数据挖掘在客户关系管理_CRM_中的应用

李宝东,宋瀚涛

(北京理工大学计算机系,北京100081)

摘　要:CR M现在逐渐成为企业的焦点,也成为计算机领域一个活跃的研究领域。介绍了有关CRM和数据挖掘的一些基本概念,以及数据挖掘应用于CRM所带来的好处;最后指出了如何在CR M中实施数据挖掘应用。

关键词:数据挖掘;客户关系管理;交叉销售

中图法分类号:TP311　　　文献标识码:A　　　文章编号:1001-3695(2002)10-0071-04

Research of Data Mining in CR M

LI Bao-dong,SONG Han-tao

(De pt.of Compute r Sc ienc e,Beij ing Institut e of Tec hnology,Bei jing100081,China)

A bstract:Customer Relationship Management(CR M)is becoming the focus of enterprise and an active research field of computer sci-ence.The ariticle introduces some basic concepts about CRM and data mining,and some benefits brou ght by data min ing in CR M.At the end it points out how to apply data minin g applications in CR M.

Key words:DataMining;CR M(Customer Relationship Management);Cross-selling

1　引言

CR M现在已经成为世界各地企业正在关注的一个重要概念。它不是一个产品,也不是一个产品组合,而是一种全新的商业理念。随着经济的全球化、多样化,公司之间的竞争日趋激烈,客户比以往有了更多的选择,也变得更加挑剔了。这些残酷的商业现状迫使企业从“以产品为中心”转变为“以客户为中心”[1]。在这种经营观念的转变下,了解现有客户,认识到他们的需要是非常重要的。对现有客户和潜在客户的培养和挖掘,现在被认为是企业获得进一步成功的关键。资料显示发展一个新客户要比保留一个老客户多出5倍的投入。投资于现有客户,使其满意度增加会对客户忠诚度有直接的影响,进而影响到企业的最终效益。

在客户关系管理中,客户服务是最关键的内容[2]。当前的客户服务已经超出传统的帮助平台。与客户积极主动的关系是客户服务的重要组成部分。客户服务能够处理客户各种类型的询问,包括有关的产品、需要的信息、订单请求、订单执行情况,以及高质量的现场服务。所有这一切,都要求企业具有一个强大的信息支持平台,及时、准确地收集和分析客户、市场、销售、服务及整个企业内部的各种信息。这些信息是企业的财富,它如实地记录着企业运作的本质状况。但是面对如此海量的数据,迫使人们不断寻找新的工具来对企业的运营规律进行探索,为商业决策提供有价值的知识,使企业获得利润。能满足企业这一迫切需求的强有力的工具就是数据挖掘。

在企业管理客户生命周期的各个阶段都会用到数据挖掘技术。数据挖掘能够帮助企业确定客户的特点,从而可以为客户提供有针对性的服务。通过数据挖掘,可发现购买某一商品的客户的特征,从而可以向那些也同样具有这些特征却没有购买的客户推销这个商品;还可找到流失客户的特征,在那些具有相似特征的客户还未流失之前,采取有针对性的措施避免他们的流失。

2　基本概念

2.1　CRM定义

由于强调的侧重点不同,CR M在使用时定义会有所不同。我们认为,CR M是一种以客户为中心的经营策略,它以信息技术为手段,对业务功能进行重新设计,并对工作流程进行重组[1]。

因此,CR M实际上是一个概念,它需要一个新的、以客户为中心的业务模型,并由集成了前台和后台业务流程的一系列应用程序来支撑。这些整合的应用系统保证了更令人满意的客户体验,因而使企业直接受益。2.2　CRM体系结构

从体系结构角度来看,CR M架构分为以下三个关键的部分[3]:

①操作型CR M。自动集成商业过程,包括客户接触

收稿日期:2002-01-31点(Customer Contact Point)、渠道和前后台的集成。

②分析型CR M。用于分析操作型CR M产生的数据。

③合作型CR M。用于合作的服务,包括电子邮件、人性化的出版、电子社区和其它类似的交流手段。

如图1所示,从接触中心收集来的信息,经过集成和分析,可以完整、正确地得出客户的基本情况。所有这些信息,都被分类存储在数据仓库中,然后可以针对数据仓库进行深层次的分析,乃至数据挖掘。

图1　CRM体系结构

服务、销售和营销是CR M的三大功能支柱。这些是客户与企业联系的主要领域。无论这些联系发生在售前、售中还是售后,或是在客户需要服务或信息以及想进一步购买的现有关系中。

在客户关系管理中客户服务可能是最关键的内容。企业提供的客户服务是能否保留满意的忠诚客户的关键。电话互动必须与Email、传真、网站,以及其它任何客户喜欢使用的方式相互整合。随着越来越多的客户进入互联网通过浏览器来查看他们的订单或提出询问,自助服务的要求发展越来越快。客户服务能够处理客户各种类型的询问,包括有关的产品、需要的信息、订单请求、订单执行情况,以及高质量的现场服务。

销售自动化是CR M中成长最快的部分。销售人员与潜在客户的互动行为、将潜在客户发展为真正客户并保持其忠诚度是使企业盈利的核心因素。销售自动化常被拓展为包括销售预测、客户名单和报价管理、建议产生以及赢/输分析。销售人员是企业信息的基本来源,必须要有获得最新现场信息和将信息提供给他人的工具。

营销自动化包括商机产生、商机获取和管理、商业活动管理以及电话营销。初步的大众营销活动被用于首次客户接触,接下来是针对具体目标受众的更加集中的商业活动。个性化很快成为期望的互动规范,客户的喜好和购买习惯被列入考虑范围。旨在更好地向客户行销、带有有关客户特殊需求信息的目录管理和一对一行销应运而生成为趋势。市场营销迅速从传统的电话营销转向网站和Email。这对基于Web的营销活动给潜在客户更好的客户体验,使潜在客户以自己的方式、在方便的时间查看他需要的信息。

共享的客户资料库把销售、市场营销和客户服务连接起来。作为企业与其相关利益群体之间首要接触点的这三个方面,如果缺乏统一的方法,未能结合与集成这些功能,将不会达到理想的效果。横跨整个企业集成客户互动信息,会使企业从部门化的客户联络转向所有的客户互动行为都协调一致。如果一个企业的信息来源相互,那么这些信息会有重复、互相冲突并且会是过时的。这对企业的整体运行效率将产生负面影响。

深入的智能性分析需要统一的客户数据作为切入点,并使所有企业业务应用系统融入到分析环境中,再将分析结果反馈给管理层和整个企业内部,这样便增加了信息分析的价值。企业决策者会权衡这些信息,做出更全面及时的商业决策。

通过对客户数据的全面分析来测量客户带给企业的价值以及衡量客户的满意度。搜集到的信息可显示客户类别、服务级别以及主要障碍等,这是做出管理报告和完成各种企业任务的基础。比如潜在消费的优先级定位、监视销售周期中某一特定阶段所花费的时间,或是正在处理的问题的种类等。

2.3　数据挖掘简介

数据挖掘(Data Mining,DM),也称为数据库中的知识发现KDD(Knowledge Discover y in Database),是近几年随着数据库和人工智能发展起来的一门新兴的数据库技术。其处理对象是大量的日常业务数据,目的是为了从这些数据中抽取一些有价值的知识或信息。

数据挖掘功能用于指定数据挖掘任务中要找的模式类型。数据挖掘任务一般可分为两类:描述和预测。描述性挖掘任务刻画数据库中数据的一般特性。预测性挖掘任务在当前数据上进行推断,以进行预测。数据挖掘的功能和它们可以发现的模式类型介绍如下[4]:

(1)特征化和区分。数据可以与类或概念相关联。数据特征化可以汇总所研究类的数据,数据区分可以将目标类与一个或多个比较类进行比较。

(2)关联分析。它广泛用于购物或事务数据分析,可以发现属性-值对一起在给定数据信箱集中出现的频繁程度,也可以发现事务中属性的相关性。

(3)分类。它用于找出描述并区分数据类或概念的模型,以便使用此模型预测类标记未知的对象类。它通常使用类标记已知的数据对象作为训练数据集,通过对该数据集的分析,导出数据的分类模型,然后使用模型预测未知数据。

(4)聚类。聚类与分类不同,它没有类标记作为指导,类标记由它本身产生。对象根据最大化类内的相似性、最小化类间的相似性的原则进行聚类和分组。

(5)孤立点分析。数据库中可能包含一些数据对象,它们与数据的一般行为或模型不一致。这些数据对象称为孤立点(Outlier)。对这些数据的挖掘分析可以用于处理一些罕见事件,比如信用卡欺诈等。

(6)演变分析。它用于描述行为随时间变化的对象的规律或趋势,并对其建模。尽管这可能包括时间相关数据的特征化、区分、关联、分类或聚类,这类分析的不同特点包括时间序列数据分析、序列或周期模式匹配和基于类似型的数据分析。

3　利用数据挖掘加强客户关系管理

随着企业CR M系统的不断完善,前、后台系统从接触中心所得到的数据日益增加,企业积累了大量的客户和产品销售数据。这些海量的数据使用传统的查询或分析工具往往不能识别其中有价值的信息,进而就不能为企业指定营销策略、开展营销活动提供决策支持,难以针对具体的客户开展一对一的服务。而数据挖掘恰好能够解决上述问题,所以数据挖掘在CR M中如何应用已经成为CR M领域一个非常热门的话题。

3.1　数据挖掘在CRM中的作用

数据挖掘可以应用到CR M的各个不同领域和阶段。具体来说,在CR M中,它可以应用在以下几个方面:

(1)一对一营销。企业内部员工必须首先认识到客户是企业永恒的宝藏,而不是本部门的一次交易。所以,每一次与客户接触都是了解客户的过程,也是客户体验企业的机会。因此,真正的关心客户,为每位客户设计相符的、个性化的建议,才能让客户体会到企业的价值。近年来,一对一营销正在被众多的企业所青睐。一对一营销是指了解每一个客户,并同其建立起持久的关系。通过特征化和分类,数据挖掘可以把大量的客户分成不同的类,在每一个类里的客户具有相似的属性,而不同类里的客户的属性也不同。通过数据挖掘了解不同客户的爱好,提供有针对性的产品和服务,可以大大提高各类客户对企业和产品的满意度。

(2)客户盈利能力分析。在客户群中,客户的盈利能力有很大的区别。如果不知道客户的盈利能力,就很难制定有效的营销策略,以获取最有价值的客户,或者提高有价值客户的忠诚度。数据挖掘技术可以用来预测在不同的市场活动情况下客户盈利能力的变化。它从客户的交易历史纪录中发现一些行为模式,并使用这些行为模式来预测客户盈利能力的高低,或者发现盈利能力较高的新客户。

(3)交叉销售(Cross-selling)。企业与客户之间的商业关系是一种持续的不断发展的关系。在客户与你建立起这种双向关系之后,可以使用很多方法使这种客户关系趋于完善,包括:延长这种关系的时间;在维持这样的关系期间增加互相的接触;在每一次互相接触中获得更多的利润。所有这些都可以通过交叉销售来实现。交叉销售就是指你向现有客户提供新的产品和服务的营销过程。交叉销售是建立在双赢原则上的,对客户来讲,要得到更多更好满足他需求的服务且从中受益;对企业来讲,也会因销售额的增长而获益。

通过相关分析,数据挖掘可以帮助你分析出最优的合理的销售匹配。相关分析的结果可以用在交叉销售的两个方面:一方面是对于购买频率较高的商品组合,找出那些购买了组合中大部分商品的顾客,向他们推销“遗漏的”商品;另一方面是对每个顾客找出比较适用的相关规律,向他们推销对应的商品系列。通过聚类分析,可以确定属于某一类的顾客经常购买的商品,并向没有购买的此类顾客推销这些商品。

(4)客户的获取。在大多数商业领域中,业务发展的主要指标中都包括新客户的获取能力。新客户的获取包括发现那些对你的产品不了解的顾客,也可能是以前接受竞争对手服务的顾客。通过对这些用户的细分,可以帮助企业完成潜在客户的筛选工作。

(5)客户的保持。随着各个行业的竞争越来越激烈,企业获得新客户的成本不断地上升,因此保持原有客户就显得越来越重要。

一个企业的客户一般可分为三类:①无价值或低价值的客户;②不会轻易走掉的有价值的客户;③不断地寻找更优惠的价值和更好服务的有价值的客户。传统的市场活动是针对前两类客户的,而现代客户关系管理认为,特别需要用市场手段来维护的客户是第三类客户,这样做会降低企业运营成本。数据挖掘可发现易流失的客户,企业就可以针对客户的需求采取相应措施。

3.2　在CRM中实施数据挖掘应用

数据挖掘是一个比较复杂的应用,所以在CR M中实施数据挖掘需要经过审慎的考虑,这样才能够实施一个成功的数据挖掘应用,使CR M本身从中受益。在CR M 中创建和实施一个数据挖掘应用需要很多步骤,包括:

(1)确定如何使用数据挖掘。数据挖掘是用来优化CR M,提高企业运营效率的,所以数据挖掘应用必须能够与企业现有CR M流程或CR M的人工处理过程集成。因此,首先需要理解现有的CR M流程(包括已经实现的CR M系统的流程和人工处理过程),以确定在哪里可以使用数据挖掘来进行优化。

通常在一个CR M系统中实施数据挖掘应用时,我们不是同时针对CR M流程的各个环节开发数据挖掘应用,而是首先针对关键环节,或者需求较为强烈的环节优先进行部署。

(2)定义数据挖掘应用的用户。数据挖掘应用的用户组成通常比较复杂,他们包括经常使用系统但是仅使用一些简单功能的日常工作人员,也包括很少使用系统但是每次使用系统都需要完成大量分析、挖掘任务的企业高层决策者;包括精通数据挖掘技术的专业人员,也包括毫无技术背景的普通用户。所以系统中用户的定义需要经过细致的用户需求分析,充分了解每一种用户的详细信息(技术背景、使用系统的频率、是否具有数据挖掘技术相关知识等等)、需求和愿望。

(3)定义所使用的数据并进行数据预处理。数据挖掘是否能够获得有价值的信息,很大程度上取决于输入数据的数量和质量。实施一个数据挖掘应用,首先应该针对数据库或数据仓库中的大量数据建立完善的数据字典,或称为元数据。使用数据字典,可以准确地从数据或数据仓库中找到数据挖掘应用所需的数据。但是,存储在数据库中的数据通常存在数据的不完整、不一致等一些情况,而且通常包含了许多挖掘时用不到的多余属性。所以,在真正使用这些数据之前,需要对他们进行清理、转换、集成和属性归约。

(4)反复验证。数据挖掘是一个复杂的应用,对一个大型数据挖掘应用的验证需要花费大量的时间,所以验证应该从较小的系统开始。对系统的验证可以纠正其中发生的错误,而且有利于用户对数据挖掘应用的理解,帮助他们提出更合理、更有创见性的建议。

(5)用户培训。它也是非常重要的一环,因为用户才是最终真正使用CR M系统和其中的数据挖掘应用的人。对用户的培训必须让他们知道对所使用的CR M系统的整体流程、功能以及数据挖掘应用在其中所起的作用,了解系统中所使用的数据的具体含义,最后指导他们对挖掘结果进行有效的访问和可视化。

在CR M中实施数据挖掘应用是一个持续的过程,不可能一蹴而就。随着CR M系统的不断扩展和数据资源的积累,很可能需要重新建立其中的数据挖掘模型或者创建新的数据挖掘应用。我们相信,数据挖掘和CR M的结合必然会推动企业的发展,同时也为客户提供更优质的服务。

4　总结

随着CR M应用的不断推广,企业营销数据和相关信息不断积累,数据仓库逐渐成为企业组织信息的最有效方式,而数据挖掘也成为从这些信息中获取有价值的知识的重要工具。在CR M中有效利用数据挖掘,可以为企业高层决策者提供准确的客户分类、忠诚度、盈利能力、潜在用户等有用信息,指导他们制定最优的企业营销策略,降低企业运营成本,增加利润,加速企业的发展。

参考文献:

[1]企业资源管理研究中心CRM研究小组.客户关系管理

(CRM):理念,技术,产品,应用和未来[EB/OL].http://

crm.AMTeam.org,2000.

[2]CR M研究小组.CR M概念[EB/OL].http://www.crmchina.

com.cn,2001.

[3]Alex Berson,Stephen Smith,Kert Thearling.Building Data Min-

ing Applications for CRM[M].America:McGraw-Hill Compa-

nies,Inc.,2000.

[4]Jiawei Han,Micheline Kamber.Data Mining:Concepts and Te-

chniques[M].America:Morgan Kaufmann Publishers,2000.

作者简介:

李宝东(1976-),男,北京人,博士研究生,主要研究方向为信息处理、数据仓库、数据挖掘技术;宋瀚涛(1940-),男,北京人,教授,博士生导师,主要研究方向为信息处理、分布式数据库、多媒体、无线网。

(上接第30页)必须知道IP头的长度和I P包的全长。IP 头的第1个字节的最后4位(IP头长字段,见表2)给出了IP头的长度(iphd len),第3和第4个字节给出了IP 包的全长(ip len)。计算这两个参数的方法分别为: int iphd l en=(rcv buf[0]&0x0F)＊4

int ip len=(((rcv buf[2]<<8)&0xFF00) (rcv buf[3]& 0x00FF));

所以,EIAP协议的内容为Rcv buf[iphd len]到Rcv buf[ip len-1]中的所有数据。进而我们可以分析校验和、序列号等字段。

4.4　对发送缓冲中的数据最小长度的

根据IEEE802.3的规定,以太网上传输的数据包最小为60个字节。设IP数据包中数据域的长度(即EIAP 协议数据包的长度)为L,则下式必须恒成立:以太网数据包头长度+IP数据包头长度+L≥60

如表2所示,I P数据包头长度最小值为20,故如果上式恒成立,必须要求:

L≥–以太网数据包头长度-20=60-14-20=26个字节

从而如果发送缓冲中的数据长度小于26个字节,则必须在数据后面加上填充字节,比如全部填0xFF。4.5　对用户提供方便的接口

在EI AP协议的实际应用中,要求用户完全掌握EIAP协议的工作细节是不现实的。为了解决这个问题,我们将所有对EI AP协议数据的操作封装在一个动态链接库(DLL)中,用户只需调用该DLL中的函数,就可以方便地实现对远端的EI D的控制。

至此,我们已经基于原始套接字在Windows9x/NT/ 2000操作系统上实现了EI AP协议。实验证明,通过该协议可以实现多用户跨网段对笔者所在项目组开发的EID产品AnyNet的控制。遵循该协议,我们已经提供了一套供用户使用的标准函数库对AnyNet设备进行远程控制,完成通过以太网对串行口、并行口、云台、摄像头和红外遥感等设备的控制。

5　结论

本文的分析说明,通过使用原始套接字接口可以在Windows系统上对网络底层协议的数据进行操作,从而完成专用协议设计和网络性能分析等研究。将来的研究将包括对EI AP协议的完善,以使其更加适合于嵌入式系统接入Internet的应用,嵌入式系统接入Internet的网络安全问题的解决及可控制网络设备的研制等方向。参考文献:

[1]Wan g Tao,Wang Yong,et al.The Design of a Specific Protocol

for Embedded Systems'Access into Internet[J].International Conference for Embeded Systems2001,288-291.

[2]RFC791[EB/OL].http://www.faqs.org/rfcs/rfc791.html,

2001-12.

[3]蒋东兴,等.Windows Socket网络程序设计大全[M].北

京:清华大学出版社,1999.

作者简介:

张维承(1978-),男,硕士研究生,主要研究方向为嵌入式系统、计算机网络;王勇,男,博士研究生,主要研究方向为嵌入式系统、网络安全;陈抗生,男,教授,博士生导师,从事网络安全、密码学方向的研究。