關(guān)于客戶關(guān)系管理數(shù)據(jù)挖掘論文

　　1理論研究

　　1.1客戶關(guān)系管理

　　客戶關(guān)系管理的目標(biāo)是依靠高效優(yōu)質(zhì)的服務(wù)吸引客戶，同時(shí)通過(guò)對(duì)業(yè)務(wù)流程的全面優(yōu)化和管理，控制企業(yè)運(yùn)行成本�？蛻絷P(guān)系管理是一種管理理念，將企業(yè)客戶視作企業(yè)發(fā)展最重要的企業(yè)資源，采用企業(yè)服務(wù)優(yōu)化等手段來(lái)管理客戶關(guān)系�？蛻絷P(guān)系管理并不是單純的信息技術(shù)或者管理技術(shù)，而是一種企業(yè)生物戰(zhàn)略，通過(guò)對(duì)企業(yè)客戶的分段充足，強(qiáng)化客戶滿意的行為，優(yōu)化企業(yè)可盈利性，將客戶處理工作上升到企業(yè)級(jí)別，不同部門負(fù)責(zé)與客戶進(jìn)行交互，但是整個(gè)企業(yè)都需要向客戶負(fù)責(zé)，在信息技術(shù)的支持下實(shí)現(xiàn)企業(yè)和客戶連接環(huán)節(jié)的自動(dòng)化管理。

　　1.2客戶細(xì)分

　　客戶細(xì)分由美國(guó)學(xué)者溫德爾史密斯在20世紀(jì)50年代提出，認(rèn)為客戶細(xì)分是根據(jù)客戶屬性將客戶分成集合�，F(xiàn)代營(yíng)銷學(xué)中的客戶細(xì)分是按照客戶特征和共性將客戶群分為不同等級(jí)或者子群體，尋找相同要素，對(duì)不同類別客戶心理與需求急性研究和評(píng)估，從而指導(dǎo)進(jìn)行企業(yè)服務(wù)資源的分配，是企業(yè)獲得客戶價(jià)值的一種理論與方法。因此我們注意到，客戶細(xì)分其實(shí)是一個(gè)分類問(wèn)題，但是卻有著顯著的特點(diǎn)。

　　1.2.1客戶細(xì)分是動(dòng)態(tài)的企業(yè)不斷發(fā)展變化，用戶數(shù)據(jù)不斷積累，市場(chǎng)因素的變化，都會(huì)造成客戶細(xì)分的變化。所以客戶細(xì)分工作需要根據(jù)客戶情況的變化進(jìn)行動(dòng)態(tài)調(diào)整，

　　減少錯(cuò)誤分類，提高多次細(xì)分中至少有一次是正確分類的可能性。

　　1.2.2受眾多因素影響

　　隨著時(shí)間的推移，客戶行為和心理會(huì)發(fā)生變化，所以不同時(shí)間的數(shù)據(jù)會(huì)反映出不同的規(guī)律，客戶細(xì)分方法需要在變化過(guò)程中準(zhǔn)確掌握客戶行為的規(guī)律性。

　　1.2.3客戶細(xì)分有不同的分類標(biāo)準(zhǔn)

　　一般分類問(wèn)題強(qiáng)調(diào)準(zhǔn)確性，客戶關(guān)系管理則強(qiáng)調(diào)有用性，講求在特定限制條件下實(shí)現(xiàn)特定目標(biāo)。

　　1.3數(shù)據(jù)挖掘

　　數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫(kù)數(shù)據(jù)中提取有價(jià)值的、隱含的、事前未知的潛在有用信息。數(shù)據(jù)挖掘技術(shù)不斷發(fā)展，挖掘?qū)ο蟛辉偈菃我粩?shù)據(jù)庫(kù)，已經(jīng)逐漸發(fā)展到文件系統(tǒng)、數(shù)據(jù)集合以及數(shù)據(jù)倉(cāng)庫(kù)的挖掘分析。

　　2客戶細(xì)分的數(shù)據(jù)挖掘

　　2.1邏輯模型

　　客戶數(shù)據(jù)中有著若干離散客戶屬性和連續(xù)客戶屬性，每個(gè)客戶屬性為一個(gè)維度，客戶作為空間點(diǎn)，全部客戶都能夠形成多為空間，作為客戶的屬性空間，假設(shè)A={A1，A2,…Am}是一組客戶屬性，屬性可以是連續(xù)的，也可以離散型，這些屬性就形成了客戶m維屬性空間。同時(shí)設(shè)g是一個(gè)描述客戶屬性的一個(gè)指標(biāo)，f(g)是符合該指標(biāo)的客戶集合，即為概率外延，則任一確定時(shí)刻都是n個(gè)互不相交集合。在客戶價(jià)值概念維度上，可分為“有價(jià)值客戶”“潛在價(jià)值客戶”“無(wú)價(jià)值客戶”三種類型，定義RB如下：(1)顯然RB是一個(gè)等價(jià)關(guān)系，經(jīng)RB可分類屬性空間為若干等價(jià)類，每個(gè)等價(jià)類都是一個(gè)概念類，建立客戶細(xì)分，就是客戶屬性空間和概念空間映射關(guān)系的建立過(guò)程。

　　2.2客戶細(xì)分?jǐn)?shù)據(jù)挖掘?qū)嵤?/p>

　　通過(guò)數(shù)據(jù)庫(kù)已知概念類客戶數(shù)據(jù)進(jìn)行樣本學(xué)習(xí)和數(shù)據(jù)挖掘，進(jìn)行客戶屬性空間與概念空間映射的自動(dòng)歸納。首先確定一組概念類已知客戶集合。首先確定一個(gè)映射：p：C→L，使，如果，則。，求p(c)確定所屬概念類。數(shù)據(jù)部分有客戶數(shù)據(jù)存儲(chǔ)和概念維數(shù)據(jù)構(gòu)成，客戶數(shù)據(jù)存儲(chǔ)有企業(yè)全部?jī)?nèi)在屬性、外在屬性以及行為屬性等數(shù)據(jù)，方法則主要有關(guān)聯(lián)規(guī)則分析、深井網(wǎng)絡(luò)分類、決策樹、實(shí)例學(xué)習(xí)等數(shù)據(jù)挖掘方法，通過(guò)對(duì)客戶數(shù)據(jù)存儲(chǔ)數(shù)據(jù)學(xué)習(xí)算法來(lái)建立客戶數(shù)據(jù)和概念維之間的映射關(guān)系。

　　2.3客戶細(xì)分?jǐn)?shù)據(jù)分析

　　建立客戶動(dòng)態(tài)行為描述模型，滿足客戶行為非確定性和非一致性要求，客戶中心的管理體制下，客戶細(xì)分影響企業(yè)戰(zhàn)術(shù)和戰(zhàn)略級(jí)別決策的生成，所以數(shù)據(jù)挖掘要能夠彌補(bǔ)傳統(tǒng)數(shù)據(jù)分析方法在可靠性方面的缺陷。

　　2.3.1客戶外在屬性

　　外在屬性有客戶地理分布、客戶組織歸屬情況和客戶產(chǎn)品擁有情況等�？蛻舻慕M織歸屬是客戶社會(huì)組織類型，客戶產(chǎn)品擁有情況是客戶是否擁有或者擁有哪些與其他企業(yè)或者其他企業(yè)相關(guān)產(chǎn)品。

　　2.3.2內(nèi)在屬性

　　內(nèi)在屬性有人口因素和心理因素等，人口因素是消費(fèi)者市場(chǎng)細(xì)分的重要變量。相比其他變量，人口因素更加容易測(cè)量。心理因素則主要有客戶愛好、性格、信用情況以及價(jià)值取向等因素。

　　2.3.3消費(fèi)行為

　　消費(fèi)行為屬性則重點(diǎn)關(guān)注客戶購(gòu)買前對(duì)產(chǎn)品的了解情況，是客戶細(xì)分中最客觀和重要的因素。

　　2.4數(shù)據(jù)挖掘算法

　　2.4.1聚類算法

　　按照客戶價(jià)值標(biāo)記聚類結(jié)果，通過(guò)分類功能，建立客戶特征模型，準(zhǔn)確描述高價(jià)值客戶的一些特有特征，使得企業(yè)在之后的市場(chǎng)活動(dòng)中能夠迅速發(fā)現(xiàn)并抓住類似的高價(jià)值客戶，全面提高客戶的整體價(jià)值水平。通常都采用中心算法進(jìn)行客戶的聚類分析，分析涉及的字段主要有客戶的基本信息以及與客戶相關(guān)業(yè)務(wù)信息，企業(yè)采用中心算法，按照企業(yè)自身的行業(yè)性質(zhì)以及商務(wù)環(huán)境，選擇不同的聚類分析策略，有主屬性聚類分析和全屬性聚類分析兩類。主屬性聚類分析是企業(yè)根據(jù)在企業(yè)標(biāo)度變量中選擇主要弧形作為聚類分析變量。通常區(qū)間標(biāo)度變量選用的度量單位會(huì)對(duì)聚類分析結(jié)果產(chǎn)生很大影響，選擇的度量單位越小，就會(huì)獲得越大的可能值域，對(duì)聚類結(jié)果的影響也就越大。

　　2.4.2客戶分析預(yù)測(cè)

　　行業(yè)競(jìng)爭(zhēng)愈加激烈，新客戶的獲得成本越來(lái)越高，在保持原有工作價(jià)值的同時(shí)，客戶的流失也受到了企業(yè)的重視。為了控制客戶流失，就需要對(duì)流失客戶的數(shù)據(jù)進(jìn)行認(rèn)真分析，找尋流失客戶的根本原因，防止客戶的持續(xù)流失。數(shù)據(jù)挖掘聚類功能同樣能夠利用在客戶流失數(shù)據(jù)分析工作中，建立基于流失客戶數(shù)據(jù)樣本庫(kù)的分類函數(shù)以及分類模式，通過(guò)模型分析客戶流失因素，能夠獲得一個(gè)最有可能流失的客戶群體，同時(shí)編制一個(gè)有針對(duì)性的挽留方案。之后對(duì)數(shù)據(jù)進(jìn)行分析并利用各種數(shù)據(jù)挖掘技術(shù)和方法在多個(gè)可供選擇的模型中找出最佳模型。初始階段，模型的擬合程度可能不理想，但是隨著模型的不斷更換和優(yōu)化，最終就有可能找出合適的模型進(jìn)行數(shù)據(jù)描述并挖掘出流失數(shù)據(jù)規(guī)律。通常模擬模型都通過(guò)數(shù)據(jù)分析專業(yè)和業(yè)務(wù)專家協(xié)作完成，采用決策樹、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)等流失分析模型，實(shí)現(xiàn)客戶行為的預(yù)測(cè)分析。

　　3結(jié)語(yǔ)

　　從工業(yè)營(yíng)銷中的客戶細(xì)分觀點(diǎn)出發(fā)，在數(shù)據(jù)挖掘、客戶關(guān)系管理等理論基礎(chǔ)上，采用統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)和數(shù)據(jù)挖掘技術(shù)，對(duì)客戶細(xì)分的數(shù)據(jù)挖掘方法進(jìn)行了研究，建立了基于決策樹的客戶細(xì)分模型，是一種效率很高的管理工具。

　　作者:區(qū)嘉良 呂淑儀 單位:中國(guó)石化廣東石油分公司

【客戶關(guān)系管理數(shù)據(jù)挖掘論文】相關(guān)文章：

客戶關(guān)系管理與數(shù)據(jù)挖掘技術(shù)綜述03-21

客戶關(guān)系管理中數(shù)據(jù)挖掘的應(yīng)用03-08

數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的應(yīng)用12-09

旅游管理下數(shù)據(jù)挖掘運(yùn)用論文11-18

旅游管理下數(shù)據(jù)挖掘運(yùn)用論文6篇11-18

數(shù)據(jù)挖掘的論文參考文獻(xiàn)10-14

客戶關(guān)系管理的論文07-28

客戶關(guān)系管理的數(shù)據(jù)采集過(guò)程分析03-21

基于數(shù)據(jù)挖掘的差異化車險(xiǎn)收入管理研究論文12-03

客戶關(guān)系管理論文08-22