- 相關(guān)推薦
客戶關(guān)系管理的數(shù)據(jù)采集過程分析
內(nèi)容摘要：近幾年來許多公司都建立了自己的CRM系統(tǒng)，但大多數(shù)公司幾乎沒有對(duì)CRM系統(tǒng)進(jìn)行深入使用。企業(yè)怎樣才能更好的利用CRM系統(tǒng)，數(shù)據(jù)采集就成為幫助他們從數(shù)據(jù)中獲得有用信息的有力工具。本文描述了在CRM系統(tǒng)中應(yīng)用數(shù)據(jù)采集的六個(gè)步驟，希望能對(duì)相關(guān)企業(yè)有所幫助�！ ￡P(guān)鍵詞：CRM 數(shù)據(jù)采集客戶關(guān)系管理(CRM)有助于提高公司與顧客之間交流的效益并且同時(shí)使其變得更加友好，然而，如果沒有一種科學(xué)方法，很難去處理大量的客戶信息和日益復(fù)雜的與客戶的交流。因此如何充分利用這些數(shù)據(jù)并發(fā)揮效益就成為工作的重點(diǎn)。
要使CRM產(chǎn)生效益首要任務(wù)就是數(shù)據(jù)采集。所謂數(shù)據(jù)采集即對(duì)大量數(shù)據(jù)中的新奇、隱含和可控的知識(shí)進(jìn)行重要提取并且可利用其做出準(zhǔn)確的預(yù)測(cè)，找到好的顧客，提出合適的附加產(chǎn)品等。一般數(shù)據(jù)采集包含以下六步： 企業(yè)定義→數(shù)據(jù)儲(chǔ)存→數(shù)據(jù)選擇→數(shù)據(jù)建�！鷶�(shù)據(jù)評(píng)估→部署，如圖1所示。
企業(yè)定義
數(shù)據(jù)采集本身就是解決實(shí)際的業(yè)務(wù)問題。首先數(shù)據(jù)采集的目標(biāo)應(yīng)該根據(jù)公司的商業(yè)需求以及對(duì)原始數(shù)據(jù)和實(shí)際操作的分析來定義。企業(yè)必須清楚自己的目的才能最好的利用數(shù)據(jù)采集。例如, 根據(jù)“提高反應(yīng)速度”或“增加反應(yīng)價(jià)值”的特定目標(biāo)，企業(yè)就需要建立一個(gè)截然不同的模型以加強(qiáng)服務(wù)中心的反應(yīng)。
數(shù)據(jù)采集在客戶關(guān)系管理中通常應(yīng)用于以下四個(gè)領(lǐng)域：保留客戶；客戶服務(wù)與支持；市場(chǎng)研究；提高客戶忠誠(chéng)度。
數(shù)據(jù)儲(chǔ)存與選擇
在數(shù)據(jù)儲(chǔ)存階段的主要任務(wù)是收集數(shù)據(jù)，同時(shí)應(yīng)該注意：數(shù)據(jù)不可以儲(chǔ)存在數(shù)據(jù)庫(kù)管理系統(tǒng)中，而是儲(chǔ)存在xml文件和excel里。
為了CRM的應(yīng)用，數(shù)據(jù)通常通過客戶、產(chǎn)品、市場(chǎng)來收集�？蛻舻馁Y料通常包含名字、年齡、性別、收入、工作、信用等級(jí)、是否結(jié)婚、是否有孩子等等。
數(shù)據(jù)選擇是數(shù)據(jù)采集六步驟中最重要的階段之一。前一個(gè)階段收集的數(shù)據(jù)當(dāng)然不是全部有效的，它可能包含噪聲數(shù)據(jù)、不一致的數(shù)據(jù)和模棱兩可的數(shù)據(jù)。如果要得到精確的結(jié)果，數(shù)據(jù)選擇是必須的。它通常由下列三個(gè)步驟組成：數(shù)據(jù)提取、數(shù)據(jù)處理、數(shù)據(jù)集成和轉(zhuǎn)換。
數(shù)據(jù)提取。解決一個(gè)具體的業(yè)務(wù)問題, 我們不需要所有的數(shù)據(jù)。應(yīng)該保留相關(guān)數(shù)據(jù)并且剔除無(wú)用數(shù)據(jù)。例如, 為了增加服務(wù)中心的反應(yīng)速度, 客戶的性別應(yīng)該被提取。
數(shù)據(jù)處理。在數(shù)據(jù)處理階段,應(yīng)該用平均值填充噪聲數(shù)據(jù), 改正不一致的數(shù)據(jù), 并且除去模棱兩可的數(shù)據(jù)等等。
數(shù)據(jù)集成和轉(zhuǎn)換。收集的數(shù)據(jù)通常存放于不同類型的數(shù)據(jù)庫(kù)管理系統(tǒng)或文件中，這就需要將其輸出到統(tǒng)一的數(shù)據(jù)集中，這也就是數(shù)據(jù)集成和轉(zhuǎn)換的重要任務(wù)。
數(shù)據(jù)建模
數(shù)據(jù)建模是一個(gè)重復(fù)的過程。我們需要探究許多模型從而找到一個(gè)最適當(dāng)?shù)哪Ｐ蛠斫鉀Q實(shí)際存在的業(yè)務(wù)問題。在搜索模型時(shí)，有時(shí)需要重新對(duì)先前的數(shù)據(jù)進(jìn)行改動(dòng)。在決定所做預(yù)測(cè)的類型（例如分類、聚類、聯(lián)合規(guī)則、回歸）以后，必須選擇一種模型類型（例如決策樹、神經(jīng)網(wǎng)絡(luò)、所有法或舊式備用的邏輯回歸）做預(yù)測(cè)。
在建立模型之前，應(yīng)將收集的數(shù)據(jù)分成兩組。一組用于建立和訓(xùn)練模型，另一組用于評(píng)估之后建立的模型。目前已經(jīng)存在許多成熟的模型。但是要應(yīng)用CRM軟件解決業(yè)務(wù)問題，究竟哪種模型最適用于解決具體的業(yè)務(wù)問題呢？主要有以下三種：
分類和聚類。根據(jù)客戶不同的購(gòu)買模式和個(gè)人資料（譬如社會(huì)經(jīng)濟(jì)地位、性別、年齡、生活方式、家庭背景等等），可對(duì)客戶進(jìn)行分組。對(duì)客戶進(jìn)行分類在CRM中發(fā)揮著重要作用，特別是當(dāng)實(shí)施營(yíng)銷戰(zhàn)略或決定價(jià)格靈敏度時(shí)。對(duì)客戶分類可以將目標(biāo)市場(chǎng)定義為片段的集合，每段具有不同的特征。我們采取不同的策略來滿足每個(gè)片段的不同需要從而保持與客戶的有利可圖的長(zhǎng)期關(guān)系。決策樹是用于該領(lǐng)域的最有代表性的算法。
回歸分析�；貧w分析主要用于分析市場(chǎng)趨勢(shì)。市場(chǎng)分析包括新產(chǎn)品趨勢(shì)分析，通過趨勢(shì)分析從而提出緊密聯(lián)系市場(chǎng)和不同地區(qū)不同需求的反映季節(jié)趨勢(shì)的產(chǎn)品。決策樹也是該領(lǐng)域的算法。k-mean是用于該領(lǐng)域的最有代表性的算法。
聯(lián)合規(guī)則。聯(lián)合規(guī)則主要用于分析顧客的購(gòu)買模式從而使公司對(duì)于目標(biāo)營(yíng)銷做出更好的決策，更加有效地規(guī)劃庫(kù)存和組合，生產(chǎn)出可以創(chuàng)造更多利潤(rùn)的產(chǎn)品。Apriori是用于該領(lǐng)域的最有代表性的算法。
數(shù)據(jù)評(píng)估及部署
建立模型以后，要評(píng)估和驗(yàn)證結(jié)果。因?yàn)樗占臄?shù)據(jù)分為兩組，一組用于建立和訓(xùn)練模型，而另一組則用來評(píng)估建立模型的有效性。
含混矩陣是數(shù)據(jù)評(píng)估最有用的方法之一，如表1所示。
表1總結(jié)了對(duì)水果農(nóng)場(chǎng)進(jìn)行數(shù)據(jù)采集的結(jié)果：豎列顯示了農(nóng)場(chǎng)實(shí)際售出的水果噸數(shù)，橫行表示農(nóng)場(chǎng)將要賣出水果噸數(shù)的預(yù)測(cè)值。因此在本數(shù)據(jù)采集中，對(duì)蘋果預(yù)測(cè)的準(zhǔn)確率達(dá)到48/54（=48 5 1），該數(shù)據(jù)采集的整體準(zhǔn)確率達(dá)到191/218=0.8761。
但是當(dāng)誤差不同時(shí)具有最高準(zhǔn)確率的模型并不是最合適的。 例如，如果農(nóng)場(chǎng)依據(jù)正確值/錯(cuò)誤值一噸蘋果可以賺$10/-15，一噸香蕉賺$20/-10和一噸桃子賺$25/-15，詳見表2。
農(nóng)場(chǎng)所獲利潤(rùn)是：
48×10 65×20 78×25-11×15-8×10-8×15=3730-365=$3365
現(xiàn)在看另一個(gè)數(shù)據(jù)集，如表3所示。
該數(shù)據(jù)采集的整體準(zhǔn)確率是195/218=0.8945。
農(nóng)場(chǎng)所獲利潤(rùn)是：
60×10 67×20 68×25-7×15-8×10-8×15=3640-305=$3335
第二個(gè)例子的準(zhǔn)確率高于第一個(gè)，但從數(shù)據(jù)采集求得的農(nóng)場(chǎng)所獲利潤(rùn)卻少于第一個(gè)。因而在評(píng)估模型時(shí)，應(yīng)該考慮問題的所有方面從而得到最有價(jià)值的模型。
在評(píng)估和驗(yàn)證模型之后，我們可以選擇最佳的模型并運(yùn)用其解決具體的業(yè)務(wù)問題，這就需要對(duì)模型進(jìn)行實(shí)際部署工作。
數(shù)據(jù)采集提供了巨大保障以幫助公司從數(shù)據(jù)的純卷積（或大量的數(shù)據(jù)）中獲得有用的信息。建立模型是使數(shù)據(jù)采集獲得成功的關(guān)鍵。一旦模型被建立并投入實(shí)施，將對(duì)企業(yè)數(shù)據(jù)收集和利用產(chǎn)生重要的作用。但世界每天都在變化，我們需要間隔性地對(duì)模型進(jìn)行核對(duì)。唯有如此，通過建立適當(dāng)?shù)哪Ｐ推髽I(yè)才能獲得更多有用的信息。
參考文獻(xiàn)：
1.Agrawal, R., and Psaila, G.主動(dòng)數(shù)據(jù)采集，1995
2.Cheeseman, P.發(fā)現(xiàn)最可能的模型，1990
【客戶關(guān)系管理的數(shù)據(jù)采集過程分析】相關(guān)文章：
局域網(wǎng)數(shù)據(jù)庫(kù)環(huán)境下數(shù)據(jù)采集及處理05-08
電力調(diào)度數(shù)據(jù)網(wǎng)安全管理分析的論文05-17
高性能數(shù)據(jù)采集系統(tǒng)芯片LM12H458及其應(yīng)用05-28
構(gòu)筑企業(yè)數(shù)據(jù)中心 實(shí)現(xiàn)理性分析決策06-04
旅游管理下數(shù)據(jù)挖掘運(yùn)用論文11-18
基于客戶關(guān)系管理談石油化工產(chǎn)品營(yíng)銷08-25