1、基于數據挖掘的客戶管理系統制 作：慕宏業 1113011048小組成員：饒長紅 1113011014 崔晉晉 1113011019 盛艷 1113011018 翟志強 1113011047 而近些年來興起的數據挖掘技術,無疑為更好的進行客戶關系管理提供了支持。數據挖掘技術目前已經在國內外諸如銀行、保險公司、電信公司和大型零售行業等很多領域得到了廣泛的應用,包括信用評估、欺詐發現、客戶保持、營銷策劃、價格制定、投資組合分析、財務分析、安全管理和戰略規劃等銀行經營、管理和決策等。數據挖掘的研究正方興未艾,其發展前景已經在國際上得到了確認。而數據挖掘技術在客戶關系管理中的應用是當前的研究熱點,也是為

2、企業帶來切實利益的有效手段。引言 信息時代是一個“以客戶為中心”的時代,企業已經不再只是閉門造車研發產品而是走到客戶當中來,真正把客戶當作上帝,了解客戶需求,全心全意為客戶服務。 客戶關系管理( CRM) 就是企業利用信息技術,通過對客戶的跟蹤分析,深層次的了解客戶,并有針對性的進行“熱情”服務,以期留住老客戶、吸引新客戶。如何在眾多客戶中區分關鍵客戶、普通客戶、垃圾客戶,并能及時發現那些忠誠度可能發生變化的客戶,及時引導他們維持在有利于企業的方向上非常關鍵。 如何提高客戶的忠誠度,提升客戶價值,進而產生企業利益,已成為企業重點考慮的問題,同時也成為評價一個企業競爭力的重要指標。基于數據挖掘的

3、CRM 的特征1.智能化信息處理。面對海量信息，CRM 系統必須引入諸如智能化數據分析、智能化決策支持等基于數據挖掘技術智能化處理功能，通過對客戶行為個性和規律的挖掘，來不斷尋找和拓展客戶贏利點和贏利空間，使CRM 系統實現流程自動化，輔助管理者決策。2.一對一個性化服務。 基于DW 的CRM 與每一個客戶建立一種學習型關系，每次與客戶的交往都使企業對客戶多一份了解，根據客戶不斷提出的需求來調整經營行為，不斷改善產品和服務，不斷提高客戶滿意度，為客戶提供一對一個性化服務。3.數據集中共享。 基于DW 的CRM 要求系統的全部數據應集中存儲和管理，實現與其他系統的數據交換和集成。進入系統的各類數

4、據根據事先設定及內在規律和聯系，傳遞到相關功能模塊中，實現數據高度共享和系統高度集成，保證不同部門和不同應用軟件功能模塊間數據的連貫性。4.交流渠道高度集成。 電子商務環境下，基于DW 的CRM 將信涵、面談、電話、傳真、E-mail、Web 訪問等多客戶交流渠道整合、協調為一體，使各種渠道獲取的數據統一集中到CRM 數據倉庫，這種相對完整和一致的數據為挖掘有價值的信息提供了保障。5.系統可擴展性。 由于用戶需求的多變與多樣性，任何應用系統都無法覆蓋所有用戶的所有需求，因此基于DW 的CRM 系統應易于擴展，有標準的對外接口，能按需求進行個性化完善，以保障盡可能多和準確的獲取可供挖掘的客戶信息

5、。CRM 常用的數據挖掘方法 1.分類分析 分類定義了一種從屬性到指定組的映射關系，即找出一個類別的概念描述，來代表這類數據的整體信息，挖掘出數據倉庫中每一類數據關于該類數據的描述或模型。分類分析中，數據倉庫中的類是事先利用訓練數據建立起來的。2.聚類分析 將物理的或抽象的對象分成幾個群體，在每一群體內部，個體間差距較小，不同群體間個體差距偏大。與分類不同，數據聚類計算量巨大，時間復雜度大，聚類結果主要基于當前所處理的數據，事先并不知道類目結構及每個對象所屬類別。數據挖掘在CRM 中的應用1.新客戶的獲取。 在大多數商業領域中,業務發展的主要指標里包括新客戶的獲取能力。挖掘新目標客戶是企業不斷

6、成長的關鍵,也是CRM 客戶生命周期的第一步。 利用數據挖掘可以幫助完成日益繁重的潛在客戶群的劃分,從而實現對獲取新客戶成本的有效管理并改善這些活動的效果,可以明顯提高營銷活動的響應率,改善營銷活動的回報率。 通常采用數據挖掘中的如統計回歸、邏輯回歸、決策樹、神經網絡等方法,對消費者將來行為進行預測分析,生成預測模型和建立評分模型。2. 客戶細分。 客戶細分是指將一個大的客戶群體劃分為多個較小的客戶群體,在劃分后的每個客戶群體中,客戶在某個或幾個屬性值上具有高度的相似性,而在不同的群體之間客戶則差別較大。細分的目的可以讓管理者從一個比較高的層次上“鳥瞰”整個數據庫中的數據,從而可以用不同的標準

7、或方法對待處于不同細分群中的客戶,提供針對性強、更個性化的服務。 客戶細分是企業確定產品和服務的基礎,也是建立一對一營銷的基礎。可以用數據挖掘中的排序、決策樹或者聚類的方法來實現細分。 5. 客戶保持與客戶流失分析。 隨著企業競爭越來越激烈,企業獲取新客戶的成本不斷上升。對大多數企業而言,獲取一個新客戶的花費大大超過保持一個已有客戶的費用。根據哈佛商業評論的研究,當客戶的流失率降低5 % ,平均每位客戶的價值就可以增加25 %100 %以上。因此,根據已流失客戶數據,利用粗糙集、神經網絡等進行分析挖掘,發現流失客戶特征,對現有客戶進行監控與分析,及時發現潛在的流失客戶,從而實施特殊的客戶關懷與

8、客戶保留政策,提高他們對企業的忠誠度,這一點對企業至關重要。 6.客戶盈利能力分析與預測根據“二八規則”,即企業所有客戶中,20 %的客戶通常會帶來80 %的利潤,因此企業需要了解客戶,從而將資源更多的分配給為公司貢獻利潤的客戶,減少在不為公司貢獻利潤的客戶身上所花的費用,杜絕風險極高的客戶。利用數據挖掘中的分類與預測技術建立生命周期價值(L IV) 模型可以預測客戶在預定時間長度內的總體利潤。7. 客戶滿意度分析。 通過自定義的定量度量標準和公式,并根據時間和其它參數,利用數據挖掘技術和企業的數據倉庫中關于客戶購買、維修、反饋意見、建議、投訴等信息,可對客戶的滿意度進行分析,找出客戶不滿意的原因并制定相應的策略,提高客戶忠誠度,增加企業的利潤。總結 客戶關系管理的理念在企業中已經深入人心,數據挖掘技術也在蓬勃的發展,如何針對具體的應用問題選取合適的數