中国西部科技 ２００９年２月（上旬）第０８卷第０４期总第１ ６５期 数据挖掘及其在客户关系管理中的应用 曾忠平 （永州职业技术学院，湖南永州４２５１ Ｏ０） 摘要：客户资源现已成为企业最重要的战略资源之一，企业为此也花费大量资金构筑客户关系管理（ｃＲＭ）系统。现 如今，企业面临的问题不是该怎么管理客户数据，而是如何将存在系统中的海量数据转换为知识，指导企业高层决策者 制定最优的企业营销策略，降低企业运营成本，增加利润，加速企业的发展，而数据挖掘技术的发展恰好满足了企业的 需求。 关键词：数据挖掘；客户；客户关系管理 Ｄａｔａ Ｍｉｎｉｎｇ ａｎｄ Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎ ｉｎ Ｃｕｓｔｏｍｅｒ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｍａｎａｇｅｍｅｎｔ Ａｐｐｌｉｃａｔｉｏｎ ＺＥＮＧ Ｚｈｏｎｇ—ｐｉｎｇ （Ｈｕｎａｎ Ｙｏｎｇｚｈｏｕ Ｖｏｃａｔｉｏｎａｌ ａｎｄ Ｔｅｃｈｎｉｃａｌ Ｃｏｌｌｅｇｅ，Ｙｏｎｇｚｈｏｕ，４２５０００ Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｃｕｓｔｏｍｅｒ ｒｅｓｏｕｒｃｅ ｈａｓ ｂｅｃｏｍｅ ｔｈｅ ｍｏｓｔ ｉｍｐｏｒｔａｎｔ ｓｔｒａｔｅｇｉｃ ｒｅｓｏｕｒｃｅｓ．Ｂｕｓｉｎｅｓｓｅｓ ａｌｓｏ ｓｐｅｎｄ ａ ｌｏｔ ｏｆ ｍｏｎｅｙ ｆｏｒ ｔｈｉｓ ｐｕｒｐｏｓｅ ｔｏ ｂｕｉｌｄ ａ ｃｕｓｔｏｍｅｒ ｒｅｌａｔｉｏｎｓｈｉｐ ｍａｎａｇｅｍｅｎｔ（ＣＲＭ）ｓｙｓｔｅｍ．Ｎｏｗ，ｅｎｔｅｒｐｒｉｓｅｓ ａｒｅ ｆａｃｉｎｇ ｔｈｅ ｉｓｓｕｅ ｉｓ ｎｏｔ ｈｏｗ ｔｏ ｍａｎａｇｅ ｃｕｓｔｏｍｅｒ ｄａｔａ，ｂｕｔ ｈｏｗ ｗｉｌｌ ｔｈｅ ｅｘｉｓｔｅｎｃｅ ｏｆ ｔｈｅ ｓｙｓｔｅｍ’Ｓ ｍａｓｓｉｖｅ ｄａｔａ ｉｓ ｃｏｎｖｅｒｔｅｄ ｔｏ ｋｎｏｗｌｅｄｇｅ，ｇｕｉｄｅ ｔｈｅ ｅｎｔｅｒｐｒｉｓｅｓ ｔｏ ｄｅｖｅｌｏｐ ｈｉｇｈ・ｌｅｖｅｌ ｐｏｌｉｃｙ ｍａｋｅｒｓ ｏｐｔｉｍａｌ ｅｎｔｅｒｐｒｉｓｅ ｍａｒ￣ｔｉｎｇ ｓｔｒａｔｅｇｉｅｓ，ｒｅｄｕｃｅ ｏｐｅｒａｔｉｎｇ ｃｏｓｔｓ，ｉｎｃｒｅａｓｅ ｐｒｏｆｉｔｓ ａｎｄ ｓｐｅｅｄ ｕｐ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｅｎｔｅｒｐｒｉｓｅｓ，ａｎｄ ｄａｔａ ｍｉｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｊｕｓｔ ｔｏ ｍｅｅｔ ｔｈｅ ｎｅｅｄｓ ｏｆ ｔｈｅ ｅｎｔｅｒｐｒｉｓｅ． Ｋｅｙ ｗｏｒｄｓ：Ｄａｔａ Ｍｉｎｉｎｇ；Ｇｕｅｓｔ；ＣＲＭ 处在今日行业竞争激烈，客户需求快速变化的局势 里，企业竞争力的提升将取决于是否能在所服务的价值活 动里，创造出其他竞争者无法取代的地位。现今企业面临 着从大量标准化生产到差异制化生产，从推式生产到拉式 生产，从大众化口味产品到个性化独特化产品的变革，营 销的重心也由产品转移至客户，亦即谁最了解客户的消费 业数据库中的大量业务数据进行抽取、转换、分析和其他 模型化处理，从中提取辅助商业决策的关键性数据 。 过去数据分析更多地是用于科学研究，而现在分析数 据更主要是为商业决策提供真正有价值的信息和有利的支 持，进而获得利润。但所有企业面临的～个共同问题是： 企业数据量非常大，而其中真正有价值的信息却很少，因 此从大量的数据中经过深层分析，获得有利于商业运作和 提高竞争力的信息，就好比从矿石中淘金一样，数据挖掘 行为，谁就拥有最佳的竞争优势。 近年来，企业投注大量的资金与人力资源，希望构筑 起企业完善的客户关系管理模式，透过提高客户的忠诚 度，使顾客购买更多的产品，降低营销成本从而获取更高 的利润 想达到上面的目标，则须从了解客户开始着手， 数据挖掘技术能够从大量的客户资料中，寻找客户的行为 模式和消费规律，并将其转换成有效的战略决策，在保持 老客户的同时增加新客户。Ｃｕｓｔｏｍｅｒ Ｒｅｔｅｎｔｉｏｎ Ｐｒａｃｔｉｃｅ的Ｎｅｗｓｌｅｔｔｅｒ早于１９９８年就提出：“典型的企业 也因此被称为资料采矿。简言之，数据挖掘可以描述为： 按企业既定业务目标，对大量的企业数据进行探索和分 析，揭示隐藏的、未知的或验证已知的规律性，并进一步 将其模型化的先进有效的方法。 ２ 客户关系管理（ｃＲ｝１） “客户关系管理”是在商业操作及其相关工具上使用 的术语，也是为更多的顾客提供服务和更好地管理客户间 中有８０％的利润是２０％的客户所创造出来的”。如何找到和 发现这２０％的客户，如何让客户感受他们与企业的“关系” 是有价值的，这就是数据挖掘技术的任务，也是客户关系 管理的重点。 相互影响的基础。简而言之，ＣＲＭ是一个商业策略，要努力 争取大客户，保留现有的客户，实现每个客户赢利最大化 和企业最终盈利最大化。 由于消费信息的来源日益广泛，消费者获得信息的选 择空间增大，而商家在激烈的竞争中能够利用的资源却越 来越有限，为了争夺企业生存和发展的空间，不得不管理 好这些有限的资源。为此，客户关系管理逐渐成为现代企 个好的ＣＲＭ应该包括如下基本功能：客户和联系人管理、 ｌ 数据挖掘的定义和功能 对于数据挖掘，一种比较公认的定义是ｗ．Ｊ． Ｆｒａｗｌｅｙ，Ｇ．Ｐｉａｔｅｔｓｋｙ—Ｓｈａｐｉｒｏ等人提出的：“从大量 中，提取隐含在其中的、人们事先不知道的、但又是潜在 有用的信息和知识的过程”…。从商业角度的定义来看，数 据挖掘是一种新的商业信息处理技术，其主要特点是对商 收稿日期：２００８－１２－２８修回日期：２００９—０１—２２ 的、不完全的、有噪声的、模糊的、随机的实际应用数据 业营销管理中的一个核心课题。从所实现的功能上来说， 一潜在客户管理、时间管理、销售管理、电话销售和电话营 销、营销管理、客户服务与支持、呼叫中心、合作伙伴关 作者简介：曾忠平（１９６９一），男，汉族，湖南祁东籍，实验师，研究方向为数据库技术与应用及电子商务。 ３６ 厂－］ 垄 系管理、商业智能和网上营销等。。 。如果企业有着成千上万 的客户，不同的模块每天还在产生庞大的数据，那么如何 从这些海量的、表面上看似毫无关联的数据中，得到对企 业有用的信息，这就是ＣＲＭ所面临的问题。 测可能出现客户流失的情况 。 （５）客户获取分析。新客户的获取包括发现那些对你 的产品不了解的顾客，他们可能是你的产品的潜在消费 者，也可能是以前接受你的竞争对手服务的顾客。但在各 种情况下，数据挖掘技术都可以帮助我们对潜在客户群进 ３ 数据挖掘在客户关系管理中的应用 （１）客户群体分类。所谓客户群体分类就是将一个大 的消费群体划分成一系列细分群体的过程。细分可以让一 个用户从比较高的层次上来察看整个数据库中的数据，这 也正是细分的意义所在。当然细分也使得人们可以用不同 行细分，并且提升市场推广活动产生的反馈率。 欲获取新客户，首先需围绕市场试验反馈的数据，使 用数据挖掘技术总结统计，归纳现有客户特征和市场环境 信息，以确定目标市场和潜在客户，其中应用的技术一般 的方法对待处于不同细分群体中的客户，提供个性化服 有统计、聚类和关联等。通过对客户数据的挖掘可以获得 务，使企业以最小的投入获得最大的回报。数据挖掘通过 聚类和分类分析方法可以把大量的客户分成不同的类，以 此达到客户群体分类的效果 。 （２）客户盈利能力分析。客户盈利能力分析是数据挖 掘的基础。数据挖掘技术是通过帮助企业理解和提高客户 盈利能力来发挥作用的，而客户盈利能力也是检验数据挖 掘技术是否用于正确方向的一个指标。当数据挖掘系统被 启动并用于商业应用中时，系统的目标不外乎是提高投资 回报率（ＲＯＩ），而要提高ＲＯＩ，总是要保持和客户之间的 关系才能赚更多的钱，这是数据挖掘系统或任何决策支持 系统所要理解的第一步，也是最重要的一步 。 预测在不同的市场活动情况下客户盈利能力的变化， 很重要的一点是是否有从商业角度确定一种客户盈利能力 的指标。如果没有明确的一个评判标准，就不可能知道进 行商业操作是否真的有更多的盈利。给定一些约束条件 后，用数据挖掘技术可以计算出最佳的结果，还可以用来 揭示客户的行为习惯和预测发现一些在不同情况下有相似 行为的新客户。 （３）客户忠诚度分析。客户忠诚度，通俗来讲，就是 客户保持与现供应商交易关系的强烈意愿。客户的忠诚度 一般都是建立在企业提供的产品或服务是不是不可替代 的，能否为我提供愉快的购物经历。是否有主动服务的行 为，是否存在较高的转换成本等等基础上，企业经常通过 自有的数据存储方式，跟踪客户的消费行为，通过对客户 的消费数据进行统计，建立购买序列模式，分析客户的购 买倾向或忠诚度的变化，以此对价格和商品的特色加以调 整和更新，实现留住老客户，吸引新客户的目的 。 事实上，保持客户的忠诚度对客户盈利能力也会产生 极深的影响。因为企业无需在忠诚度高的顾客身上投入新 的营销和市场费用，而且由于顾客和企业问已经建立起了 一种良好的关系，所以顾客甚至愿意向他所熟悉的公司支 付额外的费用以获得最好的服务。 （４）客户流失分析。应用数据挖掘技术来分析现有客 户的保留情况以及分析客户流失原因，哪些客户会有高风 险转移的可能等等这些问题，能凸显出客户关系管理系统 在数据分析上的能力。要知道客户为什么会流失，很重要 的一点是弄清楚客户转移消费方向的原因。应用数据挖掘 技术解决这个问题，首先需根据以前的客户流失数据，包 括客户属性、服务属性和客户消费属性与客户流失可能性 关联的数学模型，找出客户流失原因，建立预测模型来推 优质客户特征模型，预测潜在客户的优劣。另外还可以通 过数据挖掘技术建立获得客户的难易度模型，预测客户获 取的难易程度 。 （６）交叉销售。交叉销售是指向现有客户提供新的产 品和服务的营销过程。实施这一过程的目标是为使客户和 商家都可以从中获得利益，即双赢的结果。数据挖掘借助 ＣＲＭ建立起的数据仓库，通过统计或人工智能等算法分析数 据，建立模型，从而发现产品与顾客之间的关系、产品与 产品的关系。 交叉销售是典型的关联分析问题。例如保险公司和银 行之间建立交叉销售，保险公司可以通过分析银行的客户 信息数据库，发掘出银行中的哪些客户最有可能购买保 险，进一步通过客户细分，找出这些客户中哪些适合购买 寿险，哪些又会购买人身保险或车险等。其次，保险公司 可以通过关联分析找到银行不同产品或服务与保险公司的 不同产品之间的相关性，比如拥有银行信用金卡的客户更 需要哪个险种 。 综上所述，透过数据挖掘的协助，可以从顾客的历史 资料分析有关顾客消费行为的各种信息，了解其购买偏好 与消费行为，企业可以配合顾客的消费生命周期，适时的 提供适当的商品与服务，以良好的互动来建立信赖关系。 数据挖掘技术可以让企业在营销过程中找到最佳顾客，进 行资源最适运用来达成所追求的目标。ＣＲＭ是数据挖掘重要 的应用领域，也正是有了数据挖掘技术的支持，才使ＣＲＭ的 理念和目标得以实现，满足现代电子商务时代的需求和挑 战。企业营销数据和相关信息的不断积累，数据库的逐渐 广泛应用，数据挖掘将成为企业获取决策信息的重要工 具。 信息带来了一场生活和交易方式的改变，促使电 子商务以网络的速度发展，因此基于电子商务环境下的 ＣＲＭ数据挖掘的特定应用具有越来越重要的研究价值。从企 业的规模来看，中小型企业是企业类型中的主体，针对中 小型企业ＣＲＭ应用的数据挖掘技术研究对中国企业提升决策 支持的智能化水平同样具有特别的意义。 但数据挖掘不是万能的，从广义上来说，其仅仅是知 识发现过程中的一环，在实际应用中还要受到许多。 数据是否足够、合适，模型和算法是否恰当，决策者的支 持能力如何等都会影响到数据挖掘技术的有效应用。 参考文献： ［１］Ｊｉａｗｅｉ Ｈａｎ，Ｍｉｃｈｅｌｉｎｅ Ｋａｍｂｅｒ．Ｄａｔａ Ｍｉｎｉｎｇ：Ｃｏｎｃｅｐｔｓ ａｎｄ Ｔｅｃｈｎｉｑｕｅｓ［Ｍ］．Ｓｉｍｏ Ｆｒａｓｅｒ Ｕｎｉｖｅｒｓｉｔｙ ２０００． （下转第５５页） ３７ ４ 水土流失预测结果 ５．１预测结论 原地貌、自然植被等都具有一定的水土保持功能，均 （１）项目区内共占用和破坏原地貌面积６４０．６９ｈｍ：，其 应视为水土保持设施，项目区还没有配套的水土保持设 中损坏水土保持设施面积为４３１．２６ｈｍ 。 施，因此本工程建设期间损坏水土保持设施面积与工程损 （２）通过对本工程施工准备期、施工期、自然恢复期 坏原地表及植被的面积相同，总计为４３１．２６ｈｍ２（不计水面 三个阶段水土流失量预测，本工程水土流失总量为 面积）。 ８０６１０．８６ｔ，工程区新增水土流失量为５４５５８．５３ｔ。 施工准备期主要是三通一平工作，扰动地表包括施工 ５．２指导性意见 道路修建、临时生产生活区的平整等。施工过程中高压线 （１）重点水土流失防治区段确定。经水土流失量预测 路已架好，所以扰动预测时将面积扣除。 分析，工程建设期水土流失防治重点地段是弃渣场和料场 自然恢复期主体工程已经开始运行，主体工程采取的 区，重点时段是工程建设期。在施工过程中如果不进行有 各项工程措施逐渐发挥作用，管理区已被办公楼、路面和 效防治措施遇到大风或暴雨天气产生水土流失量较大，影 绿化植被覆盖，所以扰动预测时将这类面积扣除。自然恢 响正常施工。 复期内，人对地表的扰动逐渐减小，其水土流失量比施工 （２）应采取的防治措施类型。根据各个施工分区产生 期小，根据同类水利工程水土保工作经验，咨询有关专 水土流失因素，及水土流失的不同特点，因地制宜的确定 家，确定本工程自然恢复期土壤侵蚀模数为工程区扰动后 防治措施类型：主体工程建设区施工结束后，大部分区域 侵蚀模数和工程区原生土壤侵蚀模数和的一半，自然恢复 被永久建筑物占压，施工期应重点考虑临时防护措施，在 期水土流失量预测见表４—１。 施工结束后采取一些施工迹地平整措施，管理区施工期应 重点做好时防护措施，弃渣场和料场区是本工程重点水土 流失防治区，在施工期和施工结束后都存在潜在的水土流 失问题，考虑到防护措施的长期有效性，应重点做好防护 措施，临时生产生活区施工期应重点考虑临时防护措施， 施工结束后采取一些施工迹地平整措施。 （３）防治措施的实施进度要求。根据主体工程建设施 工特点，施工开始和结束后应结合主体工程实施进度安 排，应重点做好工程防护措施，在施工进行时，因根据天 气情况及时采取临时措施，特别是３～９月多风多雨季节， 植物措施应在施工完毕后的春、秋两季进行。 此外为减少施工期由于不断扰动而引发的水土流失。 要求主体工程应根据气象条件灵活调整施工进度，避免在 大风（风速＞７ｍ／ｓ）和强降雨天气下施工。 （４）对水土保持监测的要求。为使采取的水土流失防 表４＿ｌ水土流失量计算表 护措施发挥更好的水土保持效益，还应进行水土流失监 通过对本工程施工准备期、施工期、自然恢复期三个 测，考察措施的有效性，必要时及时调整措施，并为今后 阶段水土流失量预测，本工程水土流失总量为８０６１０．８６ｔ， 同类工程的水土流失防治提供参考和借鉴。 工程区新增水土流失量为５４５５８．５３ｔ。 参考文献：（略） ５ 水土流失预测结论及指导性意见 （上接第ｊ ７页）［２］焦守荣．数据挖掘中的聚类算法研究［Ｄ］．上 化，２００６，（４７８）． 海理工大学：硕博士论文库，２００５． ［７］阎文星，梁庆霞，辛爱莉．利用数据挖掘实现管理客户关系中的 ［３］孙佩佩．浅谈客户关系管理［Ｊ］．内蒙古科技与经济，２００７，（２）． 客户保持［Ｊ］．商场现代化，２００６，（４７２）． ［４］刘友军，吴 建．数据挖掘在ＣＲＭ中的应用研究［Ｊ］．商业研 ［８］杨路明，杨竹青等．客户关系管理与企业获取客户的方法［Ｊ］．商 究，２００７，（５２４）． 业研究，２００６，（３５３）． ［５］Ａｌｅｘ Ｂｅｒｓｏｎ，Ｓｔｅｐｈｅｎ Ｓｍｉｔｈ，Ｋｕｒｔ Ｔｈｅａｒｌ ｉｎｇ．Ｂｕｉ ｌｄｉｎｇ ［９］闰雪晶，王金菊．数据挖掘在交叉销售中的应用［Ｊ］．云南财贸学 Ｄａｔａ ｍｉｎｉｎｇ Ａｐｐｌｉｃａｔｉｏｎｓ ｆｏｒ ＣＲＭ［Ｍ］． ＭｃＧｒａｗ— 院学报，２００５：２１，６． Ｈｉ １ ｌＣｏｍｐａｎｉｅｓ，Ｉｎｃ，２００１． ［６］钱锋，徐麟文．基于数据挖掘的客户忠诚度提升［Ｊ］．商场现代
