知识型CRM的数据挖掘技术

引 言,在最大程度上满足客户需求的同时实现企业的经济社会效益最大化，已经成为企业界和学术界关注的焦点。信息经济环境中企业客户关系管理是利用IT技术实现对客户的整合营销，是以客户为核心的企业营销的技术实现和管理实现，并在企业与客户之间建立一种实时、互动的交流管理系统，最终目的是通过为客户创造价值，建立个性化、高质量的商品与服务来获得新客户，增加原有客户的忠诚度和提高客户的赢利能力，进而增强企业的核心竞争力。,知识型客户关系管理——KCRM,当前在知识环境中许多企业应用客户关系管理进行市场运作，通过提高客户忠诚、客户满意和客户价值来实现企业经营效率的最优。企业若想在竞争日益激烈的市场中得以生存，就必须做到提高自身的知识财富存量并利用其创造出比竞争对手更多的额外价值。知识管理通过对知识信息的创造、获取和传递应用于客户关系管理，使之成为分析性、知识性的CRM将有助于更好地提高企业对客户的识别、交流、获取以及保留的能力，最终实现企业拥有更多的客户、降低企业运作成本和扩大企业收益。,1．知识管理与客户关系管理的融合,(1)知识的转移促进客户关系的保持。在当今迅速变化的商业环境中，知识和关系所为企业带来的持续获利能力的重要性已经为人们所共识，知识与关系已经成为企业可持续竞争优势的唯一源泉。但是在企业中还普遍存在着在企业内部研究知识，把客户当成是企业组织之外的一个单独系统。这显然割裂了企业与客户之间的密不可分的关系。一般来说，随着企业边界越来越趋向模糊化，企业知识的流动也变得没有界限，而且是能动的、互动双向的流动。,另外知识流动具有聚集性和辐射性的特点：聚集性是指知识流动会相互吸引，一方的知识流动会带动另一方的知识跟随运动，并且聚集起来的知识源的价值远远超出其组成个体的简单加总；辐射性是指知识流动的过程中，它会在其流动的路径周围产生溢出效应，至于这种溢出效应的作用和价值有多大，就看被影响对象的知识吸收和运用效率。对于企业来说，深入开发和利用组织知识，通过知识管理建立和生产出适应客户需求的定制化知识交流机制以及良好的客户知识互动关系，这对于建立企业与客户之间的良好关系十分重要，也是当今企业应该重视和解决的问题。,大量的文献资料表明：企业应该开发和应用自身的知识储备，并积极向客户转移知识，能为企业带来价值增值和获得高额回报的机会。,(2)知识管理促进客户知识的建立与开发。客户知识的定义，Gebert认为，客户知识就是客户与企业在交易过程中，需要、产生或者拥有的一种经验、价值、情境信息和专家洞察力的动态组合，它所构成的框架能够提供评价和吸收新的经验与信息。客户知识主要由以下三个部分组成：一是关于客户的知识，它是企业客户分析的重要依据，也是判断客户需求趋势的重要资料，据此来为客户制定个性化的服务、提供满足客户需求的产品或者进行一对一的营销策略。二是客户拥有的知识，企业通过与客户的交流如果能很好地掌握这些知识，可以帮助企业及时响应客户需求的变化，改进服务、革新产品以及调整相应的营销策略。三是客户需要的知识，企业通过与客户之间的交流将这类知识传递给客户，旨在帮助客户更好地理解企业的产品和服务，提高客户的消费决策能力。,知识管理推动客户知识的建立和开发主要从两方面来实现：客户知识的获取储存和共享应用。企业通过上述过程获取的客户知识一般是零散的客户知识资源，因此需要整理、归类、分析和挖掘，发现隐藏在这些信息背后的有价值的信息，提供给企业来增强其决策能力；另外整理过的知识还要通过在企业内部实施共享体现其最大的价值。,(3)客户关系管理的发展趋势。客户关系管理的起点是客户，在商务流程变得越来越知识化的今天，企业必须具备能够分析客户与市场信息并把这些信息转化为知识，再依据这些知识来影响客户购买和关系的能力。客户关系管理的发展趋势就是利用知识管理将企业积累的内部和外部知识融入到管理的各个环节，采用规范的方法来增强市场活动的有效性，维持客户对服务的满意度，这些活动都将以企业知识的形式在信息平台上进行共享，并且不断完善。客户关系管理发展至今经历了四个历程：自动化、数据化、互动化和知识化。,2．知识管理在客户关系管理中的应用,(1)客户知识。知识管理通过对信息的提取、聚焦以及传递能提高企业从外部或者内部、明确的或者模糊的信息中创造和发现有价值的客户信息，并应用于企业的经营决策。美国学者Swift提出了客户流程周期模型，认为通过知识发现、市场计划、客户交流和知识分析可以提高企业应用CRM的效率，企业需要的客户知识包括市场、竞争对手、客户、订单、合同、产品与服务、问题处理以及最佳实践等。,(2)客户知识管理。Davenport和Prusak认为在CRM中应充分重视知识的获取、储存和共享，CBM应是具有知识密集型特点的以知识为导向的流程体系。客户知识管理分为知识辨识、知识获取、知识选择、知识储存、知识共享、知识应用和知识创造等几方面，通过知识管理的这些步骤将客户知识进行处理和分析，提供给企业进行经营决策。,(3)基于知识管理的客户关系管理。美国的蒂瓦娜认为基于知识管理的客户关系管理是通过将知识管理整合到客户关系管理流程，提高企业识别客户数据、竞争、外部商务环境等变化的契机，增加了企业对客户信息分析和契合的深度，它是一种企业经营战略而不是一种简单的技术改造。(Tiwana，2000)由于信息技术带来了大量的客户信息，因此如何比竞争对手更有效地应用这些信息给企业创造了机遇和风险，Lesser、Mundel和Wiccha认为可以通过客户知识对话、客户知识社区、建立便利的客户知识获取渠道等来提高企业对客户知识的应用效率。,数据挖掘技术分析,1．数据挖掘技术的发展过程,数据挖掘是生产发展的必然结果，最初的数据挖掘仅仅是用一些信息储存工具储存一些简单的信息，人们并不去对这些信息进行分析来提取更深层次的、有价值的知识，而且使用和获得信息的速度也很缓慢。随着生产力水平的极大提高和信息技术的飞速发展，目前已经实现了人们能实时地获得经过深入提炼的知识与信息。总的来说，数据挖掘分为四个发展阶段，①数据收集阶段：企业仅仅是简单地整理储存信息，并应用一些简单的运算工具进行数据加工；②数据追溯阶段：企业开始应用关联模式处理储存信息，在整个企业范围内建立起了数据收集和信息管理系统，管理层可以获得企业的历史信息；③数据导航阶段企业内出现了数据仓库，应用多维数据基的处理和储存信息，企业不仅能应用信息管理系统获得企业整体和各个地区经营状况的信息，而且通过应用在线分析系统(OLAP)等手段进行数据对比；④数据挖掘阶段也就是通过使用在线分析工具、先进的信息技术以及统计数学等方法为企业提供实时的信息反馈和与合作伙伴的信息交流。数据挖掘使企业管理者更能获得存在于信息之中的深层价值，从而为企业的经营战略决策产生重要帮助作用。,2．数据挖掘技术的内容,数据挖掘是进行信息处理的系统工具，按照信息处理的流程来分类，一般有三种类型：信息发现、预测模型和异常分析。信息发现是指单纯地对信息进行处理、整理和分析，以发掘出蕴涵在信息之间的潜在而有价值的知识或者联系，但并不进行对信息处理结果的预测。信息发现包括条件逻辑推理、关联处理和信息规律趋势和变化等；预测模型是指通过上一阶段的信息处理，利用有价值的知识资源和预测模型对其进行发展趋势预测，．这包括结论预测和发展趋势展望等；异常分析是指数据挖掘的扩展阶段，对发现的异常情况做出分析，包括偏离侦测和关联分析等。总的来说，数据挖掘技术通常有六种手段进行信息处理：分类、回归模型、时间序列、聚类、关联分析和序列发现。分类和回归模型一般用于趋势预测，关联和序列发现用于分析客户行为，聚类则可用于以上两种情况。,数据挖掘技术按对信息的处理方式分为数据保存技术和数据提炼技术两种方式。数据保存技术主要是能够方便地为企业决策提供信息帮助，在企业决策中应用案例分析(CBR)来保证经营决策的有效性。但是企业要想获得蕴涵在信息之中的有价值的知识，就必须使用数据提炼技术。数据提炼技术包括：逻辑方法是运用多维或者OLAPtt术对量化的或者非量化的数据进行统一模式的处理，包括规则公式和决策树；横向对比主要是对定性数据指标进行类比分析，包括类比中介和可信网络；程式分析是能够有效地应用多维模型和数理统计方法对大规模的数据进行处理，包括数理统计方法和神经网络等。,数据挖掘技术在知识型客户关系管理中的应用,在知识型客户关系管理过程中，客户生命周期对企业来说非常重要，因为它直接关系到企业的客户收益和客户利润，它不仅提供了客户信息来源，也使得企业明确了为满足客户需求应注重的方面。客户生命周期为数据挖掘在客户关系管理中的应用提供了基础，数据挖掘是建立在数据仓库之上的，通过各种先进的信息技术和数理统计方法挖掘数据仓库中的潜在的、有价值的客户信息，通过运用数据挖掘，企业能把大量的客户记录变成系统的客户信息，提供给决策者，这样不仅解决了企业进行决策时遇到的信息匮乏问题，也充分发挥了企业实施KCRM的效用。,1．客户分析,CRM系统主要是面向客户，因此对客户数据的分析是极为重要的，通过对客户数据的分析，发现客户需求，调整企业战略并实施相应的措施。客户分析主要有几个方面：购买频率，通过对客户购买频率的分析，企业实施相应的营销活动，可以利用促销等手段来刺激消费者的消费欲望；近期消费，通过对客户最近消费时间的分析，可以及时发现客户流失的原因，从而采取相应的措施；客户忠诚度分析，通过对客户交易资料的记录和分析，可以采用序列模式来预测消费者的忠诚度，并据此来调整企业的生产和提供的服务，提高客户的忠诚度并吸引新客户；客户分类，不同的消费者对产品和服务的要求不同，也为企业创造不同的收益，企业根据数据挖掘技术的信息处理分析，对客户采用聚类的方法进行分类，挖掘客户群的需求特征和需求趋势，并发现最有价值和最有盈利潜力的客户群，对这些客户实施“一对一”的市场营销，取得最大的收益；客户购买相关性分析，通过销售记录的信息挖掘，可以发现客户购买相关性，这也是发现客户消费偏好、消费特点的重要方法，据此企业可以积极采用各种手段帮助消费者选择商品，增加企业的收益；营销合理化分析，通过分析营销活动的有效性，有助于改善营销效率，多维分析可以实现这方面分析的要求。,2．异常偏离分析,企业在对客户数据进行分析时，有可能发现异常数据或者无法解释的现象发生，企业应对此高度关注，一般的做法是通过使用数据挖掘的各种先进技术来及时分析这些异常情况，使企业能做出快速的反应，并针对处理的结果及时调整企业的营销决策。,3．趋势分析和预测,数据挖掘的工具为客户需求趋势预测提供了有效的手段，常用的工具是时间序列分析、系统力学和神经网络。这些工具能为企业提供科学、有效的趋势分析，并用于企业的生产和营销决策。具体内容包括：评价产品销售状况，企业通过分析客户数据库中记录的每一位消费者的交易信息，可以针对不同的产品、不同的区域采取不同的销售策略，实现盈利最大化；预测销售状况，通过准确的预测，发现隐藏的信息，把握市场动向，满足客户需求，调整生产结构和营销方法，从而使企业在激烈的市场竞争中立于不败之地。,4．客户服务支持,客户服务是CRM中的重要组成部分，包括客户信息和服务信息，这些数据既有结构化的也有非结构化的，结构化的数据比较容易分析和整理。对结构化数据挖掘的主要过程是：根据相应数据的特点来选择规则模板，对数据进行选取和转换，并应用归纳学习法、决策树、最邻近法等来进行数据挖掘，挖掘得到的结果可以存人数据库，帮助企业决策。非结构化数据由于存在的形式和性质难以进行标准化分析，但是非结构化所隐藏的价值可以通过两种途径来进行挖掘：一是建立全新的数据挖掘算法，直接对非结构化数据进行挖掘，但是由于非结构化的自身特点，使得这样的全新数据挖掘非常复杂，而且难以评估数据挖掘结果的可靠性；二是通过将非结构化数据结构化，而后采用结构化的数据挖掘技术对其进行挖掘，这就需要建立非结构化数据转换技术，而且也是非常复杂。总的来说，结构化数据挖掘技术已经成熟，但是非结构化的数据挖掘尚需要进一步发展。,5．销售管理,销售管理自动化是客户关系管理成长最快的部分，销售人员与潜在客户的互动行为、将潜在的客户发展成真正客户并提高其忠诚度是使企业盈利的核心因素。在此环节中，数据挖掘可以对多种市场活动的有效性进行实时跟踪和分析，数据挖掘不仅使销售人员及时把握销售机遇，提高工作效率，而且企业管理层也可以随时掌握市场动态。,6．数据挖掘和客户隐私,数据挖掘技术能帮助企业比以往更好地发现客户信息中的隐性知识，但是这也增加了客户隐私被企业侵犯的风险。一方面客户信息挖掘有助于客户与企业之间建立起亲密的关系，另一方面客户信息如果被企业不正当地利用，则会给客户本身带来不利影响。客户隐私按其本质来说，更是一个道德问题而非技术问题，关键是处理好企业数据挖掘与客户个人信息保护之间的平衡问题。总之，企业在实施客户关系管理的同时，必须注重对客户隐私的保护，这样才能给消费者以安全的感觉，才会让客户真正地与企业进行交流，才能充分发挥数据挖掘在客户关系管理中的作用。,结 束 语,数据挖掘技术本质上是提供一种商务运作更先进的途径，本身并没有判断待处理信息的质量与价值高低，因此企业要对所收集的信息进行筛选，选择有价值的信息进行分析和处理；仅仅依靠数据挖掘技术就想一劳永逸，不仅不现实而且会给企业的经营运作带来致命的打击，因此数据挖掘技术要和企业的业务流程、企业“以客户为核心”的经营理念相结合进行运作，只有这样数据挖掘才不会变成无源之水；数据挖掘技术多种多样，每一种方法应对不同的市场信息环境，而且对客户信息的处理也会受到各种因素的影响而失真，因此要综合使用各种方法来进行数据处理和分析。
,

特别声明：以上文章内容来源于网络，不代表CRM论坛观点或立场。如有侵权，请联系管理员删除