数据挖掘在CRM中的应用
摘要:客户关系管理(CRM)是现代电子商务活动的核心部分,对CRM的重视是现代市场营销理念和商业运作方式转变的结果。CRM具有广泛的市场价值和研究价值。而数据挖掘的出现,让决策者可以有效的总结规律,提高效率。只有在CRM中有效利用数据挖掘,才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。
关键词:数据挖掘 CRM 客户 应用
客户资源是企业最重要的战略资源之一,是企业利润的源泉。拥有客户就意味着企业拥有了在市场中继续生存的理由,而拥有并想办法保留住客户是企业获得可持续发展的动力源。在此数据和信息的汪洋大海中,必须有一种工具,帮助我们去分析和处理CRM中的信息和数据。数据挖掘作为决策支持新技术便应运而生了,并在客户关系管理中迅速获得了推广应用。
一、 客户关系管理(CRM)的基本内容
CRM起源于80年代初提出的接触管理(Contact Management),即专门收集整理客户与公司联系的所有信息。经过不断发展,客户关系管理逐渐形成了一套管理理论和应用技术体系。最早提出该概念的Gartner Group认为:所谓的客户关系管理就是为企业提供全方位的管理视角;赋予企业更完善的客户交流能力,最大化客户的收益率。是代表增进盈利、收入和客户满意而设计的企业范围的商业战略。从一开始,CRM就被定义为一种商业战略(而非一套系统),涉及整个企业,而非某个部门。
CRM是一种以客户为中心的经营策略,是利用信息技术对客户资源进行集中管理,将经过分析及处理的客户信息与所有与客户有关的业务领域进行链接,使市场、销售、客户服务等各个部门可以共享客户资源,使公司可以实时地跟踪客户的需求,提供产品及服务,提高客户的满意度及忠诚度,从而吸引更多的客户,最终使公司的利润最大化。
客户关系管理的目标可以表述为:1、以快速、准确、优质的服务吸引新客户和保持老客户;2、以优化的业务流程减少吸引和保持客户的成本;3、提高客户让渡价值从而提高客户满意度和忠诚度。CRM的效益主要有以下几个方面:有效管理客户资源;提高竞争力;改善服务;提高效益;降低成本;提高客户满意度和忠诚度;提高客户终身价值。其中,客户终身价值是CRM的根本目标。因为,企业追求的不只是当前的利润,而是整个客户关系生命周期里的所有利润;不只是他本人消费所带来的利润,还包括因他的影响而带来或损失的利润。
所以说,CRM的核心是客户的资源价值管理,因此CRM的实施必须要获取大量的客户的有用信息,并通过管理和分析大量的数据和信息,从中找出对企业管理决策有价值的知识。这一切都需要有先进的技术和工具的支持,数据挖掘恰恰可以给予CRM良好的技术支持。
二、数据挖掘(DM)理论
对于数据挖掘(DM,Data Mining),一种比较公认的定义是W.J.Frawley,G.Piatetsky-Shapiro等人提出来的: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、事先未知的潜在的有用信息。
根据NCR数据挖掘方法论,数据挖掘的过程划分为五个阶段:定义业务问题范围、选取和抽样、探索型数据分析、建模和实施。数据挖掘算法执行,仅仅是整个过程的一个步骤。数据挖掘质量的好坏,有两个因素的影响:一是所采用的数据挖掘技术的有效性;二是用于挖掘的数据的质量和数量。整个挖掘过程是一个不断反馈的过程。
数据挖掘的一般意义可以概括为以下六点:1、数据总结。对数据进行浓缩,给出它的紧凑描述;2、数据分类。生成一个分类函数或分类模型,把数据库中的数据项映射到相应的类别中去;3、个体聚类。把一组个体按照相似性归类;4、关联规则;5、异常发现。从数据库中找出异常数据;6、行为预测。建立模型后,利用历史数据预测未来数据的水平、特征等。
三、数据挖掘在CRM的应用
数据挖掘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)识别潜在客户,获取新客户。挖掘客户数据时,充分利用数据技术可以寻找有潜在价值的客户。识别这些潜在的客户主要是对已有的客户数据进行分析,对已有的客户分成不同的类型,对不同类型的客户群提供不同的客户服务和销售方案,并为这些客户提供有针对性的产品和服务来满足这些客户的要求。通过对已有客户的分类更容易使企业识别潜在的客户,并最终向着把潜在的客户转变成企业真正的客户,最终转变成忠诚客户。
2)保持老客户。企业业务的增长不仅要靠获得新的客户,更重要的一点是留住已有的客户。现在获得新的客户的成本在不断的上升,因此留住老客户不失为企业发展的一个重要方向。数据挖掘可以识别出潜在的客户群,提高市场的回应率,做到有的放矢。另外,数据挖掘可以帮助企业识别出有离开意愿的客户,使企业采取合适的措施留住这批客户。
3)发现重点客户。根据“20-80”原则,企业CRM的一项重要任务就是发现和维系重要客户。运用分组或神经网络或决策树,可以形象地识别具有哪些特征的客户是企业最重要的客户。
4)有利于交叉销售或者增值销售。交叉销售或者增值销售是客户关系发展的重要环节,是企业与客户之间实现双赢的重要手段。交叉销售是让客户购买企业的其他产品或者服务,增值销售是让客户购买附加的产品或服务,使客户购买的产品向着高价值的方向发展,两种销售都有延长客户关系的效果。对客户来讲,要想得到更多的产品和服务并能从中受益对企业来讲,这样会促进销售额的增长,从而从中获益。数据挖掘可以帮助企业找出最合理的销售搭配方案。
5)及时发现欺诈行为。例如。银行信用卡的过度透支消费,可以通过以往建立的个人收入水平与消费水平之间的相关分析图,做出形象的判断。
6)提高供应链效率。供应链效率低的主要原因是供应链中的环节过多,数据挖掘中的关联原则分析可以分析买家和卖家的相关性,以减少供应链的中间环节,提高供应链效率。
7)优化客户服务。可以利用数据挖掘技术获得不同类型客户对服务的要求,
挖掘出客户的购买趋势以掌握客户的需求,适时的调整产品结构,从而有针对性的提供客户服务。来提高客户群的满意度,达到挽留客户的目的。
8)提供决策支持。在大量的客户信息库中,运用数据挖掘技术,使客户数据可视化,直观形象的反应客户的信息,及时全面和动态的反应销售质量,为管理人员提供决策支持提供有效的手段和数据支持。
参考文献:
1、《面向供应链的客户关系管理》 胡理增 著 中国物资出版社 2007年
2、《数据挖掘及其在客户关系管理中的应用》张喆 著 复旦大学出版社 2007年
数据挖掘在CRM中的应用
摘要:客户关系管理(CRM)是现代电子商务活动的核心部分,对CRM的重视是现代市场营销理念和商业运作方式转变的结果。CRM具有广泛的市场价值和研究价值。而数据挖掘的出现,让决策者可以有效的总结规律,提高效率。只有在CRM中有效利用数据挖掘,才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。
关键词:数据挖掘 CRM 客户 应用
客户资源是企业最重要的战略资源之一,是企业利润的源泉。拥有客户就意味着企业拥有了在市场中继续生存的理由,而拥有并想办法保留住客户是企业获得可持续发展的动力源。在此数据和信息的汪洋大海中,必须有一种工具,帮助我们去分析和处理CRM中的信息和数据。数据挖掘作为决策支持新技术便应运而生了,并在客户关系管理中迅速获得了推广应用。
一、 客户关系管理(CRM)的基本内容
CRM起源于80年代初提出的接触管理(Contact Management),即专门收集整理客户与公司联系的所有信息。经过不断发展,客户关系管理逐渐形成了一套管理理论和应用技术体系。最早提出该概念的Gartner Group认为:所谓的客户关系管理就是为企业提供全方位的管理视角;赋予企业更完善的客户交流能力,最大化客户的收益率。是代表增进盈利、收入和客户满意而设计的企业范围的商业战略。从一开始,CRM就被定义为一种商业战略(而非一套系统),涉及整个企业,而非某个部门。
CRM是一种以客户为中心的经营策略,是利用信息技术对客户资源进行集中管理,将经过分析及处理的客户信息与所有与客户有关的业务领域进行链接,使市场、销售、客户服务等各个部门可以共享客户资源,使公司可以实时地跟踪客户的需求,提供产品及服务,提高客户的满意度及忠诚度,从而吸引更多的客户,最终使公司的利润最大化。
客户关系管理的目标可以表述为:1、以快速、准确、优质的服务吸引新客户和保持老客户;2、以优化的业务流程减少吸引和保持客户的成本;3、提高客户让渡价值从而提高客户满意度和忠诚度。CRM的效益主要有以下几个方面:有效管理客户资源;提高竞争力;改善服务;提高效益;降低成本;提高客户满意度和忠诚度;提高客户终身价值。其中,客户终身价值是CRM的根本目标。因为,企业追求的不只是当前的利润,而是整个客户关系生命周期里的所有利润;不只是他本人消费所带来的利润,还包括因他的影响而带来或损失的利润。
所以说,CRM的核心是客户的资源价值管理,因此CRM的实施必须要获取大量的客户的有用信息,并通过管理和分析大量的数据和信息,从中找出对企业管理决策有价值的知识。这一切都需要有先进的技术和工具的支持,数据挖掘恰恰可以给予CRM良好的技术支持。
二、数据挖掘(DM)理论
对于数据挖掘(DM,Data Mining),一种比较公认的定义是W.J.Frawley,G.Piatetsky-Shapiro等人提出来的: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、事先未知的潜在的有用信息。
根据NCR数据挖掘方法论,数据挖掘的过程划分为五个阶段:定义业务问题范围、选取和抽样、探索型数据分析、建模和实施。数据挖掘算法执行,仅仅是整个过程的一个步骤。数据挖掘质量的好坏,有两个因素的影响:一是所采用的数据挖掘技术的有效性;二是用于挖掘的数据的质量和数量。整个挖掘过程是一个不断反馈的过程。
数据挖掘的一般意义可以概括为以下六点:1、数据总结。对数据进行浓缩,给出它的紧凑描述;2、数据分类。生成一个分类函数或分类模型,把数据库中的数据项映射到相应的类别中去;3、个体聚类。把一组个体按照相似性归类;4、关联规则;5、异常发现。从数据库中找出异常数据;6、行为预测。建立模型后,利用历史数据预测未来数据的水平、特征等。
三、数据挖掘在CRM的应用
数据挖掘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)识别潜在客户,获取新客户。挖掘客户数据时,充分利用数据技术可以寻找有潜在价值的客户。识别这些潜在的客户主要是对已有的客户数据进行分析,对已有的客户分成不同的类型,对不同类型的客户群提供不同的客户服务和销售方案,并为这些客户提供有针对性的产品和服务来满足这些客户的要求。通过对已有客户的分类更容易使企业识别潜在的客户,并最终向着把潜在的客户转变成企业真正的客户,最终转变成忠诚客户。
2)保持老客户。企业业务的增长不仅要靠获得新的客户,更重要的一点是留住已有的客户。现在获得新的客户的成本在不断的上升,因此留住老客户不失为企业发展的一个重要方向。数据挖掘可以识别出潜在的客户群,提高市场的回应率,做到有的放矢。另外,数据挖掘可以帮助企业识别出有离开意愿的客户,使企业采取合适的措施留住这批客户。
3)发现重点客户。根据“20-80”原则,企业CRM的一项重要任务就是发现和维系重要客户。运用分组或神经网络或决策树,可以形象地识别具有哪些特征的客户是企业最重要的客户。
4)有利于交叉销售或者增值销售。交叉销售或者增值销售是客户关系发展的重要环节,是企业与客户之间实现双赢的重要手段。交叉销售是让客户购买企业的其他产品或者服务,增值销售是让客户购买附加的产品或服务,使客户购买的产品向着高价值的方向发展,两种销售都有延长客户关系的效果。对客户来讲,要想得到更多的产品和服务并能从中受益对企业来讲,这样会促进销售额的增长,从而从中获益。数据挖掘可以帮助企业找出最合理的销售搭配方案。
5)及时发现欺诈行为。例如。银行信用卡的过度透支消费,可以通过以往建立的个人收入水平与消费水平之间的相关分析图,做出形象的判断。
6)提高供应链效率。供应链效率低的主要原因是供应链中的环节过多,数据挖掘中的关联原则分析可以分析买家和卖家的相关性,以减少供应链的中间环节,提高供应链效率。
7)优化客户服务。可以利用数据挖掘技术获得不同类型客户对服务的要求,
挖掘出客户的购买趋势以掌握客户的需求,适时的调整产品结构,从而有针对性的提供客户服务。来提高客户群的满意度,达到挽留客户的目的。
8)提供决策支持。在大量的客户信息库中,运用数据挖掘技术,使客户数据可视化,直观形象的反应客户的信息,及时全面和动态的反应销售质量,为管理人员提供决策支持提供有效的手段和数据支持。
参考文献:
1、《面向供应链的客户关系管理》 胡理增 著 中国物资出版社 2007年
2、《数据挖掘及其在客户关系管理中的应用》张喆 著 复旦大学出版社 2007年