用“数据”挖掘客户

提要在竞争激烈的商业时代，资源占有成为决定企业生死成败的关键。企业总希望建立与客户最稳固的关系，并最有效率地把这种关系转化为利润，即留住老顾客、发展新顾客，并锁定利润率最高的客户。企业需要了解客户的行为，但这种了解不可能通过与客户接触直接获得，因为企业不可能挨个与客户交谈，而且他们所需要的信息单个客户往往无法提供。企业所能做的，就是尽可能收集顾客的信息，借助各种分析方法，透过无序的、表层的信息挖出内在的知识和规律。在挖出大量信息之后，企业就可以根据这些规律或用这些信息设计数学模型，对未发生行为做出结果预测，为企业的综合经营决策、市场策划提供依据。

一、客户关系管理的涵义

客户关系管理（CRM），被描述为利用现代技术手段，是客户、竞争、品牌等要素协调运作并实现整体优化的自动化管理系统，其目标定位在提升企业的市场的竞争力、建立长期优质的客户关系、不断挖掘新的销售机会，帮助企业规避经营风险、获得稳定利润。认识客户关系管理，要从以下三方面：

（一）新管理理念。客户关系管理，是企业为提高核心竞争力，达到竞争制胜、快速成长的目的，树立以客户为中心的发展战略，并在此基础上开展的包括判断、选择、争取、发展和保持客户所需实施的全部商业过程。这是对客户关系管理基于企业管理的基本理念和指导思想的层面进行定义的。

（二）新商务模式。客户关系管理还是以客户关系为重点，开展系统化的客户研究，通过优化企业组织体系和业务流程，提高客户满意度和忠诚度，提高企业效率和利润水平的工作实践――这是基于企业的管理模式或经营机制的角度对客户关系管理进行的定义。

（三）新技术系统。客户关系管理也是企业不断改进与客户关系相关的全部业务流程、整合企业资源、实时响应客户、最终实现电子化、自动化运营目标的过程中，所创造并使用的先进的信息技术、软硬件和优化的管理方法、解决方案的总和。这主要是从企业管理中信息技术、软件及应用解决方案的层面对客户关系管理进行的定义。

二、数据挖掘的含义

数据挖掘，又称数据库中的知识发现(KDD)，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。

三、数据挖掘在客户关系管理中应用

（一）在客户关系管理中数据挖掘的内容。在CRM中，数据挖掘是从大量的有关客户的数据中挖掘出隐含的、先前未知的、对企业决策有潜在价值的知识和规则。

客户特征：数据挖掘的第一步就是挖出顾客的特征描述。企业在了解客户信息方面永不满足，他们不仅会想方设法了解顾客的地址、年龄、性别、收入、职业、教育程度等基本信息，对婚姻、配偶、家庭状况、疾病、爱好等的收集也是不遗余力。

黄金客户：通过客户行为分析，归类出消费额最高、最为稳定的客户群，确定为“黄金客户”。针对不同的客户档次，确定相应的营销投入。对于“黄金客户”，往往还需要制定个性化营销策略，以求留住高利润客户。

客户关注点：通过与客户接触，收集大量客户消费行为信息，通过分析，得出客户最关注的方面，从而有针对性地进行营销活动，把钱花在“点”上。同样的广告内容，根据客户不同的行为习惯，有的人会接到电话，有的人就可能收到信函；同一个企业，会给他们的客户发送不同的信息，而这些信息往往就是顾客感兴趣的方面。不要惊讶为什么企业给你送来的正是你最需要的、最满意的，你和其他与你相似的顾客的数据，在企业的数据仓库里经不住百般“拷打”，已经集体招供了。

客户忠诚度：得出客户持久性、牢固性及稳定性分析。对于高忠诚度客户，要注意保持其良好印象，对于低忠诚度客户，要么不要浪费钱财，要么就下大工夫把他们培养成忠诚客户。

（二）在客户关系管理中数据挖掘的方法。在CRM中，必不可少的要素是将海量的、复杂的客户行为数据集中起来的，形成整合的、结构化的数据仓库，这是数据挖掘的基础。在此基础上，就需要借助大量的知识和方法，把表面的、无序的信息整合，揭示出潜在的关联性和规律，从而用于指导决策。

比较典型的数据挖掘方法有关联分析、序列模式分析、分类分析、聚类分析等。它们可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。

1关联分析。关联分析，即利用关联规则进行数据挖掘。关联分析的目的是挖掘隐藏在数据间的相互关系，它能发现数据库中如“90％的顾客在一次购买活动中购买商品A的同时购买商品B”之类的知识。比如经典的“尿布和啤酒”的故事，就是利用关联分析的方法，发现尿布和啤酒之间有很高的相关系数，引起重视，然后深入分析后才找出内在原因的。

2序列模式分析。序列模式分析和关联分析相似，但侧重点在于分析数据间的前后序列关系。它能发现数据库中如“在某一段时间内，顾客购买商品A，接着购买商品B，而后购买商品C，即序列ABC出现的频度较高”之类的知识，序列模式分析描述的问题是：在给定交易序列数据库中，每个序列是按照交易时间排列的一组交易集，挖掘序列函数作用在这个交易序列数据库上，返回该数据库中出现的高频序列。

3分类分析。分类分析就是通过分析样本客户数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其他客户的记录进行分类。比如，信用卡公司根据顾客的信用记录，把持卡人分成不同等级，并把等级标记赋予数据库中的每个记录。对于每一等级，找出它们共同点。比如：“年收入在10万元以上，年龄在40～50岁之间的外企白领”总体上信用记录最高。有了这样的挖掘结果，客户服务部门就知道一个新的客户的潜在价值，在客户服务投入上就心中有底。

4聚类分析。这是分类的逆向方法。聚类把没有分类的记录，在不知道应分成几类的情况下，按照数据内在的差异性大小，合理地划分成几类，并确定每个记录所属类别。它采用的分类规则是按统计学的聚类分析方法决定的。■