同類的客戶提供完全不同的服務來提高客戶的滿意度?？蛻舴诸惖暮锰庯@而易見，即使是很簡單的分類也可以給企業(yè)帶來一個令人滿意的結(jié)果。比如說如果你知道你的客戶有85%是老年人，或者只有20%是女性，相信你的市場策略都會隨之而不同。細致而切實可行的客戶分類對企業(yè)的客戶保持策略有很大益處。
通過數(shù)據(jù)挖掘進行客戶保持一般應該建立三個模型。一個模型用來確定要離開的用戶，第二個模型用來選擇可以帶來收益的潛在的離開者，第三個模型為這些潛在的離開者選配最適宜的提議。