1 引 言

    随着经济全球化以及信息技术的迅猛发展，企业间的竞争日益激烈，企业的经营理念已由传统的以“产品为中心”向以“客户为中心”转变，以客户需求为导向的CRM成为企业研究与应用的重点。CRM的目标是集成企业内部和外部所有与客户相关数据资料，发现隐藏在数据中的有用信息和知识，明确客户的需求反映，使每一个客户的需求都能得到快速响应，并通过规范的流程，让服务于同一客户的销售、市场营销、服务与管理人员能共享信息，紧密协作，从而大幅度提高销售业绩与客户满意度。可见，如何把浩瀚的客户数据转化为适用的知识，是决定CRM绩效的关键。

    然而，由于缺乏有效的工具和分析技术，这些隐藏在大量数据中的潜在信息和知识未能得到充分的挖掘和利用，从而抑制了企业CRM的运行效率。数据挖掘技术的兴起为解决这一问题带来了希望心J。基于数据挖掘技术的CRM系统，能够有效地运用数据挖掘工具，帮助企业从海量的数据中发现潜在的知识，支持企业制定高效的CRM策略，从而大幅提升CRM的运行效率。

2 客户关系管理

    2.1 CRM定义

    目前，对于CRM还没有一个统一的定义。许多研究机构、学者和行业组织从不同的角度阐述了自己的理解。CRM的概念最早由Carter Group提出，即CRM为企业提供了全方位的管理视角，赋予企业更完善的客户交流能力，实现客户收益率最大化；Jon Anton认为CRM是一种企业客户接入的整合信息系统，实现了客户对企业重要信息的无缝接入；Don Peppers，Manha Rogers和Bob Doff将CRM看成是一种营销策略，即一对一营销，也可称为关系营销；国内的李怀祖则认为CRM是一种商业策略，它以客户为中心来协调和统一与客户的交互行动。

    综上所述，本文从两个层次出发对CRM做出定义。从管理理念的层次看，CRM源于市场营销，是一种全面以客户为中心的商业策略思维；从管理技术的层次看，CRM是指利用现代信息技术，使企业市场营销、销售管理、客户服务等经营环节的信息有序地、充分地、及时地在企业内部及企业和客户之间流动，实现客户资源有效利用的管理系统。

    2.2 CRM体系结构

    从体系结构角度来看，CRM架构由以下三个关键的部分组成，如图1所示。
 

    (1)运作层次的CRM：对销售、营销和客户服务3部分业务流程和管理进行信息化。这方面的流程和技术的作用在于提高日常的前台运作效率和准确性，主要是销售自动化、营销自动化和服务自动化。

    (2)协作层次的CRM：对于客户进行沟通所需手段(如呼叫中心、电话、传真、网络等)的集成和自动化处理。这方面主要是语音技术、网上商店、邮件、会展、面对面的沟通。

    (3)分析层次的CRM：对上面两部分的应用所产生的信息进行加工处理，产生商业智能，为企业的战略决策提供支持。主要是数据仓库、客户数据库、客户细分系统、报表和分析系统，提供对客户数据和客户行为模式进行分析的能力。
3 数据挖掘

    3.1 数据挖掘定义

    数据挖掘就是应用一系列技术从大型数据库或数据仓库中提取人们感兴趣的信息和知识，这些知识或信息是隐含的，事先未知而潜在有用的，提取的知识表示为概念、规则、规律、模式等形式。数据挖掘是一类深层次的数据分析，它通过选择数据对数据进行检测，建立挖掘模型，挖掘出深层次的信息和知识。将其运用在CRM中就能在庞大的客户数据库中将看似无联系的数据进行筛选和净化，提取出有价值的客户数据，从而对客户未来的发展趋势和行为进行预测，帮助决策者做出正确的决策。

    3.2 数据挖掘流程

    下面要具体介绍数据挖掘流程(如图2)，它包括目标定义，数据预处理，建立模型和评价模型四个阶段：
 

    (1)目标定义：要发挥数据挖掘的价值，企业首先必须对自己的目标有一个明确的定义，而后再根据特定的目标，选择和准备数据，建立模型。

    (2)数据预处理：这是整个数据挖掘流程的最主要环节，目的是确保原始数据和输入标准的一致性，它包括4个步骤：①数据过滤，用以确保收集数据符合分析的需要；②数据集成，用于确保原始数据和输入标准一致，它将来自不同数据库中(客户数据库、产品数据库、客户互动数据库)的数据集成、合并人单一营销数据库，并进行差异协调；③数据分析，用于对处理后的数据进行初步分析、认识，找出对预测输出影响最大的数据字段；④数据准备，这是建模前数据处理的最后一步，这一步要完成确定模型变量，转换变量，选择数据形成一个样本数据库等工作。

    (3)建立模型：在多个可供选择的模型中找出最佳模型，初始模型可能无法达到数据挖掘的目的，需要多次反复。在寻找最优模型过程中，可能要修改正在使用的数据甚至修改问题的陈述。

    (4)评价模型：本阶段是对数据挖掘质量进行评定。好的模型应能够用随机的数据就能得到较为理想的结果，如果效果不好则需要重新修正原有的模型。

4 数据挖掘技术在CRM中的应用

    4.1 CRM中数据挖掘的主要技术方法

    在CRM中，需要借助一定的数据分析方法，把大量表面的、无序的数据整合，揭示出潜在的关联性和规律，用于指导决策。按照所挖掘的数据模式的不同，可以将数据挖掘的技术方法划分为以下四种：

    (1)关联分析：即利用关联规则进行数据挖掘。关联分析的目的是挖掘隐藏在数据问的相互关系，它能发现数据库中形如“90％的顾客在一次购买活动中购买商品A的同时购买商品B”之类的知识。

    (2)序列模式分析：序列模式分析和关联分析相似，其目的也是为了挖掘数据之间的联系，但序列模式分析的侧重点在于分析数据间的前后序列关系。它能发现数据库中形如“在某一段时间内，顾客购买商品A，接着购买商品B，而后购买商品C，即序列ABc出现的频度较高”之类的知识。

    (3)分类分析：分类要解决的问题是为一个事件或对象归类。在使用上，既可以用此模型分析已有的数据，也可以用它来预测未来的数据。例如，用分类来预测哪些客户最倾向于直接邮件推销做出回应，又有哪些客户可能会更换他的手机服务提供商，或在医疗领域遇到一个病例时用分类来判断一下从哪些药品着手比较好。

    (4)聚类分析：这是分类的逆向方法。聚类是把没有分类的记录，在不知道应分成几类的情况下，按照数据内在的差异性大小，合理地划分成几类，并确定每个记录所属类别。它采用的分类规则是按统计学的聚类分析方法决定的。比如，面对数据库中“消费额”、“购买频率”、“收入水平”等多个评价指标，没有办法按照一个指标去分类，就可以通过聚类按照数据间的自然联系把分散的记录“聚”成几“堆”，然后再对每堆进行深入分析。

    4.2 CRM中数据挖掘的具体运用

    数据挖掘在CRM中主要可以用于以下几方面：

    (1)客户细分：运用数据挖掘技术的聚类功能可按照不同的标准，比如：客户的消费心理、消费习惯、购买频率、对产品的需求或对产品获利的贡献来划分不同的用户群体，以实现对客户的针对性服务及开发针对性的产品，以提高客户的满意度，最大限度的挖掘客户对企业的终身价值。通过这样的细分类有助于企业根据客户的不同特征提供差异化的服务。

    (2)客户保持：在客户保持中一般涉及到三个数据挖掘的模型：①首先建立模型用来预测和识别潜在的流失者；②然后通过数据挖掘识别潜在的流失者中的黄金客户；③最后利用聚类分析等方法对黄金客户中潜在流失者的数据进行分析挖掘，识别其行为模式，从而有针对性地对客户采取相应的措施，以期保持客户。

    (3)发现新客户：对企业来讲不仅需要保持原有客户，更重要的是不断发现具有潜在价值的新客户群体，扩大客户群。运用数据挖掘可以在原有客户的消费记录中发现他们潜在的交叉购买需求。还可以通过调查问卷等信息分析发现有可能发展为现实客户的潜在客户。

    (4)客户跟踪服务：利用数据挖掘可以及时了解客户对服务的满意度及其要求。对于客户的变动要及时跟踪分析，获得客户新消费的地点、产品名称和性能、数量等信息，以及时分析客户的变动原因，并尽快修正现有的服务质量，改进产品性能，防止客户群体大量的流失，同时也便于企业把握产品的未来走向和总体的服务方向，指导企业重点地，合理地配置资源，改进企业的产品和服务，为客户提供“一对一”的个性化服务。从而帮助企业牢牢地抓住现有客户并吸引更多的潜在客户，获得巨大的竞争优势。

    (5)客户贡献分析：客户的购买直接关系到企业的利润，利用数据挖掘可以进行客户分析，发现到底哪些客户是真正创造利润的客户，哪些是低利润甚至是无利润的，是否可以采取一定的措施使低利和无利的客户转化为赢利的。通过这样的分析，企业可以将有限的精力和资源投放在对企业赢利最为有用的地方，从而有效的降低企业成本，提高收益。
4.3 基于数据挖掘技术的CRM系统模型

    根据上文2、3章对CRM体系结构的表述，以及对数据挖掘流程的分析，可知数据挖掘技术主要运作在CRM系统中的分析层次。因此，我们能够建立基于数据挖掘技术的CRM系统模型(如图3)，它的工作流程主要包括以下三个阶段：
 

    (1)客户数据准备阶段：它主要包括目标定义和数据预处理两个阶段。目标定义阶段的主要任务首先是了解企业的业务需求，要达到的目标并进行项目可行性评价，进行问题定义、用户定义，然后在此基础上进行客户数据收集。数据收集的渠道是多种多样的，主要通过CRM的协作层，包括呼叫中心、电子邮件、电话、传真等。数据预处理阶段针对收集到的客户数据进行数据过滤、集成、分析、处理和转换，目的是消除数据冗余及差异，保证数据的准确、完整、一致性，提高数据质量，降低数据维数，形成适合数据挖掘的数据集合。最后再将此数据集合装入数据仓库。

    (2)客户数据挖掘阶段：这一阶段对应CRM的分析层次，它是整个基于数据挖掘技术的CRM系统的核心。针对前一阶段处理、整合形成的数据集合，在模型库和知识库的帮助下，根据不同的业务需要，选择适合的数据挖掘模型、挖掘技术及工具，对数据仓库中的数据进行挖掘，得到隐藏在客户数据中的客户知识及模式，并将分析出来的有用模式保存到模型库和知识库中。

    (3)数据挖掘结果应用阶段：这一阶段对应CRM的运作层次。由于发现知识和模式的过程对用户来讲通常是不可见的，同时用户在直接使用这些数据挖掘的结果时也不方便，因此这一阶段应该利用各种数据库开发工具和可视化工具，如JAVA、ASP、VB、JSP等，开发良好的人机界面，将知识和模式更好地展示给用户，以便用户使用。将通过上述处理后形成的有关客户行为模式等知识分别传送给市场营销、销售、服务和管理部门，以便企业更好地进行CRM工作。最后，还需要在企业CRM实践中检验知识和模式的使用效果，如果效果不好则需要重新修改原有的模型，甚至是问题定义。

5 结束语

    CRM是一个循序渐进的过程，涉及到企业经营理念的转变，是一种着眼理解和管理整个企业当前和潜在客户需求的商业战略。数据挖掘技术的引入高质量地实现了CRM的目标，在CRM中有效地应用数据挖掘技术，可以为企业高层决策者提供准确的客户细分、忠诚度、盈利能力、潜在用户等信息，指导他们制定最优的企业营销策略，从而降低企业运营成本，增加利润，加速企业的发展。当前国外许多企业为了获得竞争优势，都积极地投入资金、人力、物力进行该方面的研究和应用，并取得了较好的投资回报率。同样，数据挖掘技术在国内各行业的CRM应用中也有着远大前景，本文提出的基于数据挖掘的CRM系统模型就是一次有益尝试，希望会对企业CRM系统开发有一定启发。