1 數據挖掘與CRM介紹
數據挖掘技術通過從海量的、未知、存在噪音的應用數據中，對一些具有潛在價值或有預知作用的信息進行提取。這些提取的結果均表現為一定的規則、規律、模式或者趨勢等。而CRM客戶關系系統一般負責處理大量的客戶行為，通過海量的客戶數據信息通過技術處理將消費者的消費行為以及消費趨勢進行確定。并根據以客戶的消費趨勢以及規律對營銷手段進行制定。而給企業帶來巨大利潤。在如今以用戶至上為中心的電信運營商，如何利用數據挖掘技術提升CRM營銷能力顯得非常重要。在海量的客戶數據信息中，利用數據挖掘技術，建立分析模型為CRM營銷分析和決策分析，并提供具有針對性的解決方案，從而使企業的銷售水平以及營銷能力有所提升。
電信的CRM客戶關系管理系統通過重新組合業務流程，預處理和分析相關的客戶數據，并通過據挖掘技術將客戶數據的各種信息或與客戶信息相關聯的信息進行挖掘，從而使客戶數據的關鍵性指標能被提取。從而為業務營銷決策和個性化的客戶業務服務提供數據支持和決策支持，從而提升客戶服務能力，為客戶和企業利潤最大化提供解決方案。
2 CRM中數據挖掘的應用
數據挖掘技術使用關聯分析、偏差分析、聚類分析和預測等方法完成對復雜客戶的數據的處理，從而從數據鐘將所需的分析結果提取出來。該文中，電信CRM客戶管系統通過對據挖掘技術的應用，能夠對群戶群體、客戶滿意程度、交叉銷售、客戶盈利能力、客戶流失情況進行分析。下面對這些應用領域進行分析和探討。
1）客戶群體分類應用：此應用主要是對電信的客戶群針對不同特質進行細分。為了電信能夠為不同的消費群體執行不同的消費政策。一般采用的數據挖掘技術為決策樹和聚類方法。
2）維系客戶應用：隨著行業之間的競爭愈演愈烈，對于新客戶的開發難度以及開發成本越來越大，這使得維系老顧客的重要性越發明顯。要想從客戶身上獲得的價值更多，那么必然要做好維系它的工作。即回收此客戶的開發成本以及維系費用的周期就越長，客戶提供的利潤就越多。
3）客戶盈利能力應用：本應用的使用主要是通過對數據技術的使用達到提升客戶盈利的能力的目的，根據用戶的不同的市場活動，為提升客戶的盈利采取不同的方法，主要通過已有的客戶數據預測客戶未知消費趨勢和消費領域。
4）交叉銷售應用
交叉銷售應用主要通過數據挖掘技術為電信營銷提供新產品需求和營銷決策的過程。通數據挖掘技術可以分析和決策出潛在用戶所感興趣或具有非常大的市場需求的產品和服務，幫助企業實現利潤最大化。通過分析客戶的消費行為和已有產品的銷售趨勢，形成新產品和服務的營銷決策。
5）分析潛在客戶應用：企業對潛在客戶的篩選工作可以借助數據挖掘技術幫助來完成，市場人員的主要工作是把通過數據挖掘技術得出的潛在客戶名單進行整理，并把整理出的客戶所中意的優惠措施系統相結合起來。在發展新客戶的策略中，數據是數據挖掘技術的研究重點。首先要建立一個預測模型，它是以獲得的客戶數據為基礎，然后預測模型根據一定的程序分析就能計算出有價值的潛在客戶信息。
要想使用數據挖掘技術對新客戶進行獲取，必須對潛在客戶的信息進行收集，尤其是對于一些表示出對公司產品或某項服務感興趣客戶要對其單獨列出。這樣可以為將來的數據挖掘提供足夠有價值的信息。
3 數據挖掘在CRM的應用
3.1 客戶數據挖掘存在問題類型
在CRM系統中挖掘技術對對客戶數據的挖掘主題如下：
1）關聯問題：
橫向關聯：是將看似獨立的事件之間的潛在聯系進行挖掘，例如“購買某產品”攜帶購買另一產品的人群比例”這就建立了兩個商品的間接聯系。
次序關聯：這次方法主要是對事件的前后序列關系進行重點分析，例如在購物時對某幾件商品的購買順序，通過對其研究分析形成一種客戶行為。
關聯問題主要是對客戶的各項屬性之間可以存在的交叉銷售或潛在聯系進行研究，或者是客戶實體與其他實體的聯系。一般典型的關系在電信行業中包括：套餐選擇問題、交叉銷售、以及業務的相互影響。
2）預測問題：
為了使客戶數據能夠及時得到更新，需要對客戶的行為變化以及消費等屬性變化進行預測。在實際統計中發現，客戶的行為變化的典型狀況有通話行為的增加或減少，客戶信息變化消，費行為變化以及其他情況。
3）分類問題：
對樣本客戶數據庫中的數據進行分類分析，就是對各個類別進行定性的描述。這個問題也可以通過找出其分類規則，進行分析模型建立來解決，對于其他客戶進行分類時可以使用。
4）聚類問題：
本文中的聚類是指把由于分類原則不明確等原因造成的沒有進行分類的記錄，以數據差異的大小為分類原則，對數據進行分類，并對其類別進行定義。對此類數據進行分類的分類規則是以統計學的聚類分析方法為指導方法的。聚類既是分類的相對概念。對客戶特征的研究是客戶聚類的主要工作內容，常見的典型聚類問題包括：客戶的消費模型分析、客戶特征分析和異常客戶分析等等。
3.2 數據分析利用
對于電信運營商來講，其數據庫應用系統較為成熟，且數量較多，從而產生的業務處理數據非常可觀。對這些數據的重新整合重組，從而進行分析利用，有助于對客戶關系的管理。對這些數據的充分利用，使這些數據信息的真正價值得以實現。
1）客戶消費模式分析：
通過對相關數據的分析，可以為運營商的相關經營決策提供依據。
客戶消費的電話詳單、信息臺的大量詳單、數據以及客戶檔案資料等是電信業務中，獲取客戶的消費模式信息的主要數據來源。在對這些數據進行分析時，主要是對等進行關聯性的分析，以消費能力、消費周期以及消費習慣為分類的依據，以數據處理技術為分類手段對這些數據進行分類。
2）業務預測分析：
對業務的分析預測是電信運營商制訂發展計劃的重要依據之一。主要是為了使得未來業務量在一定程度上被掌控。業務預測分析主要是對歷史數據的分析，把對業務影響較為明顯的因素找出來，并且對這些因素在未來一段時間內的影響趨勢進行估測。
3）放客戶欺詐以及客戶欠費分析：
數據挖掘技術的使用還可以降低運營商的損失。數據挖掘技術對騙費、欠費行為的大致規律進行總結，并建立相關的行為規則庫。當客戶的欺詐和欠費行為與規則庫中的情況相吻合時，系統對運營商進行提示，使其盡快采取相關措施制止該行為的進行。
4）客戶流失分析：
根據已經存有的客戶流失數據進行分析，將相關數據如客戶屬性、服務屬性、客戶消費等與客戶流失概率建立相關聯的數學模型，找出其內在聯系，明確其內在規律。然后通過對客戶流失原因的確定采取一定措施，使客戶的忠誠度提高，盡量減少客戶的流失。這就使以往存在的不能對流失客戶進行原因分析的情況得到了大大的改善。
5）大客戶特征識別：
大客戶群體是信企業之間競爭的焦點，也是電信企業利潤的主要來源。對大客戶進行挖掘、識別并且制定相應措施爭取大客戶并使其有較高的忠誠度，這是電信企業的發展關鍵。對大客戶進行識別時，不僅要根據現有消費量的多少進行盲目的判定，還要根據以往數據總結出的大客戶規律進行大客戶的識別，不斷對潛在大客戶進行挖掘。
6）簡化管理：
在電信行業中，最重要的指標包括業務量。對于業務量的預測是較為困難的，這主要是由于它的隨意性較大。數據挖掘根據對時間序列的分析就可以在一定程度上監測、預測業務量，并對人員的配置進行合理的安排，盡量降低企業的運營成本。
4 數據挖掘的應用實例
數據挖掘的完整過程進行細分后包括：定義業務問題、選擇數據、清洗和預處理數據、選擇與預建立模型、調整模型、評估與檢驗模型、模型的應用。
4.1 定義業務問題
對業務問題進行定義主要是為了區別客戶流失的情況，從而采取相應措施對其進行控制，屬于主動流失/被動流失，財務原因/非財務原因這兩個屬性是定義業務流失問題的關鍵，是定義業務問題是最需要明確的。
4.2 選擇數據
選擇數據包括目標變量的選擇、輸入變量的選擇和建模數據的選擇。
1）輸入變量的選擇：輸入變量有兩種，包括靜態數據和動態數據。輸入變量在模型中屬于自變量，在建立模型時，要找到自變量與目標變量的關聯。如還不能對與客戶流失概率有關聯的數據類型進行明確時，先選定該數據，早后續的步驟考察各變量分布情況和相關性時在對其進行判定。客戶的流失方式有自然消亡型以及轉移流失型。這兩種類型中，對運營商而言第二種流失的客戶是更有挽留價值的客戶，因此對于第二種流失客戶進行數據分析以及建模是更有價值的。
2）目標變量的選擇：客戶流失分析的目標變量是客戶流失狀態。根據業務問題的定義可知，目標變量可以是一個已知量或多個已知量的組合。
4.3 清洗和預處理數據
在建模前要對數據進行清洗和預處理工作，一是確保數據的有效性和正確性，二是通過對數據的處理使其能夠更好的為建模服務。對數據進行整理主要包括數據的轉換和整合、抽樣、隨機化、缺失值處理等。
4.4 選擇與預建立模型
現有的數據挖掘工具提供了決策樹、神經網絡、近鄰學習、回歸、關聯、聚類、貝葉斯判別等多種建模方法。
在建立模型之前，要對數據挖掘工具的相關性進行比較，通過輸入輸入變量來測試出與客戶流失概率的相關性較大的數據。從而篩選出最大耦合程度的模型。這樣的操作簡單并且使建模時間大大縮短，并且使模型的精確程度增加，可用性就更加強。
4.5 建立模型與調整模型
需要強調的是，模型建立與調整的策略會根據不同的商業問題和不同的數據分布屬性而有較大程度上的差異，數據挖掘過程中的核心部分一般是由數據分析專家完成的，就是模型建立與調整工作，并且在建模過程中，為了簡化模型的優化過程還會對近似算法進行使用。
4.6 評估與檢驗模型
將實際值與預測值相比較，與實際值近似程度最高的就是最好的模型。通過對模型的使用，就可以對客戶狀態的數據進行預測。為了使評估與檢驗模型得到數據更加準確，要利用未參與建模的數據進行模型的評估。
4.7 模型的應用
通過業務解釋能證明數學模型的合理性和有效性，所以業務人員要有對最優模型進行合理的解釋的能力，通過對模型做出合理的業務解釋，可以找出一些潛在的規律，用于指導業務行為。
在模型的應用中，可以利用試點的方法來檢驗模型的有效性。根據在模型得出的信息與實際值的比較，一旦異常偏差發生了一對模型進行及時的修正。若模型試點效果良好，則可以考慮投入使用。但在實際操作中要注意，由于地域差異等其他因素的影響不能完全的復制模型，要在基礎的模型上根據當地特色進行修正。模型的應用是具有時效性的，所以要時刻關注其模型的升級改版。
核心關注：拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理，全面涵蓋了企業關注ERP管理系統的核心領域，是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.vmgcyvh.cn/
本文網址：http://www.vmgcyvh.cn/html/consultation/10820612885.html
相關文章
