数据挖掘技术客户端毕业设计

题题 目：目：数据挖掘技术在客户关系数据挖掘技术在客户关系 管理中的研究与应用管理中的研究与应用 摘 要 客户关系管理(CRM)是一种旨在改善企业与客户之间关系的管理机制,它通 过提供优质和个性化的服务吸引和保持更多的客户。经过多年经营管理，企业 拥有关于客户的大量数据,这些数据背后隐藏着许多重要的信息，而这些信息对 企业决策的制定和生存发展有着至关重要的作用。那如何从大量的繁杂数据中 提取有价值的信息呢？数据挖掘技术就是这样一种工具。它可以通过有关联分 析、相关性分析、预测分析、聚类分析等挖掘出对企业有价值的信息，从而帮 助企业经营管理者做出有助于改善与客户关系的决策，进一步促进企业的发展。 本文从客户关系管理的需求入手，在分析了数据挖掘的基本原理和技术后， 介绍了数据挖掘技术在客户关系管理中应用的方法和步骤，并以在汽车销售行 业决策树在客户分类方面的应用为例说明了数据挖掘技术在客户关系管理中的 应用。 关键词：客户关系管理，数据挖掘技术，决策树，客户分类 Abstract Customer Relationship Management(CRM) is a kind of new management system aiming at improving the relationship between corporations and their customers. It attracts and keeps more customers by providing superior quality and characteristic service. Running the corporation for manay years, the business enterprise hugs a great deal of data concerning customer, Which conceal many important informations, and these informations are very important for making decision and the development of the enterprise. But how does that withdraw a worthy information from the great quantities complicated data? Data Mining is a kind of tool according to the technique. It can pass relevant allied analysis, relativity analysis, predict analysis and gather a type of analysis etc to dig out worthy information for the business enterprise, helping the enterprise manager to make decisions which improve the relationship with customers, promote the development of business enterprise further. This text related to the need of Customer Relationship Management(CRM) and analysis Data Minings applied method and the step in the customer relationship management after introducing basic principle and technique of Data Mining .Then take the application of decision tree in customer categorize in car selling field for example, briefly explained the application of Data Mining in the customer relationship management . Key words: customer relationship management, data mining, decision tree, customer categorize 目 录 摘 要.I ABSTRACT.II 目 录.III 第一章 引 言.1 1.1 论文研究的背景.1 1.2 国内外研究的现状.2 1.3 研究内容、目的和意义.2 1.4 本章小结.3 第二章 客户关系管理概述.4 2.1 客户关系管理（CRM）的基本概念.4 2.2 客户关系管理的重要作用.5 2.3 CRM 的实现过程.6 2.4 CRM 的发展趋势及前景.7 2.5 本章小结.7 第三章 数据挖掘的基本理论.8 3.1 数据挖掘的概念.8 3.2 数据挖掘的任务.9 3.3 数据挖掘的技术.9 3.4 数据挖掘的功能及作用.10 3.5 本章小结.11 第四章 数据挖掘技术在客户关系管理中的应用.12 4.1 数据挖掘与客户关系管理.12 4.2 数据挖掘在客户关系管理中的功能.13 4.3 企业进行数据挖掘项目的方式.15 4.4 在客户关系管理中应用数据挖掘的过程.16 4.5 本章小结.19 第五章 案例分析.20 5.1 案例背景.20 5.2 决策树方法用于客户分类.20 5.2.1 数据准备及转化 .20 5.2.2 构造模型 .23 5.2.3 结果分析 .27 5.3 本章小结.27 结 论.28 参考文献.29 致 谢.30 第一章 引 言 1.1论文研究的背景 随着商品经济的发展，以客户为驱动的生产战略越来越受到国内企业的重 视和认识。从宏观上来看，整个社会经济的发展己经进入了以“客户”、“竞 争”、“变化”为主线的新经济时代。在这个时代，产品同质化的趋势越来越 明显，竞争的焦点也已经从产品的功能、价格的竞争转向品牌、服务的竞争， 最终转为客户资源的争夺。所以，企业如何与客户建立和保持一种长期、良好 的合作关系?如何掌握客户资源、赢得客户信任?如何分析客户需求及价值，并 在此基础上制定出企业发展战略和市场策略，生产出满足客户需要的产品和服 务，将是企业核心竞争力的关键所在。说到底，客户关系管理（CRM）的实质 就是通过供应链客户端的延伸，针对特定市场区段的客户来进行专门化的销售 和服务，实现对客户资源的保值增值。现在 CRM 已成为业界最流行的术语。 作为企业管理的新理念与新机制，CRM 的研究与应用成为了全球最热衷的市场 之一。 现在任何商业成功的一个关键因素是企业有效利用信息的能力。要利用数 据作战略决策，就必须发现关于消费者、销售商和供应商那些隐藏的、以前未 发现的和经常出现的极有价值的情况、行业趋势和方向及其他有意义的因素。 了解这些信息，一个企业就可以系统地得出有效的商业、推销和销售策略；精 确定位促销活动的目标；发现和了解新的市场；在商业竞争中获胜。但目前传 统数据库所能做到的只是对数据库中的数据进行诸如录入、查询、统计等操作 型处理，通过这种处理所获得的信息仅仅是数据库所包含的信息的一部分。缺 乏对数据整体性的描述及其发展趋势预测方面的信息，无法发现数据中存在的 关系和规则，再根据现有的数据预测未来的发展趋势，从而导致了数据爆炸但 知识贫乏的现象。因此迫切需要一种能从大量数据中获取真正有价值信息、从 信息中及时地发现知识的工具，这种新工具就是数据挖掘技术。它融合了数据 库、人工智能、机器学习、统计学等多个领域的理论和技术。虽然数据挖掘是 一门新兴学科，但已在经济界显示出巨大的潜在价值。 1.2国内外研究的现状 随着数据挖掘技术的逐渐成熟以及信息技术的发展，国内外许多大的软件 厂商已经把数据挖掘技术应用到客户关系管理软件当中，因为缺乏数据挖掘技 术的客户关系管理软件已不是一个优秀的、完整的软件；而且数据挖掘技术的 一个很重要应用环境就是数据库，以及在此基础上建立起来的数据仓库，现在 很多大型的数据库例如 Oracal，SQL server 等都已经引入了数据挖掘技术，虽 然要进行数据挖掘不一定非要在数据库中进行，但是在数据库给数据挖掘带来 的便利以及成效是不容忽视的。 由于收集、维护数据需要巨大成本，所以在在收集并存储客户资料日益盛 行的时候，已经有一些公司明确表示要放弃对详细的客户数据的收集工作，而 且国内对 B-C 模式下定量的、动态的客户关系管理的研究几乎还是空白，而对 客户进行管理离不开存储在企业各类客户(包括员工、消费者、合作伙伴等)身 上的各种知识，所以，对 B-C 模式下的基于数据挖掘的动态客户关系管理的研 究就显得异常迫切与重要。 1.3研究内容、目的和意义 本论文以数据挖掘技术在客户关系管理中的研究与应用为主要对象，在介 绍了客户管理、数据挖掘技术之后，研究了数据挖掘技术在客户关系管理中应 用的重要价值及主要步骤，最后以决策树在客户细分和线性回归在预测方面的 应用为案例，说明了数据挖掘技术在客户关系管理中的应用过程。 本论文的研究目的是：使企业能够在客户关系管理中知道谁是客户、什么 是客户的需要、客户需要什么样的产品和服务、如何才能满足客户的要求，以 及满足客户要求的一些重要限制因素；还能观察和分析客户行为对企业收益的 影响，使企业与客户的关系及企业盈利都得到最优化。使企业能够通过数据挖 掘技术对市场和客户信息进行统计和分析，发现市场机会，确定目标客户群和 营销组合，科学地制定出市场和产品策略。从而使数据挖掘技术能够发挥出它 的商业价值。 CRM 的良好应用前景会进一步加快数据挖掘技术的成熟和发展。在 CRM 中有效利用数据挖掘,可以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。目前,国内外已经有众多的供应商正 致力于 CRM 系统的开发之中。只有融合了数据挖掘技术的高效的客户关系管 理才能更好地适应当今信息时代及其网络化特征，成为现代企业在激烈的市场 竞争中生存的根本和制胜的关键。因此研究客户关系管理和数据挖掘的核心理 论及其实际应用，对我国的客户关系管理的发展和企业信息化水平的提高有着 重要的意义。 1.4本章小结 随着商品经济的发展，企业之间的竞争日趋激烈，以商品为主导的时代已 经过去，客户资源的争夺成为现在竞争的关键。本章在讨论了本论文产生的北 京后，研究了数据挖掘技术在客户关系管理中应用的现状以及进行此次论文研 究的目的、方法和意义。将数据挖掘技术应用在客户关系管理领域，不仅对数 据挖掘技术的研究有了进一步的推动，而且促进了企业管理理论和客户关系管 理系统的发展，使一门新兴的技术体现了商业价值。 第二章 客户关系管理概述 随着社会经济与管理理论的发展，企业对管理方法和技术越来越重视，而 在企业管理中，又分许多方面，例如：人力资源管理、财务管理、库存管理、 客户关系管理、销售管理、质量管理等等；所有的这一切都是以企业盈利为目 的的，都是为了促进企业更好的发展，而这些方面都是相辅相成、互相联系的， 那一方面做不好都会制约企业的发展，因为研究内容的关系，下面仅对客户关 系管理做出介绍。 2.1 客户关系管理（CRM）的基本概念 CRM (Customer Relationship Management)就是客户关系管理。从字义上看， 是指企业用 CRM 来管理与客户之间的关系。CRM 的概念由美国 Gartner 集团 率先提出。我们认为，CRM 是辨识、获取、保持和增加“可获利客户”的理论、 实践和技术手段的总称。它既是一种国际领先的、以“客户价值”为中心的企 业管理理论、商业策略和企业运作实践，也是一种以信息技术为手段、有效提 高企业收益、客户满意度、雇员生产力的管理体制。 CRM 是一个获取、保持和增加可获利客户的方法和过程，也是企业利用信 息技术和互联网技术实现对客户的整合营销，是以客户为核心的企业营销的技 术实现和管理的实现。 CRM 是一种技术手段，它的根本目的是通过不断改善客户关系、互动方式、 资源调配、业务流程和自动化程度等，达到降低运营成本、提高企业销售收入、 客户满意度和员工生产力。企业以追求最大赢利为最终目的，进行好客户关系 管理是达到上述目的的手段，从这角度可以不加掩饰的说，CRM 的应用是立足 企业利益的，同时方便了客户，让客户满意。进而为企业带来长久增值和竞争 力1。 2.2 客户关系管理的重要作用 现在，客户关系管理在大中型企业的应用日益广泛，虽然实现的程度不同， 但大多数企业都认识到了客户关系管理的重要性。 客户关系管理的重要作用主要表现在以下几个方面： 1、 CRM 可以加速企业对客户的响应速度：CRM 改变了企业的运作流程， 企业应用与客户多种方式直接进行交流，大大缩短了企业对客户的响应时间， 企业也可以更敏锐的捕捉到客户的需求，从而为改进企业的业务提供了可靠的 依据。 2、CRM 可以帮助企业改善服务：CRM 向客户提供主动的客户关怀，根据 销售和服务历史提供个性化的服务，在知识库的支持下向客户提供更专业化的 服务，严密的客户纠纷跟踪，这些都成为企业改善服务的有力保证。 3、CRM 可以提高企业的工作效率：由于 CRM 建立了客户与企业打交道 的统一平台，客户与企业一接触就可以完成多项业务，因此办事效率大大提高。 4、CRM 可以有效的降低成本：CRM 的运用使得团队销售的效率和准确率 大大提高，服务质量的提高也使得服务时间和工作量大大降低，这些都无形中 降低了企业的运作成本。 5、CRM 可以规范企业的管理：CRM 提供了统一的业务平台，并且通过自 动化的工作流程将企业的各种业务紧密结合起来，这样就将个人的工作纳入到 企业规范的业务流程中去，与此同时将发生的各种业务信息存储在统一的数据 库中，从而避免了重复工作，以及人员流动造成的损失。 6、CRM 可以帮助企业深入挖掘客户的需求：CRM 注意收集各种客户信息， 并将这些信息存储在统一的数据库中，同时 CRM 还提供了数据挖掘工具，可 以帮助企业对客户的各种信息进行深入的分析和挖掘，使得企业“比客户自己 更了解客户”。 7、CRM 可以为企业的决策提供科学的支持：CRM 是建立在“海量”的数据 和逻辑关系的基础上。掌握了这些，企业的管理者就可以做出科学、准确的决 策，使得企业在竞争中占尽先机。 2.3 CRM的实现过程 CRM 的实现过程大体上分为以下三个步骤2,3： 1、调查、收集客户信息资料 数据对 CRM 显得十分重要，如何获得客户的相关数据呢?方法和渠道是什 么呢?很显然，有网络方式，也有传统的调查表、电讯工具等，还有企业日常经 营所建立的数据库。这一阶段是 CRM 的基础。目的是将所有客户的信息集中 起来，将每个客户的完整原始资料登记进入客户信息资料库，包括客户代码、 客户名称等所有的客户基本信息。 2、客户信息分析 分析是 CRM 成功的关键。只有通过对 CRM 的分析才有可能有效地对客户 关系进行管理。对客户信息的分析，可以使销售人员和分销商更好地掌握客户 的需求，与客户进行卓有成效地接触。因为任何事物都有一定的规律性，客户 关系管理也不例外。只有通过对客户群体组成的分析，得到群体客户在年龄、 职业等方面的特征，才能更好的应对当今流行的个性化服务(“一对一”的营销)。 3、实现企业战略决策 最后这一阶段使企业可以利用所得到的有价值的深入分析来获得，通过包 括市场营销、销售和客户服务在内的所有面向客户的活动，以及管理层如何进 行经营决策方面的行为，使得企业的业务流程和组织结构得以修正和整合。 如果不进行 CRM 分析，企业就如同瞎子摸象，对客户充满神秘感，不知 道如何吸引客户，引导客户。深入分析客户行为，将使企业对客户的理解不依 赖于那些单薄的证据。可靠的数据化的结论会引导企业业务流程的优化，这将 会使客户满意，也必将延长企业与客户的关系实现双赢。 2.4 CRM的发展趋势及前景 随着市场环境日益成熟，竞争日趋激烈，客户资源日显重要。现代企业管 理的重心随之从传统的生产、物流、财务等内部管理转向全面的客户关系管理， CRM 系统因而成为企业的重点。应用需求和信息技术的发展是推动 CRM 系统 发展方向的重要因素，目前 CRM 的发展呈现以下趋势：CRM 系统将全面采用 B/S 技术和全面集成各种信息交流技术，除此之外，更重要的是：CRM 系统将 更多的采用数据仓库和数据挖掘技术。 作为管理客户资源这一企业核心资源的信息系统，CRM 系统必须具备强大 的数据分析和挖掘功能，为管理者作出正确的决策提供及时而准确的依据。数 据仓库(Data Warehouse )、数据挖掘(Data Mining)和 OLAP 技术己成为 CRM 系 统提供决策支持的关键技术。CRM 系统可以利用这些技术为企业建立完善的、 量化的客户价值评估体系，以销售额、利润等原始数据为指标建立评估模型， 找出对企业最有价值的客户群体并分析其特征，帮助企业制定更合理的经营策 略。通过应用数据仓库和挖掘技术，一个 CRM 系统还能够透视企业销售、市 场和服务等各个业务环节，按照组织机构、时间、产品线和客户群体特征等各 种维度进行多维数据分析和数据挖掘，从而帮助企业及时发现市场环境的细微 变化和自身业务流程中的潜在问题，迅速采取相应的应对措施。 2.5本章小结 本章主要介绍了客户关系管理的基本概念，阐述了在企业中进行客户关系 管理的重要作用，以及从收集资料、信息分析到实现企业战略决策的整个实现 客户关系管理得过程。最后从客户关系管理系统、数据仓库和挖掘技术简单介 绍了客户关系管理的发展趋势及前景。由此章可以知道，客户关系管理对于企 业的生存发展至关重要，而且随着科学技术的发展，客户关系管理将会融入更 多的先进技术，而且其功能和作用也会日益完善。 第三章 数据挖掘的基本理论 3.1数据挖掘的概念 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中， 提取隐含在其中的、人们事先不知道的、但又潜在、有用的信息和知识的过程。 还有很多和这一术语相近似的术语，如从数据库中发现知识、数据分析、数据 融合以及决策支持等。如人们把原始数据看作是形成知识的源泉，就像从矿石 中采矿一样。原始数据可以是结构化的，如关系数据库中的数据，也可以是半 结构化的，如文本、图形、图像数据，甚至是分布在网络上的异构数据。发现 知识的方法可以是数学的，也可以是非数学的，可以使演绎的，也可以是归纳 的。发现了的知识可以被用于信息管理、查询优化、决策支持、过程控制等， 还可以用于数据自身的维护。因此，数据挖掘是一门交叉学科，它汇集了不同 领域的知识，尤其是数据库、人工智能、数理统计、可视化、等方面。 数据挖掘的概念具体如图 3.1，源数据继承得到数据，数据经过选择得到 目标数据，目标数据经过处理后得到预处理后数据。后数据经过挖掘得到各种 模式的数据，各种模式的数据经过解释就是知识4,5。 结果解释 数据挖掘 知识 模式数据 预处理 后数据 数据选择 数据集成 目标数据 数据 源数据 准备 挖掘 表达解释 图 3.1 数据挖掘技术的概念 3.2 数据挖掘的任务 数据挖掘任务一般可分为两类：描述和预测。描述性挖掘任务刻画数据库 中数据的一般特性。预测性挖掘任务在当前数据上进行推断，以进行预测。具 体任务分为： 1、总结规则挖掘 从客户指定的数据中从不同的角度或不同的层次上挖掘出平均值/极小值/ 极大值、总和、百分比等。挖掘结果运用特征规则和统计的曲线图表等表示。 2、关联规则挖掘 从客户指令的数据库中挖掘出满足一定条件的依赖性关系。 3、分类规则挖掘 找出描述并区分数据类或概念的模型，以便使用此模型预测类标记未知的 对象类。它通常使用类标记己知的数据对象作为训练数据集，通过对该数据集 的分析，导出数据的分类模型，然后使用模型预测未知数据。 4、聚类 聚类与分类不同，它没有类标记作为指导，类标记由它本身产生。对象根 据最大化类内的相似性、最小化类间的相似性的原则进行聚类和分组。9 5、预测分析 用于描述行为随时间变化的对象的规律或趋势，并对其建模。 所有用来进行分类及估计的技术都可以经过修正之后，通过已知变量数值 的训练组数据来得到。其中历史性数据是一个很好的来源。历史性数据可以用 来建立模型，以检查近年来观察值的变化，若运用最新数据作为输入值，可以 获得未来变化的预测值。 3.3数据挖掘的技术 最常用的数据挖掘技术有：12,14,15 1、人工神经网络(Artificial Neural Network)：它从结构上模仿生物神经网 络，是一种通过训练来学习的非线性预测模型，可以完成分类、聚类、特征挖 掘等多种数据挖掘任务。 2、决策树(Decision Tree)：用树形结构来表示决策集合，这些决策集合通 过数据集的分类产生规则。典型的决策方法有分类回归树(CART )，一般用于 分类规则的挖掘。 3、遗传算法(Genetic Algorithm)：基于生物进化的概念设计一系列的过程 来达到优化的目的。这些过程有基因组合、交叉、变异和自然选择。为了应用 遗传算法，需要把数据挖掘任务表达为一种搜索问题而发挥遗传算法的优化搜 索能力。 4、最近邻技术(Nearest Neighbor)：通过 k 个最与之相近的历史记录的组合 来辨别新的记录，有时也称这种技术为 k-最近邻方法。这种技术可以用作聚类、 偏差分析等挖掘任务。 5、规则归纳(Rule Induction)：通过统计方法归纳、提取有价值的 ifthen 规则。规则归纳技术在数据挖掘中广泛使用，例如关联规则的挖掘。 6、可视化(Visualization)：采用直观的图形方式将信息模式、数据关联或 趋势呈现给决策者，决策者可以通过可视化技术直观地分析数据关系。 3.4数据挖掘的功能及作用 数据挖掘是整个客户关系管理中最重要的组成部分，是客户关系管理创造 商业价值的关键。 许多企业有数以百万计的历史数据，要经过传统的统计分析方法分析相当 困难，容易错失企业应有的商机。数据挖掘则利用高级统计工具和人工智能技 术，对数据库或其它电子文档提供的庞杂数据进行筛选、推导与模型构造等操 作，充分了解客户购物信息，有效地和客户建立亲密关系，找出恰当的营销模 式，正确掌握未来经营动态，有效地提供营销、销售和服务的决策支持，让企 业得到充分的信息而展开行动。并于最恰当的时间、最恰当的地点，给最恰当 的客户提供最恰当的一对一的产品和服务。 有了数据挖掘，可以更深层次地了解客户，与客户深交，更有效地进行营 销，从而为企业扩大原有商机。 有了数据挖掘，可揭露隐含在数据与模式中的闪光点，从原始数据获取崭 新知识，从而为企业创造新的商机。 有了数据挖掘，可以更准确地预知未来客户、潜在客户，预知未来的需求 和未来的经济状况，大幅提高目标市场营销的准确度，减少无目标的营销策略， 从而较其他竞争者优先获得商机。 总之，正是有了数据挖掘，使企业从大量数据中获得了深层的、隐含的、 潜在的、未来的客户知识，为企业扩大原有商机、创造新的商机、优先获得商 机提供非常有利的条件，进而为企业经营提供更有效的营销、销售和服务的决 策支持，使数据挖掘成为客户关系管理中最重要的也是最关键的一个组成部分。 3.5本章小结 本章从数据挖掘的对象以及数据挖掘的简单过程全面揭示了数据挖掘的含 义 ，然后说明了数据挖掘的任务，即数据挖掘可以产生什么效果。并简单介 绍了常用的数据挖掘技术神经网络、决策树、遗传算法、关联规则等。以 及数据挖掘的功能及作用，说明了在客户关系管理中应用数据挖掘技术将是一 个大的趋势，并有广阔的发展前景。从而引出下一章：数据挖掘技术在客户关 系管理中的应用。 第四章 数据挖掘技术在客户关系管理中的应用 由于数据挖掘技术的日益成熟和计算机科学技术的发展，数据挖掘技术已 越来越多的应用到计算机领域，数据库中数据挖掘技术的应用就是一个很典型 的例子；而除此之外，数据挖掘技术的应用前景还非常广泛，例如客户关系管 理领域，下面介绍一下数据挖掘在客户关系管理中的应用： 4.1数据挖掘与客户关系管理 您听说啤酒与尿布的故事吗？听到这两个词的时候，您也许会觉得它们毫 无联系，但是它们之间的联系却成为业内广为流传的佳话。故事是这样的： 美国的大型零售商沃尔玛内部的数据仓库系统里集中了详细的原始交易数 据，在这些原始交易数据的基础上，沃尔玛利用数据挖掘(Data Mining)工具对 这些数据进行分析和挖掘。一个意外的发现就是：尿布和啤酒的销售量相互关 联！啤酒和尿布表面看起来风马牛不相及，借助于数据仓库系统，商家发现了 隐藏在背后的事实：购买尿布的家庭，家中必然有小孩，孩子的母亲通常会在 家中照顾小孩，而父亲在购买尿布的同时，常常顺便帮自己买一些啤酒。既然 尿布与啤酒一起购买的机会最多，沃尔玛就在它的商店里将它们并排摆放在一 起，并在二者之间放上土豆片之类的佐酒小食品，结果是尿布与啤酒的销售量 马上成倍增长，给企业带来丰厚的利润。 客户被企业所重视已经由来己久，寻找新客户对于企业的重要性不言而喻， 但是维持己有的客户关系也很重要。而且进攻型的营销成本远远高于防守型的 营销成本，吸引新顾客的成本至少是保持老顾客的成本的 10 倍。越来越多的 企业认识到维系现有的顾客的重要性，现有的顾客代表着最佳的利润增长机会。 营销学中有一条著名的“80-20 定律”，也即 80%的业绩来自 20%的经常惠顾 的顾客。因此，对企业有不同贡献的顾客的到的却是同样的对待，不仅不助于 提高顾客的积极性，而且对企业在激烈的竞争中发展也是不利的。而哪些顾客 对企业贡献大，哪些贡献少甚至没有贡献？怎样制定策略才能增加营业额？这 些潜在的信息怎样去发现呢？数据挖掘能帮你找到答案。对于企业，进行客户 关系管理需要一种技术来帮助它发现潜在的信息，而这正好是数据挖掘技术的 优势。 4.2数据挖掘在客户关系管理中的功能 如果企业把利润作为自己的目标，客户关系管理则是达到这个目标的最有 用的工具，而数据挖掘是这个工具的最佳引擎。数据挖掘是指从大量数据中寻 找隐藏的信息过程。具体到 CRM 中，企业可以通过数据挖掘，分别针对企业 经营策略、目标定位、操作效能与测量评估等几个方面的相关问题，从市场与 顾客所搜集积累的大量数据中高效率地挖掘出消费者最关心和最重要的答案， 并以此建立真正由客户需求出发的客户关系管理。同时，完整的数据挖掘还可 从数据仓库提供的大量顾客数据中挖掘到充分的信息来指导工作人员的行动， 使他们能在适当的时间和地点提供顾客适宜的产品及服务，大幅提高作业的效 率。 数据挖掘可以应用到 CRM 的不同方面和阶段，主要包括： 1、一对一营销 企业内部员工必须认识到客户是企业永恒的宝藏，而不是本部门的一次交 易。每一次与客户接触都是了解客户的过程，也是客户体验企业的机会。因此， 真正的关心客户，为每位客户设计合适的和个性化的建议，才能让客户体会到 企业的价值。近年来，一对一营销正在被众多的企业所采用。一对一营销能够 了解每一个客户并同其建立起持久的关系。通过特征化和分类，数据挖掘可以 把大量的客户分成不同的类，在每一个类里的客户具有相似的属性，而不同类 里的客户的属性也不同。通过数据挖掘了解不同客户的偏好，提供有针对性的 产品和服务，可以大大提高各类客户对企业和产品的满意度。 2、客户盈利能力分析 在客户群中，客户的盈利能力有很大的区别。如果不知道客户的盈利能力， 就很难制定有效的营销策略以获取最有价值的客户，或者提高有价值客户的忠 诚度。数据挖掘技术可以用来预测在不同的市场活动情况下客户盈利能力的变 化。它从客户的交易历史纪录中发现一些行为模式，并使用这些行为模式来预 测客户盈利能力的高低或者发现盈利能力较高的新客户。 3、交叉销售 企业与客户之间的商业关系是一种持续的不断发展的关系。在客户与企业 建立起这种双向关系之后，可以使用很多方法使这种客户关系趋于完善，包括: 延长这种关系的时间，在维持这样的关系期间增加互相的接触，在每一次互相 接触中获得更多的利润。所有这些都可以通过交叉销售来实现。交叉销售是向 现有客户提供新的产品和服务的营销过程。交叉销售是建立在双赢原则基础上 的，对客户来讲，要得到更多更好满足需求的服务且从中受益；对企业来讲， 也会因销售额的增长而获益。通过相关分析，数据挖掘可以帮助你分析出最优 的合理的销售匹配。相关分析的结果可以用在交叉销售的两个方面:一方面是对 于购买频率较高的商品组合，找出那些购买了组合中大部分商品的顾客，向他 们推销“遗漏的”商品；另一方面是对每个顾客找出比较适用的相关规律，向 他们推销对应的商品系列。通过聚类分析，可以确定属于某一类的顾客经常购 买的商品，并向没有购买的此类顾客推销这些商品。 4、客户的获取 在大多数商业领域中，业务发展的主要指标体系中都包括新客户的获取能 力。新客户的获取包括发现那些对企业产品不了解的顾客，也可能是以前接受 竞争对手服务的顾客。通过对这些用户的细分，可以帮助企业完成潜在客户的 筛选工作 5、客户的保持 随着各个行业的竞争越来越激烈，企业获得新客户的成本不断地上升，因 此保持原有客户就显得越来越重要。一个企业的客户一般可分为三类:无价值或 低价值的客户、不会轻易走掉的有价值的客户和不断地寻找更优惠的价值与更 好服务的有价值的客户。传统的市场活动是针对前两类客户的，而现代客户关 系管理认为，特别需要用市场手段来维护的客户是第三类客户，这样做会降低 企业运营成本。数据挖掘可发现易流失的客户，企业就可以针对客户的需求采 取相应措施。 4.3企业进行数据挖掘项目的方式 企业进行数据挖掘项目有以下 5 种方式，具体进行数据挖掘项目时，可以 选择一种或联合几种一起进行。 1、购买记分模型 记分模型将成千上万的复杂的指标简化成一个分数，该分数是对具体应用 定级的标准。简单的例子如 IQ 记分。购买记分模型的优点是速度快且简单。 2、购买数据挖掘软件 数据挖掘的软件分为两种形式，一种是在软件内部，具体实现了一个模型， 该模型可能是决策规则的集合，也可能是一个已经训练好的神经网络，这种软 件能直接应用于某一行业的特地问题；另一种软件，实现了数据挖掘的整个建 模过程，该建模过程通过模版或向导的形式针对特定行业创建模型。 3、购买固定模型软件 这种模型软件实施成功的前提是模型所模拟的环境必须和公司的产品、客 户以及市场条件相类似。但是当条件改变的时候，这种模型不能根据环境的变 化做出相应的修改和调整。 4、购买创建模型的开发工具 一旦有合适的输入、输出变量，就能用这种软件自动化创建建模的过程， 并且可以从创建的多个模型中，选择出最好的一个。这回工具解决了一个问题， 即条件的变化不影响模型的创建，同时又出现了另一个问题：数据挖掘中许多 重要的过程不能自动完成，比如理解商业问题、数据预处理、创建派生变量等。 例如 IBM 的Intelligent Miner 属于这一类软件。 5、数据挖掘咨询 向外部的数据挖掘专家进行咨询，对公司进行数据挖掘项目是很有帮助的。 特别是公司内部没有对数据挖掘熟悉的人才时，这种方式显得尤为重要。那么 从哪儿寻找数据挖掘专家呢？一种途径是通过数据挖掘软件商，一般来说，他 们都提供关于自己软件和数据挖掘知识的培训课程，对于初次进行数据挖掘项 目的公司来说，这是一种很好的方法，比如 IBM 公司的商业智能培训。另一种 途径是通过数据挖掘中心，数据挖掘中心一般是学校和研究机构，在商业的资 助下创办的。 4.4在客户关系管理中应用数据挖掘的过程 要想将数据挖掘作为一种竞争的武器，就必须将其纳入一个更大的过程当 中，从而保证从数据挖掘中获得的信息转变为可以行动的结果。下面给出如何 车成功地使用数据挖掘工具和技术来在最大限度上提高其竞争优势的整个步骤。 该步骤主要包括：问题定义，发现问题，制定计划，采取行动及检测结果等。 1、问题定义 问题定义主要是对要解决的某一问题进行描述。例如，随着竞争的加剧， 仅仅使用传统的营销方法已经很难吸引顾客。下面，给出采用数据挖掘方法描 述客户分类问题的实例。 客户分类问题定义：如何从公司的基本客户识别出有价值的、优质的客户 群体，预测怎样才能保留这些客户以及怎样才能对这些客户进行交叉销售。 客户保留问题定义：相对于发展一个新客户，保留一个老客户只需要较少 的费用，特别是保留那些有价值的客户更是如此。数字设备公司 1995 年发表 的一份报告估计：为开拓市场而花费在市场营销、广告及赠送样品等的复合费 用平均每个新客户为 275400 美元。按照移动电话行业通常每年流失 30%的客 户计算，一年的维护费中每 10 万名客户不仅可以为企业带来源源不断的收入， 而且使企业在发展新客户上的投入上获得丰富的回报。数据挖掘模式为企业了 解高价值的特征并进一步预测其愿望提供了有效途径。这种模式可以帮助企业 及早发现客户可能离开的征兆，从而用更有吸引力的产品保留住这些客户。 交叉销售的问题定义：企业向客户销售的产品越多，客户的价值也就越高。 客户的增长意味着通过向他们销售更多的产品或服务而提高了客户的价值。为 增加客户而采取的促销活动应当能够为每一位客户提供他们个人最感兴趣的产 品或产品组合。数据挖掘软件将可以帮助企业准确的发现特别适合于某一特定 产品的客户。 2、发现信息 通过数据挖掘技术分析，可从其客户那里发现更多的信息。首先，需要从 公司的客户群中识别并划分出高价值的客户，也就是要快速识别出那些真正需 要保留的客户，即以生命周期价值计算那些客户才是最重要、最有价值的客户。 经过分析识别出了一类新的客户，并称之为“高价值客户”（Power User）或 “A”类客户。 3、制定计划 由于公司的目标是保留并增加客户的价值，所以在识别出这些高价值用 户后，接下来就要开展一系列的市场营销活动为这些客户提供有吸引力的产品。 由于向用户提供的新产品可能是多种多样的，所以可以用数据挖掘来确定这些 产品中那些最适合于哪类高价值用户。 高价值拥护不同于普通用户。他们有其特殊的去求和问题，因此要保留住 这些用户就必须有针对的制定出新的市场计划。也就是制定一个客户忠诚度 （Customer loyalty）计划，以便能够保留尽可能多的高价值用户。制定一个有 针对性的市场促销计划是一项很难的任务。计划的内容必须基于及时有效的信 息，这样才能保证计划的目标能够准确跟得上人们的消费行为及市场的变化。 此外，特定产品在特定时间对某一单个用户才是最为适用的。而且，在特 定时期，其他竞争者也会针对本公司的特定产品采取有目标的促销行为。此外， 在不同的月份中，一个客户的价值、重程度及市场定位也将随着其家庭或职务 的变化而发生变化。 4、采取行动 这一步就是将这些促销计划付诸行动，例如，如何将数据挖掘综合到企业 的经营决策和市场促销活动中，如何将数据挖掘模型连同决策交付机制一起集 成到客户呼叫中心之中，如何创建一个反馈闭环以检测促销活动的成效。从表 面上看其来就是将预测模型的结果付诸实践，这似乎和简单，但事实上却是一 件十分复杂的事情。所采取的原则是当客户与公司进行联系时，开展促销活动 最有针对性。客户与公司进行联系的渠道包括呼叫中心或交互式 Web 站点。用 户主动与公司进行交互