CRM系統(tǒng):數(shù)據(jù)挖掘技術(shù)在CRM中應(yīng)用的過程研究
數(shù)據(jù)挖掘技術(shù)在CRM中應(yīng)用的過程研究
戴艷紅
( 河北政法職業(yè)學(xué)院計算機系, 石家莊050061)
[ 摘要] 本文介紹了客戶關(guān)系管理的概念, 并對數(shù)據(jù)挖掘的概念和技術(shù)方法做了簡要說明, 最后著重介紹了在客戶
關(guān)系管理中應(yīng)用數(shù)據(jù)挖掘技術(shù)的過程。
[ 關(guān)鍵詞] 客戶關(guān)系管理; 數(shù)據(jù)挖掘; 電子商務(wù)
[ 中圖分類號] F270.7;F273.7 [ 文獻標(biāo)識碼] A [ 文章編號] 1673- 0194( 2007) 04- 0043- 02
客戶關(guān)系管理(CRM) 的核心思想是將企業(yè)的客戶作
為最重要的企業(yè)資源, 通過完善的客戶服務(wù)和對客戶的行
為方式進行深入分析, 尋找其中的規(guī)律, 滿足客戶的需求,
提高服務(wù)水平, 保證實現(xiàn)客戶的終生價值。同時CRM也是
一種管理軟件和技術(shù), 它將最佳的商業(yè)實踐與數(shù)據(jù)挖掘、
數(shù)據(jù)倉庫、OLAP 以及其他信息技術(shù)緊密結(jié)合在一起, 為企
業(yè)的銷售、客戶服務(wù)和決策支持等領(lǐng)域提供解決方案, 使
企業(yè)能有一個基于電子商務(wù)的面向客戶的平臺, 從而順利
實現(xiàn)由傳統(tǒng)企業(yè)模式到以電子商務(wù)為基礎(chǔ)的現(xiàn)代企業(yè)模
式的轉(zhuǎn)化。數(shù)據(jù)挖掘技術(shù)能對大量的數(shù)據(jù)及信息進行挖
掘, 從中發(fā)現(xiàn)潛在的關(guān)系, 并利用模型對客戶需求進行預(yù)
測, 幫助企業(yè)做出決策, 使企業(yè)獲得高額的投資回報。
一、數(shù)據(jù)挖掘的概念
數(shù)據(jù)挖掘(Data Mining,DM), 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、未知的、非平凡的及有潛
在應(yīng)用價值的信息或模式。它是數(shù)據(jù)庫研究中的一個很有
應(yīng)用價值的新領(lǐng)域, 融合了數(shù)據(jù)庫、人工智能、機器學(xué)習(xí)、
統(tǒng)計學(xué)等多個領(lǐng)域的理論和技術(shù)。從商業(yè)角度看, 數(shù)據(jù)挖
掘是一種嶄新的商業(yè)信息處理技術(shù), 其主要特點是對商業(yè)
數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進行抽取、轉(zhuǎn)化、分析和模式化
處理, 從中提取輔助商業(yè)決策的關(guān)鍵知識, 即從一個數(shù)據(jù)
庫中自動發(fā)現(xiàn)相關(guān)商業(yè)模式。它可以描述成: 按企業(yè)既定
業(yè)務(wù)目標(biāo), 對大量的企業(yè)數(shù)據(jù)進行探索和分析, 揭示隱藏
的、未知的或驗證已知的商業(yè)規(guī)律, 并進一步模式化的數(shù)
據(jù)處理方法。數(shù)據(jù)挖掘工具能夠?qū)淼内厔莺托袨檫M行
預(yù)測, 從而很好地支持人們的決策。比如, 經(jīng)過對整個公司
數(shù)據(jù)庫系統(tǒng)的分析, 數(shù)據(jù)挖掘工具可以回答諸如“什么樣
的客戶對我們公司的郵件推銷活動最有可能做出反應(yīng), 為
什么”等類似的問題。如果將其運用到客戶關(guān)系管理中, 就
能在數(shù)據(jù)量龐大的客戶數(shù)據(jù)倉庫中, 將看似無關(guān)聯(lián)的數(shù)據(jù)
進行篩選, 凈化, 提取出有價值的客戶關(guān)系, 實現(xiàn)對客戶需
求做出恰當(dāng)?shù)幕貞?yīng), 并預(yù)測需求趨勢。
二、常用的數(shù)據(jù)挖掘方法
常用的數(shù)據(jù)挖掘方法主要包括: 分類、聚類、關(guān)聯(lián)規(guī)
則、統(tǒng)計回歸、偏差分析等等。
1. 分類
分類在數(shù)據(jù)挖掘中是一項非常重要的任務(wù)。分類的目
的是通過統(tǒng)計方法、機器學(xué)習(xí)方法( 包括決策樹法和規(guī)則
歸納法) 、神經(jīng)網(wǎng)絡(luò)方法等構(gòu)造一個分類模型, 然后把數(shù)據(jù)
庫中的數(shù)據(jù)映射到給定類別中的某一個。
2. 聚類
聚類是把一組個體按照相似性歸成若干類別, 即“物
以類聚”。它的目的是使同一類別之內(nèi)的相似性盡可能大,
而類別之間的相似性盡可能小。這種方法可以用來對客戶
進行細(xì)分, 根據(jù)客戶的特征和屬性把客戶分成不同客戶
群, 根據(jù)其不同需求, 制訂針對不同客戶群的營銷策略。
3. 關(guān)聯(lián)規(guī)則
它是描述數(shù)據(jù)庫中數(shù)據(jù)項之間存在關(guān)聯(lián)的規(guī)則, 即根
據(jù)一個事物中某些項的出現(xiàn)可導(dǎo)出另一項在同一事物中
也出現(xiàn), 即隱藏在數(shù)據(jù)間的關(guān)聯(lián)或相互關(guān)系。在客戶關(guān)系
管理中, 通過對企業(yè)客戶數(shù)據(jù)庫里大量數(shù)據(jù)進行挖掘, 可
以從中發(fā)現(xiàn)有趣的關(guān)聯(lián)關(guān)系, 例如, 買過A 商品的客戶以
后會購買B 商品。通過對這些數(shù)據(jù)進行挖掘, 獲得對顧客
購買行為極有價值的信息, 從而可以幫助企業(yè)及時把握客
戶需求, 對客戶實行交叉銷售, 為企業(yè)決策提供參考。
4. 回歸分析
回歸分析反映的是事務(wù)數(shù)據(jù)庫中屬性值在時間上的
特征, 主要用于預(yù)測, 即利用歷史數(shù)據(jù)自動推出對給定數(shù)
據(jù)的推廣描述, 從而對未來數(shù)據(jù)進行預(yù)測。它可應(yīng)用于商
品銷售趨勢預(yù)測、客戶贏利能力分析和預(yù)測等。
5. 偏差分析
偏差分析側(cè)重于發(fā)現(xiàn)不規(guī)則和異常變化, 即與通常不
同的事件。在相類似的客戶中, 對客戶的異常變化要給予
密切關(guān)注。例如某客戶購買行為發(fā)生較大變化, 購買量較
以前大大減少, 就要對客戶的這種原因進行調(diào)查, 避免客
戶流失。
三、CRM中的數(shù)據(jù)挖掘過程
為使CRM系統(tǒng)建立良好的模型, 在實施數(shù)據(jù)挖掘之
前, 先確定采取什么樣的步驟, 每一步都做什么, 達到什么
樣的目標(biāo)是必要的, 有了好的計劃才能保證數(shù)據(jù)挖掘有條
不紊地實施并取得成功。
雖然把各個步驟按順序排列, 但要注意數(shù)據(jù)挖掘過程
并不是線性的, 要取得好的結(jié)果就要不斷重復(fù)這些步驟。
比如在“分析數(shù)據(jù)”時可能會發(fā)現(xiàn)在“建立數(shù)據(jù)挖掘數(shù)據(jù)
庫”時做的不夠好, 需要添加一些新的數(shù)據(jù)。
有效的CRM中的數(shù)據(jù)挖掘的基本步驟為:
1. 定義商業(yè)問題
每一個CRM應(yīng)用程序都有一個或多個商業(yè)目標(biāo), 要
想充分發(fā)揮數(shù)據(jù)挖掘的價值, 必須要對目標(biāo)有一個清晰明
確的定義, 即決定到底想干什么。
2. 建立數(shù)據(jù)挖掘庫
連同下面的兩個步驟, 這三步構(gòu)成了數(shù)據(jù)預(yù)處理的核
心。這三步比其他所有的步驟加在一起所花的時間和精力
還多。數(shù)據(jù)準(zhǔn)備和模型建立之間可能反復(fù)進行, 因為從模
型中會學(xué)到新的東西, 而這又需要修改數(shù)據(jù)。數(shù)據(jù)準(zhǔn)備階
段也要占去全部數(shù)據(jù)采集過程的80%到90%的時間和努
力。
應(yīng)該把要挖掘的數(shù)據(jù)都收集到一個數(shù)據(jù)庫中。注意這
并不是說一定要使用一個數(shù)據(jù)庫管理系統(tǒng)。根據(jù)要挖掘的
數(shù)據(jù)量的大小、數(shù)據(jù)的復(fù)雜程度、使用方式的不同, 有時一
個簡單的平面文件或電子表格就足夠了。
需要建立獨立的數(shù)據(jù)挖掘庫的另一個理由是, 數(shù)據(jù)倉
庫可能不支持對數(shù)據(jù)進行各種復(fù)雜分析所需的數(shù)據(jù)結(jié)構(gòu),
包括對數(shù)據(jù)進行統(tǒng)計查詢, 多維分析和各種復(fù)雜的圖表及
其可視化。
建立數(shù)據(jù)挖掘庫可分成下面幾個部分:
(1) 數(shù)據(jù)收集。確定要挖掘的數(shù)據(jù)源。
(2) 數(shù)據(jù)描述。描述每個文件和數(shù)據(jù)庫表的內(nèi)容。
(3) 數(shù)據(jù)提取。把一些冗余或無關(guān)的數(shù)據(jù)除去, 選擇用
于數(shù)據(jù)挖掘的數(shù)據(jù)。在數(shù)據(jù)提取過程中, 可以利用數(shù)據(jù)庫
的查詢功能以加快數(shù)據(jù)的提取速度。
(4) 數(shù)據(jù)清理。了解數(shù)據(jù)庫中字段的含義及其與其他
字段的關(guān)系。對提取出的數(shù)據(jù)進行合法性檢查并清理含有
錯誤的數(shù)據(jù)。
(5) 合并與整合。大部分情況下需要的所有數(shù)據(jù)是分
布在不同的數(shù)據(jù)庫中的。數(shù)據(jù)合并與整合把來自不同數(shù)據(jù)
源的數(shù)據(jù)合并到同一個數(shù)據(jù)挖掘庫中, 并且要使那些本來
存在沖突和不一致的數(shù)據(jù)一致化。
3. 為建模準(zhǔn)備數(shù)據(jù)
這是建立模型之前的最后一步數(shù)據(jù)準(zhǔn)備工作。可以把
此步驟劃分成4 個部分:
(1) 選擇變量。理想情況下, 可選擇所擁有的全部變
量, 輸入到數(shù)據(jù)挖掘工具中, 找出哪些是最好的預(yù)測變量。
實際上這樣做并不是很好, 其中一個原因是建立模型的時
間隨著變量的增加而增加;另一個原因就是盲目性, 包括無
關(guān)緊要的數(shù)據(jù)列被加入, 卻很少甚至不能提高預(yù)測能力。
(2) 構(gòu)建新的預(yù)測依據(jù)。例如, 預(yù)測信用風(fēng)險時, 使用
債務(wù)—收入的比率而不是單獨使用債務(wù)或收入作為預(yù)測
變量, 可以產(chǎn)生更準(zhǔn)確的結(jié)果, 并且更容易理解。
(3) 選取一個子集或標(biāo)本來建立模型。建立數(shù)據(jù)挖掘
模型時, 要從大量數(shù)據(jù)中取出一個與問題相關(guān)的樣板數(shù)據(jù)
子集, 而不是動用全部數(shù)據(jù)。使用恰當(dāng)?shù)碾S機挑選的子集
并不會引起信息不足, 反而能減少數(shù)據(jù)處理量, 節(jié)省系統(tǒng)
資源, 而且能通過數(shù)據(jù)的篩選, 使規(guī)律性更容易凸現(xiàn)出來。
(4) 轉(zhuǎn)換變量。使之和建立模型的運算法則一致。
4. 建立模型
建立模型是一個反復(fù)的過程。需要仔細(xì)考察不同的模
型以判斷哪個模型更有用。在尋找好的模型的過程中學(xué)到
的東西, 會啟發(fā)用戶修改數(shù)據(jù), 甚至改變最初對問題的定
義。
為保證得到的模型具有較好的精確度和健全性, 需要
一個定義完善的訓(xùn)練—驗證協(xié)議, 有時也稱為指導(dǎo)性學(xué)
習(xí)。主要思想就是先用一部分?jǐn)?shù)據(jù)建立模型, 然后再用剩
下的數(shù)據(jù)來測試和驗證這個得到的模型。
5. 評價模型
對模型的評價依賴于需要解決的問題, 由領(lǐng)域?qū)＜覍?
模型的精確性和有效性進行評價。
6. 實施
把數(shù)據(jù)挖掘模型所發(fā)現(xiàn)的知識應(yīng)用到實際工作中, 為
決策提供支持。如根據(jù)得到的知識可以設(shè)置某些觸發(fā)器,
當(dāng)滿足條件時進行特殊處理。
四、結(jié)論
本文在探討CRM的基礎(chǔ)上引入數(shù)據(jù)挖掘技術(shù), 詳細(xì)
闡述了該技術(shù)在客戶關(guān)系管理的重要應(yīng)用及其實現(xiàn)過程。
數(shù)據(jù)挖掘技術(shù)在以客戶為中心的客戶關(guān)系管理中扮演著
越來越重要的角色, 隨著理論的進一步發(fā)展和深化, 必然
會帶給CRM更為廣泛的應(yīng)用前景和市場價值, 提高企業(yè)
的競爭力。
主要參考文獻
[ 1] 趙紅宇. CRM中的數(shù)據(jù)挖掘技術(shù)[M] . 商場現(xiàn)代化, 2006, ( 6) ( 上
旬刊) .
[ 2] 趙靜,和斌. 基于數(shù)據(jù)挖掘的客戶關(guān)系管理系統(tǒng)的構(gòu)建[ J] . 情報
技術(shù), 2005, ( 11) .
[ 3] 吳志軍. 客戶關(guān)系管理中的數(shù)據(jù)挖掘[ J] . 商場現(xiàn)代化, 2005, ( 9)
( 中旬刊) .
[ 4] 顏炎. 構(gòu)建基于數(shù)據(jù)挖掘的客戶關(guān)系管理系統(tǒng)[M] . 長沙: 國防科
技大學(xué)出版社, 2002.
[ 5] 陳文偉, 黃金才. 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘[M] . 北京: 人民郵電出版
社, 2004.