1、基于数据挖掘的客户管理系统,制 作：慕宏业 1113011048小组成员：饶长红 1113011014 崔晋晋 1113011019 盛艳 1113011018 翟志强 1113011047,而近些年来兴起的数据挖掘技术,无疑为更好的进行客户关系管理提供了支持。数据挖掘技术目前已经在国内外诸如银行、保险公司、电信公司和大型零售行业等很多领域得到了广泛的应用,包括信用评估、欺诈发现、客户保持、营销策划、价格制定、投资组合分析、财务分析、安全管理和战略规划等银行经营、管理和决策等。数据挖掘的研究正方兴未艾,其发展前景已经在国际上得到了确认。而数据挖掘技术在客户关系管理中的应用是当前的研究热点,也是
2、为企业带来切实利益的有效手段。,引言,信息时代是一个“以客户为中心”的时代,企业已经不再只是闭门造车研发产品而是走到客户当中来,真正把客户当作上帝,了解客户需求,全心全意为客户服务。 客户关系管理( CRM) 就是企业利用信息技术,通过对客户的跟踪分析,深层次的了解客户,并有针对性的进行“热情”服务,以期留住老客户、吸引新客户。如何在众多客户中区分关键客户、普通客户、垃圾客户,并能及时发现那些忠诚度可能发生变化的客户,及时引导他们维持在有利于企业的方向上非常关键。 如何提高客户的忠诚度,提升客户价值,进而产生企业利益,已成为企业重点考虑的问题,同时也成为评价一个企业竞争力的重要指标。,基于数据
3、挖掘的CRM 的特征,1.智能化信息处理。面对海量信息，CRM 系统必须引入诸如智能化数据分析、智能化决策支持等基于数据挖掘技术智能化处理功能，通过对客户行为个性和规律的挖掘，来不断寻找和拓展客户赢利点和赢利空间，使CRM 系统实现流程自动化，辅助管理者决策。2.一对一个性化服务。 基于DW 的CRM 与每一个客户建立一种学习型关系，每次与客户的交往都使企业对客户多一份了解，根据客户不断提出的需求来调整经营行为，不断改善产品和服务，不断提高客户满意度，为客户提供一对一个性化服务。,3.数据集中共享。 基于DW 的CRM 要求系统的全部数据应集中存储和管理，实现与其他系统的数据交换和集成。进入系
4、统的各类数据根据事先设定及内在规律和联系，传递到相关功能模块中，实现数据高度共享和系统高度集成，保证不同部门和不同应用软件功能模块间数据的连贯性。4.交流渠道高度集成。 电子商务环境下，基于DW 的CRM 将信涵、面谈、电话、传真、E-mail、Web 访问等多客户交流渠道整合、协调为一体，使各种渠道获取的数据统一集中到CRM 数据仓库，这种相对完整和一致的数据为挖掘有价值的信息提供了保障。,5.系统可扩展性。 由于用户需求的多变与多样性，任何应用系统都无法覆盖所有用户的所有需求，因此基于DW 的CRM 系统应易于扩展，有标准的对外接口，能按需求进行个性化完善，以保障尽可能多和准确的获取可供挖
5、掘的客户信息。,CRM 常用的数据挖掘方法,1.分类分析 分类定义了一种从属性到指定组的映射关系，即找出一个类别的概念描述，来代表这类数据的整体信息，挖掘出数据仓库中每一类数据关于该类数据的描述或模型。分类分析中，数据仓库中的类是事先利用训练数据建立起来的。2.聚类分析 将物理的或抽象的对象分成几个群体，在每一群体内部，个体间差距较小，不同群体间个体差距偏大。与分类不同，数据聚类计算量巨大，时间复杂度大，聚类结果主要基于当前所处理的数据，事先并不知道类目结构及每个对象所属类别。,3.预测分析 一般根据实现设计的预测分析模型的运算进行。预测分析模型通常假设某种现象（因变量）因其他现象（自变量）的
6、出现而产生，或随其他现象的改变而改变，在因变量和自变量间存在着某种稳定的数量关系，进而通过已知数据来预测可能的状况。,4.关联分析是根据一个事物的出现发现另一项在同一事物中也出现，从而发现规则，分析出产品关联和客户购买行为的关系，获得对客户购买行为极有价值的信息，进而帮助企业及时把握客户需求，对客户实行交叉销售，为企业决策提供参考。,5.偏差分析 侧重于发现客户关系管理中的不规则和异常事件。在相类似的客户中，对客户的异常变化要给予密切关注。如，当某客户购买行为发生较大变化，购买量较以前大为减少，这时就要调查其原因，避免客户流失 。,数据挖掘在CRM 中的应用,1.新客户的获取。 在大多数商业领
7、域中,业务发展的主要指标里包括新客户的获取能力。挖掘新目标客户是企业不断成长的关键,也是CRM 客户生命周期的第一步。 利用数据挖掘可以帮助完成日益繁重的潜在客户群的划分,从而实现对获取新客户成本的有效管理并改善这些活动的效果,可以明显提高营销活动的响应率,改善营销活动的回报率。 通常采用数据挖掘中的如统计回归、逻辑回归、决策树、神经网络等方法,对消费者将来行为进行预测分析,生成预测模型和建立评分模型。,2. 客户细分。 客户细分是指将一个大的客户群体划分为多个较小的客户群体,在划分后的每个客户群体中,客户在某个或几个属性值上具有高度的相似性,而在不同的群体之间客户则差别较大。细分的目的可以让
8、管理者从一个比较高的层次上“鸟瞰”整个数据库中的数据,从而可以用不同的标准或方法对待处于不同细分群中的客户,提供针对性强、更个性化的服务。 客户细分是企业确定产品和服务的基础,也是建立一对一营销的基础。可以用数据挖掘中的排序、决策树或者聚类的方法来实现细分。,5. 客户保持与客户流失分析。 随着企业竞争越来越激烈,企业获取新客户的成本不断上升。对大多数企业而言,获取一个新客户的花费大大超过保持一个已有客户的费用。根据哈佛商业评论的研究,当客户的流失率降低5 % ,平均每位客户的价值就可以增加25 %100 %以上。因此,根据已流失客户数据,利用粗糙集、神经网络等进行分析挖掘,发现流失客户特征,
9、对现有客户进行监控与分析,及时发现潜在的流失客户,从而实施特殊的客户关怀与客户保留政策,提高他们对企业的忠诚度,这一点对企业至关重要。,6.客户盈利能力分析与预测根据“二八规则”,即企业所有客户中,20 %的客户通常会带来80 %的利润,因此企业需要了解客户,从而将资源更多的分配给为公司贡献利润的客户,减少在不为公司贡献利润的客户身上所花的费用,杜绝风险极高的客户。利用数据挖掘中的分类与预测技术建立生命周期价值(L IV) 模型可以预测客户在预定时间长度内的总体利润。,7. 客户满意度分析。 通过自定义的定量度量标准和公式,并根据时间和其它参数,利用数据挖掘技术和企业的数据仓库中关于客户购买、
10、维修、反馈意见、建议、投诉等信息,可对客户的满意度进行分析,找出客户不满意的原因并制定相应的策略,提高客户忠诚度,增加企业的利润。,3.交叉销售。 现在企业和客户之间的关系是经常变动的,一旦一个人或者一家公司成为本公司的客户,就要尽力使这种客户关系对本公司趋于持续并不断发展。一般来说可以通过最长时间地保持这种关系、最多次数地和客户交易、最大数量地保证每次交易的利润来实现。因此企业就需要对已有的客户群进行交叉销售。 交叉销售是建立在企业与客户“双赢”的原则上的,对客户而言可以得到更多更好的产品和服务,对企业而言也会因销售增加而获益。通常采用关联分析、序列分析等方法实施对客户的交叉销售。数据挖掘可
11、以帮助你分析出最优的合理的销售匹配。,4.个性化营销服务。 客户作为企业宝贵的资源,每一次与客户接触既是了解客户的过程,也是客户体验企业的机会。因此,真正关心客户,为每位客户提供与客户需求一致的、个性化的服务,才能让客户体会到企业的价值。 通过特征化和分类、聚类等挖掘技术,企业可以将大量的客户细分为不同的类,在每一个类中的客户具有相似的属性,不同类的客户具有不同的属性。然后,通过数据挖掘了解不同类别客户的需求,并有针对性的提供个性化的产品和服务,可以大大地提高客户对企业和产品的满意度。,飞,总结,客户关系管理的理念在企业中已经深入人心,数据挖掘技术也在蓬勃的发展,如何针对具体的应用问题选取合适的数据挖掘算法是客户关系管理成败的关键,需要我们在实践中不断探索和总结。 应用数据挖掘技术识别出企业的重要客户只是客户关系管理的第一步,如何采取不同的策略应对不同的客户来实现保持客户、发展新客户、控制营销成本、获取更多利润对企业的生存和发展来说具有至关重要的意义。,
