管理信息系统
请插入学校图标
题目：浅议客户关系管理与数据挖掘 姓名：XXX 班号：XXX
学号： 20131000495 指导老师：XXX
目录
一、 客户关系管理概述 ............................................................... 3
二、 数据挖掘概述 ....................................................................... 4
三、 数据挖掘在客户关系管理中的应用 .................................... 5
四、 结语 ...................................................................................... 7
五、 参考文献及资料 ................................................................... 8
2 / 8
一、 客户关系管理概述
客户关系管理起源于西方的市场营销理论。进入20世纪90年代，随着知识经济时代的来临和信息技术的广泛应用，企业营销理念和策略发生了深刻的变化。客户的个性化需求受到前所未有的关注，客户满意和客户忠诚成为企业追求的目标。
客户关系管理（CRM）是一种以客户为中心的管理思想和经营理念；通过开展系统化的客户研究，优化企业组织体系和业务流程，实施于企业的市场营销、销售、服务和技术支持等与客户相关的领域，改进对客户的服务水平，提高客户的满意度和忠诚度，改善企业与客户之间的关系；企业通过信息技术、软硬件投资，建立能搜集、跟踪和分析客户信息的系统，为客户提供快速周到的优质服务，以吸引和保持更多的客户，使企业与客户获得双赢。
进一步地了解客户关系管理可以从不同角度、不同层次来理解，具体而言，综述如下。
（一）客户关系管理是一种经营理念客户关系管理的核心思想是将企业的客户，包括最终客户、分销商和合作伙伴作为重要的企业资源，通过选择和管理客户，挖掘客户最大的长期价值。
（二）客户关系管理是一种新型的管理机制客户关系管理整合了客户、公司、员工等资源，通过对资源进行有效的分配和重组，使企业在整个客户关系生命周期内及时了解、使用有关资源，能在市场营销、销售、服务活动中把注意力集中到改善客户关系、提高员工对客户的快速反应能力；客户也能根据需求迅速获得个性化的产品、方案和服务。
（三）客户关系管理包含一整套解决方案客户关系管理是将最佳的商业实践与最新的信息技术紧密结合在一起，为企业的营销、销售、客户服务和决策支持等提供自动化的解决方案，它集合了最新的信息技术，包括Internet、多媒体技术、电子商务、数据仓库和数据挖掘、专家系统和人工智能、呼叫中心以及相应的软硬件设施。
客户关系管理内涵的延伸如下图：（《客户关系管理研究进展及其未来发展方向》——陆 涛）
3 / 8
而在当前网络环境下客户关系管理的基本内容如下： （一）客户分析
1.通过网络捕获客户线索，做好客户信息的收集，建立全面而详细的客户档案。
2.深入了解目标客户。海量客户信息为企业选择目标客户提供了依据，但必须深入了解客户，挖掘目标客户深层次的特征。
3.客户价值分析。对客户进行分析，关键是分析客户的终生价值。客户终生价值通常由历史价值、当前价值和潜在价值三部分构成。根据客户的当前价值和潜在价值可以将客户分为发展型、维持型、培育型和放弃型四类。 （二）客户管理
1.客户分组。企业可以在目标客户信息中，根据客户的业务量的大小可分为大客户、中小客户和零散客户。根据客户与企业建立关系时间的长短可分为老客户、新客户和潜在客户。2.客户管理。客户管理主要是收集、整理、分析、利用客户资料，了解和把握客户的需求，采取积极、适当的行动来保持顾客的忠诚度。 （三）发展关系网络企业的关系网络包括客户、员工、供应商、分销商、合作伙伴、投资者等。
（四）管理客户关系通过在线客户管理服务，帮助销售团队统一进行客户管理和客户关系管理，使销售人员高效有序的安排客户关系跟进计划，推进客户关系跟进过程，使销售主管及时获知销售进展情况，监控客户成熟度转化情况，发掘有价值的客户。
二、 数据挖掘概述
数据挖掘是从数据库中的大量数据中抽取出潜在的、先前未知的、有价值的知识、模型或规则的非平凡过程。它是一种决策支持过程,主要是基于人工智能、机器学习、统计学等技术,高度自动化地分析企业的数据,做出归纳性的推理,从中挖掘出潜在的模式,预测客户的行为,帮助决策者调整市场策略,减少风险,做出正确的决策。（《利用数据挖掘加强客户关系管理》——梁娟娟,王喜成） 数据挖掘中的知识发现是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式，它是数据库研究中的一个很有应用价值的新领域，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。它不仅能从历史数据中建立回顾型模型，而且还能够建立预测型模型，为我们从大规模的数据库中提取有用信息提供了强有力的解决工具。数据挖掘不但能够学习已有的知识，而且能够发现未知的知识。通过数据挖掘得到的知识是“显式”的，既能为人所理解，又便于存储和应用，因此一出现就得到广泛的重视。计算机中能够存储已知结果的大量不同情况，然后由数据挖掘工具从这些信息里面沙里淘金，将能够产生模型的信息提取出来，并将模型以图、表、公式等人们易于理解的方式表达出来。
4 / 8
目前对于数据挖掘,一种比较公认的定义是数据挖掘就是从大型数据库的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的潜在有用信息,提取的知识表示概念、规则、规律、模式等形式。这种定义把数据挖掘的对象定义为数据库。而更广义的说法是:数据挖掘意味着在一些事实或观察数据的集合中寻找模式的决策支持过程。数据挖掘的对象不仅是数据库,也可以是文件系统,或其他任何组织在一起的数据集合。数据挖掘是知识发现的过程。数据仓库(Data Warehouse)已经成为现代数据挖掘的有效平台,并努力实现紧密耦合。按照“数据仓库之父”William H.Inmon的描述,数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合,支持管理部门的决策过程。客户关系管理中的数据挖掘就是利用数据挖掘理论和技术创建描述和预测客户行为的模型,以实现企业有效的客户关系管理。今天的技术可以使挖掘过程自动化,把数据挖掘与数据仓库紧密集成,并使用可视化和知识表示技术,向商业用户提供挖掘的知识。
三、 数据挖掘在客户关系管理中的应用
在客户关系管理中应用数据挖掘的要求：
数据挖掘技术本身不是万能的，要有效地支持客户关系管理，必须以科学的管理思想和制度为基础，并与其他的数据处理技术相结合。一个完善的客户关系管理系统应该以数据挖掘技术为核心，但不可能只有数据挖掘模块。 （一）建立完善的销售系统和呼叫中心
销售是企业生产周期的最后一环，在买方市场下，销售的作用日趋重要。一个良好的销售系统除了能记录企业产品销售情况外，还应具备快速反应的功能，即能够根据市场的实际情况及时调整自己的销售策略。当然我们这里指的销售系统是狭义的销售系统，因为从广义来说，客户关系管理本身就是销售的一部分。呼叫中心是为客户服务、市场营销、技术支持和其它的特定商业活动而接收和发出呼叫的一个实体，有时也称之为客户服务中心。通过利用电话、传真、互联网等现代通信技术，呼叫中心对外面向用户，对内与整个企业相连，与企业的管理、服务、调度、生产、维修结为一体。它还可以把从用户那里获得的各种信息全部储存在企业的数据仓库中，供企业领导者作分析和决策之用。呼叫中心是客户关系管理系统的前哨，发挥与客户互动的功能，在客户关系管理中起着举足轻重的作用。
（二）建立企业数据仓库
从理论上来说，数据挖掘所处理的数据可以来自企业的各种数据源，包括数据仓库、事务数据库以及各种数据文件。但由于数据挖掘的目的是发现海量数据中的潜在规律，以决策支持为目的，而传统的事务数据库和数据文件中一般以支持日常事务处理为主，其中的数据杂乱无章，难以进行挖掘。在实际工作中，数据仓库才是数据挖掘真正理想的数据源。数据仓库的创始人将数据仓库定义如下：“数据仓库是一个面向主题的、集成的、不同时间的、稳定的数据集合，用以支持管理决策。”它从多个同构或异构的传统数据库中获取原始数据，先按辅助决策的主题要求形成当前基础数据层，再按综合决策的要求形成综合数据层，其中
5 / 8
只包括过滤后的分析型数据，使最终用户可以直接从数据仓库提取数据，进行各种数据分析，为决策者提供完整、及时、准确、明了的决策信息。其过程可表示为：源数据——数据加工——成品数据——用户。
从行业角度分析数据挖掘技术的应用客户关系管理中数据挖掘应用的深度和广度针对行业的不同而有所不同,特别是针对与客户交流频繁、客户支持要求高的行业,如银行、证券、保险、电信、税务、零售、旅游、航空、医疗保健等。下面例举零售业、电信业、金融业客户关系管理中数据挖掘的应用。
（1）零售业客户关系管理中的数据挖掘:零售业客户关系管理是数据挖掘的主要应用领域,特别是由于日益增长的Web或电子商务方式的兴起。零售数据挖掘可有助于识别客户购买行为,发现客户购买模式和趋势,改进服务质量,取得更好的客户保持力和满意度,提高货品销量比率,设计更好的货品运输与分销策略,减少商业成本。例如:a.使用多特征数据立方体进行销售、客户、产品、时间和地区的多维分析;b.使用多维分析和关联分析进行促销活动的有效性分析;c.序列模式挖掘可用于客户忠诚分析;d.利用关联分析挖掘关联信息进行购买推荐和商品参照。
（2）电信业客户关系管理中的数据挖掘:电信业已经迅速地从单纯的提供市话服务演变为提供综合电信服务。电信网、因特网和各种其他方式的通信和计算的融合是目前的大势所趋。利用数据挖掘技术可帮助理解商业行为、确定电信模式、捕捉盗用行为、更好的利用资源和提高服务质量。例如:a.电信数据的多维分析有助于识别和比较数据通信情况、系统负载、资源使用、用户组行为、利润等;b.通过多维分析、聚类分析和孤立点分析进行盗用模式分析和异常模式识别;c.通过多维关联和序列模式分析进行电信服务组合和个性化服务;d.电信数据分析中可视化工具的使用。
(3)金融业客户关系管理中的数据挖掘:大部分银行和金融机构都提供丰富多样的储蓄服务、信用服务、投资服务。还提供保险服务和股票投资服务。在银行和金融机构中产生的金融数据通常相对比较完整、可靠,这大大方便了系统化的数据分析和数据挖掘。以下给出几种典型的应用情况:a.为多维数据分析和数据挖掘设计和构造数据仓库;b.特征选择和属性相关性计算有助于贷款偿还预测和客户信用政策分析;c.分类和聚类的方法可用于客户群体的识别和目标市场的分析;d.通过数据可视化、链接分析、分类、聚类分析、孤立点分析、序列分析等分析工具帮助进行洗黑钱和其他金融犯罪的侦破。
具体来说,在客户关系管理中,它可以应用在以下几个方面:
（1）一对一营销。企业内部员工必须首先认识到客户是企业永恒的宝藏,而不是本部门的一次交易。所以,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,为每位客户设计相符的、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青睐。一对一营销是指了解每一个客户,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爱好,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
6 / 8
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。在客户与你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。交叉销售就是指你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上的,对客户来讲,要得到更多更好满足他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你的产品不了解的顾客,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:a.无价值或低价值的客户;b.不会轻易走掉的有价值的客户;c.不断地寻找更优惠的价值和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。
四、 结语
客户关系管理是企业保持市场竞争力的重要手段和必不可少的重要环节，利用数据挖掘技术对客户数据库中收集、加工和存储的大量客户消费信息进行分析和处理,以确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求,分析客户的特征,探索企业和所对应市场的运营规律性,提供既定性又定量的分析,然后将分析结果反馈给管理者和整个企业内部,为企业的客户关系管理工作提供决策支持,及时、准确地掌握客户的变化趋势,加强与客户的联系,有效管理和挖掘客户资源,建立和维护客户关系,使企业获得独特的竞争优势。数据挖掘技术的引入高质量地实现了客户关系管理的目标，充分发挥了客户关系管理的作用。当前国外许多企业为了获得竞争优势，积极地投入资金、人力、物力进行该项研究和应用，并取得了较好的投资回报率。同样，该项技术在国内也必将有较好的应用前景。数据挖掘技术在电子商务时代客户关系管理中有着广泛而深入的应用,这一研究领域体现着越来越大的研究价值。随着数据挖掘技术的进一步发展和深化,必然会带给客户关系管理更为广泛的应用前景和市场价值。这种价值对增强
7 / 8
我国企业的核心竞争力将会发挥越来越大的作用。
五、 参考文献及资料
[1]http:∥www.amteam.org/docs/BDLayoutListView.
[2]客户关系管理的研究现状、不足和未来展望——王永贵,董大海 [3]浅谈客户关系管理(客户关系管理)——安树宝
[4] 中国人民大学统计学系数据挖掘中心.建立数据挖掘为基础的客户关系管理体系[J].统计与信息论坛, 2002, (4): 4-7.
[5] (英)Hand D,著.张银奎等译.数据挖掘原理[M ].北京:机械工业出版社, 2003.
[6]http://客户关系管理.AMTeam.org,2000.
8 / 8
管理信息系统结课论文
