數據挖掘技術在客戶關系中的應用范文

本站小編為你精心準備了數據挖掘技術在客戶關系中的應用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:

為給企業提供更加科學、有效的決策支持，本文敘述了數據挖掘技術在客戶關系管理中的應用，首先介紹了數據挖掘技術相關內容，并結合客戶關系管理需求將其引入CRM系統設計中，構建了系統體系架構，并在此基礎上剖析了數據挖掘技術在其中的具體應用過程和方法，從而為相關研究提供一定的參考。

關鍵詞:

客戶關系管理;數據挖掘技術;數據倉庫

市場經濟競爭的層層升級，倒逼企業開始由產品轉向以客戶為中心，客戶關系管理(CRM)也因此成了企業獲取更大市場份額，提升營銷快速敏捷性和高效性的重要內容之一，如何挖掘有效的客戶信息，實現其背后隱藏的市場價值，是企業提升綜合競爭力所面臨的首要問題。

1數據挖掘技術應用的原理及方法

數據挖掘技術數據挖掘是一種擁有強大規模數據庫、高效計算能力的數據獲取和處理技術，“能夠從大量的、龐雜的數據信息中挖掘和提取深層次的、有效的、價值性較高的知識和規則”［1］，為營銷管理、經營決策、市場預測、發展規劃等提供科學、有效的支撐。當前數據挖掘技術已成為一種新型的企業客戶關心處理技術，通過對企業數據庫、數據倉庫或是其他數據庫中模糊的、隨機的和不完全信息和知識進行抽取分析和模式化處理，獲取更具價值的客戶數據。數據挖掘應用的方法涉及:決策樹和決策規則、關聯規則、人工神經網絡、聚類分析、粗糙集、統計方法及可視化方法等，在具體應用過程中應結合企業客戶關系管理任務和側重點的差異性，進行合理選擇。

2基于數據挖掘的CRM體系結構的構建

本文應用數據挖掘技術所構建的CRM系統旨在改善企業與客戶之間的新型管理機制，為實現銷售、營銷、服務、研發等提供決策支持功能，其體系架構如圖1所示。

2.1客戶接觸該模塊是企業與客戶之間溝通、交流的主要方式，“用戶可通過呼叫中心email、電話、傳真等多種形式提出要求、獲取所需信息”［2］，這也為企業獲取、整合客戶資源的、進行決策規劃等提供條件，同時，其所涉及的客戶包含現有客戶、潛在客戶、長期客戶、短期客戶等。

2.2數據存儲在經過客戶接觸之后，系統將利用數據抽取工具對獲取的客戶數據進行預處理、存儲，并形成以前區數據庫、后區數據庫、客戶及產品數據庫集、數據倉庫等為基礎的數據基礎，其中企業內外部的即時數據存儲于前、后區數據庫，其與數據倉庫存在雙向聯動，為應用管理提供支撐。

2.3數據挖掘數據挖掘是該系統的核心，數據挖掘模塊從商業應用中提取應用目標，并制定相應的數據需求定義，向數據存儲發送數據需求，依需求選取相關數據采用數據挖掘工具進行數據分析、處理，所得結果用于商業應用，以為客戶互動渠道提供決策支持，并據此優化以往的商業應用目標定義。

2.4商業應用商業應用是系統的基礎內容，涉及銷售、營銷、生產、管理等內容，其關鍵在于將CRM思想融入到企業實踐中，調動企業全部員工和部門參與其中，通過與客戶接觸了解客戶需求，進而依商業應用定義應用目標，并由數據挖掘進行數據處理，在數據挖掘發現的知識和模型的支持下，實施商業應用，以便在與客戶接觸中為其提供高品質的產品和服務。

3數據挖掘技術在客戶關系管理中應用的具體步驟

本文從以技術為中心的角度來分析數據挖掘技術在客戶關系管理中應用的過程和步驟如圖1所示，詳細分析如下:

3.1數據準備數據準備影響著數據挖掘的精確度和效率，并決定著最終挖掘模型的有效性。“數據集成是將所有的數據進行整合、解釋語義模糊性、剔除無用的數據、彌補漏洞等”［3］;數據選擇是依據用戶需求利用數據存儲庫對數據進行處理，并從中選取需要挖掘的數據集合;數據預處理是對所選取的數據進行深度處理，檢驗數據的數據的完整性和一致性，彌補丟失的數據，噪聲數據的處理，確定挖掘操作的類型，縮減待處理數據量;數據轉換時以數據挖掘需求為準進行的離散數值和連續數值量數據之間的轉換。

3.2數據挖掘數據挖掘的主要目的是建立訓練數據和測試數據，依據數據特點和系統應用要求選用合適的技術和方法對數據進行分析，構建相對最優的模型，并以業務語言對這一模型進行相應處理，同時，依據應用需求還可能對數據進行預處理。應用模型是不斷變化的過程，在搜尋最優模型過程中可能受到新情況的影響需要對重新選擇和修改數據，甚至重新定義應用目標，同時，在模型建立之后，需要借助測試數據對其進行實時評估和檢測，觀察模型的應用效果，以準確判斷何種模型對企業客戶數據挖掘的業務問題最為適用。

3.3結果表達和解釋結果表達和解釋主要是在數據挖掘模型正式應用后，將所提取的知識依據最終用戶的決策目的進行分心，并區分出來最有價值的信息提交給用戶，在這個過程中不僅需要將所獲取的知識數據以簡單易懂的形式表現出來，還要逐列檢查數據的有效性，一旦無法滿足用戶需求，則應重新進行數據挖掘，構建新的應用模型。

4數據挖掘技術在客戶關系管理中的應用實施

數據挖掘技術可應用到以客戶為中心的企業決策分析和管理的各個不同領域和階段，涉及客戶細分、客戶保持、客戶拓展、交叉銷售等多方面，但所采用的數據挖掘技術存在差異，本文以下兩方面為例來探討數據挖掘技術的應用實施:

4.1客戶細分客戶細分多選用數據挖掘中的決策樹分類算法來進行模型的構建，并幫助企業依據此客戶分類模型策劃不同的應用策略，以提升客戶服務的針對性，具體應用過程如下:(1)目標變量的確定，本文依據營銷學原理，選用客戶購買能力作為目標變量，并細化為三類:較高、一般和較低，并以輸入屬性:客戶名稱、性別、年齡、職業等為內容建立屬性列表，依據其中根據客戶信的特定屬性按次排序。(2)確定決策書中的最佳分裂點，首先創建根節點，且各個屬性列表的數據記錄都屬于根節點，“依照一定次序計算列表屬性的基尼值，選擇合適的分裂點，并以此計算他們的GINI值，選取GINI值最小的選為該屬性列表的最佳分裂點”［4］，經對比最優屬性的最佳分裂點作為根節點的最佳分裂點，并將屬性列表劃分為兩部分，建立數的兩分支，并在此基礎上對創建的兩個子節點進行最佳分裂點的確定，直至屬性列表中的數據歸屬同類或數據個數很少是，則停止劃分，此時得到的節點為樹的葉子節點，應用MDL算法剪修決策樹，生成較為準確的決策樹。(3)客戶分類模型的建立，以所得決策樹種的葉子節點作為一個獨立的客戶分類，從根節點至葉子節點的一條路徑對應一條規則，整個決策樹就可以認為是對應著的一組客戶分裂表達式規則，由此企業便可很對不同客戶指定差異性營銷策略，精準尋求目標客戶群。

4.2客戶保持市場競爭環境的不斷能升級，加劇了客戶的流失，本文將利用聚類技術中的一平均算法來分析客戶保持的應用示例，挖掘過程如下:(1)建立客戶服務評價表從數據倉庫中提取客戶服務數據，該數據主要是有關客戶的問卷調查，屬性列表中輸入:客戶ID、服務內容、客戶打分，依據服務滿意度從1—5分區間選擇打分。(2)確定3個點作為簇的中心“依據客戶服務內容、層次水準的差異性，依據不同的戲份市場將其構成更加科學、有效的服務組合，并將客戶打分數據輸入聚類模型”［5］，設定K值為3，得出評分函數，并從中隨機提取3各客戶的打分向量作為初始的簇中心。(3)分析結果依據上述結果可得出具有類似服務需求的客戶ID，進而可將其進行聚類分組，以便提供“一對一營銷”的貼心服務，提升客戶的忠誠度。

5結束語

本文針對企業客戶關系管理的需求，給出了數據挖掘技術在其中的應用、建模、分析等過程和方法，為有效整合、管理客戶資源，發現有用信息提供一定的參考，并為提升客戶服務能力和企業競爭力奠定基礎，但是鑒于企業信息系統封閉性的顯著，目前研究內容具有一定的局限性，仍需后續不斷完善、發展。

參考文獻

［1］曹軍．數據挖掘技術在銀行客戶關系管理中的應用研究［D］．湖南大學，2013．

［2］王芳，楊奕．論數據挖掘技術在客戶關系管理(CRM)中的應用［J］．現代商貿工業，2009，01:350－351．

［3］劉建蘭．數據挖掘技術在客戶關系管理中的應用研究［D］．南昌大學，2010．

［4］趙春．基于數據挖掘技術的財務風險分析與預警研究［D］．北京化工大學，2012．

［5］劉英華，楊炳儒，馬楠，曹丹陽．分布式隱私保護數據挖掘研究［J］．計算機應用研究．2011(10)．

［6］呂志軍，王照飛，謝福鼎，桑雪．基于FCM聚類的時間序列模糊關聯規則挖掘［J］．大連理工大學學報．2010(05)．

［7］孫亮．對大規模數據集高效數據挖掘算法的研究［J］．自動化與儀器儀表．2016(03)．

［8］陳文鋒．基于統計信息的數據挖掘算法［J］．統計與決策．2008(15)．

［9］李珩，武雪芳．基于云計算的數據挖掘算法研究［J］．無線互聯科技．2013(12)．

作者：孟娟娜 單位：西安職業技術學院