1 數(shù)據(jù)挖掘與CRM介紹
數(shù)據(jù)挖掘技術(shù)通過從海量的、未知、存在噪音的應(yīng)用數(shù)據(jù)中，對一些具有潛在價值或有預(yù)知作用的信息進行提取。這些提取的結(jié)果均表現(xiàn)為一定的規(guī)則、規(guī)律、模式或者趨勢等。而CRM客戶關(guān)系系統(tǒng)一般負(fù)責(zé)處理大量的客戶行為，通過海量的客戶數(shù)據(jù)信息通過技術(shù)處理將消費者的消費行為以及消費趨勢進行確定。并根據(jù)以客戶的消費趨勢以及規(guī)律對營銷手段進行制定。而給企業(yè)帶來巨大利潤。在如今以用戶至上為中心的電信運營商，如何利用數(shù)據(jù)挖掘技術(shù)提升CRM營銷能力顯得非常重要。在海量的客戶數(shù)據(jù)信息中，利用數(shù)據(jù)挖掘技術(shù)，建立分析模型為CRM營銷分析和決策分析，并提供具有針對性的解決方案，從而使企業(yè)的銷售水平以及營銷能力有所提升。
電信的CRM客戶關(guān)系管理系統(tǒng)通過重新組合業(yè)務(wù)流程，預(yù)處理和分析相關(guān)的客戶數(shù)據(jù)，并通過據(jù)挖掘技術(shù)將客戶數(shù)據(jù)的各種信息或與客戶信息相關(guān)聯(lián)的信息進行挖掘，從而使客戶數(shù)據(jù)的關(guān)鍵性指標(biāo)能被提取。從而為業(yè)務(wù)營銷決策和個性化的客戶業(yè)務(wù)服務(wù)提供數(shù)據(jù)支持和決策支持，從而提升客戶服務(wù)能力，為客戶和企業(yè)利潤最大化提供解決方案。
2 CRM中數(shù)據(jù)挖掘的應(yīng)用
數(shù)據(jù)挖掘技術(shù)使用關(guān)聯(lián)分析、偏差分析、聚類分析和預(yù)測等方法完成對復(fù)雜客戶的數(shù)據(jù)的處理，從而從數(shù)據(jù)鐘將所需的分析結(jié)果提取出來。該文中，電信CRM客戶管系統(tǒng)通過對據(jù)挖掘技術(shù)的應(yīng)用，能夠?qū)θ簯羧后w、客戶滿意程度、交叉銷售、客戶盈利能力、客戶流失情況進行分析。下面對這些應(yīng)用領(lǐng)域進行分析和探討。
1）客戶群體分類應(yīng)用：此應(yīng)用主要是對電信的客戶群針對不同特質(zhì)進行細(xì)分。為了電信能夠為不同的消費群體執(zhí)行不同的消費政策。一般采用的數(shù)據(jù)挖掘技術(shù)為決策樹和聚類方法。
2）維系客戶應(yīng)用：隨著行業(yè)之間的競爭愈演愈烈，對于新客戶的開發(fā)難度以及開發(fā)成本越來越大，這使得維系老顧客的重要性越發(fā)明顯。要想從客戶身上獲得的價值更多，那么必然要做好維系它的工作。即回收此客戶的開發(fā)成本以及維系費用的周期就越長，客戶提供的利潤就越多。
3）客戶盈利能力應(yīng)用：本應(yīng)用的使用主要是通過對數(shù)據(jù)技術(shù)的使用達(dá)到提升客戶盈利的能力的目的，根據(jù)用戶的不同的市場活動，為提升客戶的盈利采取不同的方法，主要通過已有的客戶數(shù)據(jù)預(yù)測客戶未知消費趨勢和消費領(lǐng)域。
4）交叉銷售應(yīng)用
交叉銷售應(yīng)用主要通過數(shù)據(jù)挖掘技術(shù)為電信營銷提供新產(chǎn)品需求和營銷決策的過程。通數(shù)據(jù)挖掘技術(shù)可以分析和決策出潛在用戶所感興趣或具有非常大的市場需求的產(chǎn)品和服務(wù)，幫助企業(yè)實現(xiàn)利潤最大化。通過分析客戶的消費行為和已有產(chǎn)品的銷售趨勢，形成新產(chǎn)品和服務(wù)的營銷決策。
5）分析潛在客戶應(yīng)用：企業(yè)對潛在客戶的篩選工作可以借助數(shù)據(jù)挖掘技術(shù)幫助來完成，市場人員的主要工作是把通過數(shù)據(jù)挖掘技術(shù)得出的潛在客戶名單進行整理，并把整理出的客戶所中意的優(yōu)惠措施系統(tǒng)相結(jié)合起來。在發(fā)展新客戶的策略中，數(shù)據(jù)是數(shù)據(jù)挖掘技術(shù)的研究重點。首先要建立一個預(yù)測模型，它是以獲得的客戶數(shù)據(jù)為基礎(chǔ)，然后預(yù)測模型根據(jù)一定的程序分析就能計算出有價值的潛在客戶信息。
要想使用數(shù)據(jù)挖掘技術(shù)對新客戶進行獲取，必須對潛在客戶的信息進行收集，尤其是對于一些表示出對公司產(chǎn)品或某項服務(wù)感興趣客戶要對其單獨列出。這樣可以為將來的數(shù)據(jù)挖掘提供足夠有價值的信息。
3 數(shù)據(jù)挖掘在CRM的應(yīng)用
3.1 客戶數(shù)據(jù)挖掘存在問題類型
在CRM系統(tǒng)中挖掘技術(shù)對對客戶數(shù)據(jù)的挖掘主題如下：
1）關(guān)聯(lián)問題：
橫向關(guān)聯(lián)：是將看似獨立的事件之間的潛在聯(lián)系進行挖掘，例如“購買某產(chǎn)品”攜帶購買另一產(chǎn)品的人群比例”這就建立了兩個商品的間接聯(lián)系。
次序關(guān)聯(lián)：這次方法主要是對事件的前后序列關(guān)系進行重點分析，例如在購物時對某幾件商品的購買順序，通過對其研究分析形成一種客戶行為。
關(guān)聯(lián)問題主要是對客戶的各項屬性之間可以存在的交叉銷售或潛在聯(lián)系進行研究，或者是客戶實體與其他實體的聯(lián)系。一般典型的關(guān)系在電信行業(yè)中包括：套餐選擇問題、交叉銷售、以及業(yè)務(wù)的相互影響。
2）預(yù)測問題：
為了使客戶數(shù)據(jù)能夠及時得到更新，需要對客戶的行為變化以及消費等屬性變化進行預(yù)測。在實際統(tǒng)計中發(fā)現(xiàn)，客戶的行為變化的典型狀況有通話行為的增加或減少，客戶信息變化消，費行為變化以及其他情況。
3）分類問題：
對樣本客戶數(shù)據(jù)庫中的數(shù)據(jù)進行分類分析，就是對各個類別進行定性的描述。這個問題也可以通過找出其分類規(guī)則，進行分析模型建立來解決，對于其他客戶進行分類時可以使用。
4）聚類問題：
本文中的聚類是指把由于分類原則不明確等原因造成的沒有進行分類的記錄，以數(shù)據(jù)差異的大小為分類原則，對數(shù)據(jù)進行分類，并對其類別進行定義。對此類數(shù)據(jù)進行分類的分類規(guī)則是以統(tǒng)計學(xué)的聚類分析方法為指導(dǎo)方法的。聚類既是分類的相對概念。對客戶特征的研究是客戶聚類的主要工作內(nèi)容，常見的典型聚類問題包括：客戶的消費模型分析、客戶特征分析和異�？蛻舴治龅鹊�。
3.2 數(shù)據(jù)分析利用
對于電信運營商來講，其數(shù)據(jù)庫應(yīng)用系統(tǒng)較為成熟，且數(shù)量較多，從而產(chǎn)生的業(yè)務(wù)處理數(shù)據(jù)非�？捎^。對這些數(shù)據(jù)的重新整合重組，從而進行分析利用，有助于對客戶關(guān)系的管理。對這些數(shù)據(jù)的充分利用，使這些數(shù)據(jù)信息的真正價值得以實現(xiàn)。
1）客戶消費模式分析：
通過對相關(guān)數(shù)據(jù)的分析，可以為運營商的相關(guān)經(jīng)營決策提供依據(jù)。
客戶消費的電話詳單、信息臺的大量詳單、數(shù)據(jù)以及客戶檔案資料等是電信業(yè)務(wù)中，獲取客戶的消費模式信息的主要數(shù)據(jù)來源。在對這些數(shù)據(jù)進行分析時，主要是對等進行關(guān)聯(lián)性的分析，以消費能力、消費周期以及消費習(xí)慣為分類的依據(jù)，以數(shù)據(jù)處理技術(shù)為分類手段對這些數(shù)據(jù)進行分類。
2）業(yè)務(wù)預(yù)測分析：
對業(yè)務(wù)的分析預(yù)測是電信運營商制訂發(fā)展計劃的重要依據(jù)之一。主要是為了使得未來業(yè)務(wù)量在一定程度上被掌控。業(yè)務(wù)預(yù)測分析主要是對歷史數(shù)據(jù)的分析，把對業(yè)務(wù)影響較為明顯的因素找出來，并且對這些因素在未來一段時間內(nèi)的影響趨勢進行估測。
3）放客戶欺詐以及客戶欠費分析：
數(shù)據(jù)挖掘技術(shù)的使用還可以降低運營商的損失。數(shù)據(jù)挖掘技術(shù)對騙費、欠費行為的大致規(guī)律進行總結(jié)，并建立相關(guān)的行為規(guī)則庫。當(dāng)客戶的欺詐和欠費行為與規(guī)則庫中的情況相吻合時，系統(tǒng)對運營商進行提示，使其盡快采取相關(guān)措施制止該行為的進行。
4）客戶流失分析：
根據(jù)已經(jīng)存有的客戶流失數(shù)據(jù)進行分析，將相關(guān)數(shù)據(jù)如客戶屬性、服務(wù)屬性、客戶消費等與客戶流失概率建立相關(guān)聯(lián)的數(shù)學(xué)模型，找出其內(nèi)在聯(lián)系，明確其內(nèi)在規(guī)律。然后通過對客戶流失原因的確定采取一定措施，使客戶的忠誠度提高，盡量減少客戶的流失。這就使以往存在的不能對流失客戶進行原因分析的情況得到了大大的改善。
5）大客戶特征識別：
大客戶群體是信企業(yè)之間競爭的焦點，也是電信企業(yè)利潤的主要來源。對大客戶進行挖掘、識別并且制定相應(yīng)措施爭取大客戶并使其有較高的忠誠度，這是電信企業(yè)的發(fā)展關(guān)鍵。對大客戶進行識別時，不僅要根據(jù)現(xiàn)有消費量的多少進行盲目的判定，還要根據(jù)以往數(shù)據(jù)總結(jié)出的大客戶規(guī)律進行大客戶的識別，不斷對潛在大客戶進行挖掘。
6）簡化管理：
在電信行業(yè)中，最重要的指標(biāo)包括業(yè)務(wù)量。對于業(yè)務(wù)量的預(yù)測是較為困難的，這主要是由于它的隨意性較大。數(shù)據(jù)挖掘根據(jù)對時間序列的分析就可以在一定程度上監(jiān)測、預(yù)測業(yè)務(wù)量，并對人員的配置進行合理的安排，盡量降低企業(yè)的運營成本。
4 數(shù)據(jù)挖掘的應(yīng)用實例
數(shù)據(jù)挖掘的完整過程進行細(xì)分后包括：定義業(yè)務(wù)問題、選擇數(shù)據(jù)、清洗和預(yù)處理數(shù)據(jù)、選擇與預(yù)建立模型、調(diào)整模型、評估與檢驗?zāi)Ｐ汀⒛Ｐ偷膽?yīng)用。
4.1 定義業(yè)務(wù)問題
對業(yè)務(wù)問題進行定義主要是為了區(qū)別客戶流失的情況，從而采取相應(yīng)措施對其進行控制，屬于主動流失/被動流失，財務(wù)原因/非財務(wù)原因這兩個屬性是定義業(yè)務(wù)流失問題的關(guān)鍵，是定義業(yè)務(wù)問題是最需要明確的。
4.2 選擇數(shù)據(jù)
選擇數(shù)據(jù)包括目標(biāo)變量的選擇、輸入變量的選擇和建模數(shù)據(jù)的選擇。
1）輸入變量的選擇：輸入變量有兩種，包括靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)。輸入變量在模型中屬于自變量，在建立模型時，要找到自變量與目標(biāo)變量的關(guān)聯(lián)。如還不能對與客戶流失概率有關(guān)聯(lián)的數(shù)據(jù)類型進行明確時，先選定該數(shù)據(jù)，早后續(xù)的步驟考察各變量分布情況和相關(guān)性時在對其進行判定�？蛻舻牧魇Х绞接凶匀幌鲂鸵约稗D(zhuǎn)移流失型。這兩種類型中，對運營商而言第二種流失的客戶是更有挽留價值的客戶，因此對于第二種流失客戶進行數(shù)據(jù)分析以及建模是更有價值的。
2）目標(biāo)變量的選擇：客戶流失分析的目標(biāo)變量是客戶流失狀態(tài)。根據(jù)業(yè)務(wù)問題的定義可知，目標(biāo)變量可以是一個已知量或多個已知量的組合。
4.3 清洗和預(yù)處理數(shù)據(jù)
在建模前要對數(shù)據(jù)進行清洗和預(yù)處理工作，一是確保數(shù)據(jù)的有效性和正確性，二是通過對數(shù)據(jù)的處理使其能夠更好的為建模服務(wù)。對數(shù)據(jù)進行整理主要包括數(shù)據(jù)的轉(zhuǎn)換和整合、抽樣、隨機化、缺失值處理等。
4.4 選擇與預(yù)建立模型
現(xiàn)有的數(shù)據(jù)挖掘工具提供了決策樹、神經(jīng)網(wǎng)絡(luò)、近鄰學(xué)習(xí)、回歸、關(guān)聯(lián)、聚類、貝葉斯判別等多種建模方法。
在建立模型之前，要對數(shù)據(jù)挖掘工具的相關(guān)性進行比較，通過輸入輸入變量來測試出與客戶流失概率的相關(guān)性較大的數(shù)據(jù)。從而篩選出最大耦合程度的模型。這樣的操作簡單并且使建模時間大大縮短，并且使模型的精確程度增加，可用性就更加強。
4.5 建立模型與調(diào)整模型
需要強調(diào)的是，模型建立與調(diào)整的策略會根據(jù)不同的商業(yè)問題和不同的數(shù)據(jù)分布屬性而有較大程度上的差異，數(shù)據(jù)挖掘過程中的核心部分一般是由數(shù)據(jù)分析專家完成的，就是模型建立與調(diào)整工作，并且在建模過程中，為了簡化模型的優(yōu)化過程還會對近似算法進行使用。
4.6 評估與檢驗?zāi)Ｐ?/p>
將實際值與預(yù)測值相比較，與實際值近似程度最高的就是最好的模型。通過對模型的使用，就可以對客戶狀態(tài)的數(shù)據(jù)進行預(yù)測。為了使評估與檢驗?zāi)Ｐ偷玫綌?shù)據(jù)更加準(zhǔn)確，要利用未參與建模的數(shù)據(jù)進行模型的評估。
4.7 模型的應(yīng)用
通過業(yè)務(wù)解釋能證明數(shù)學(xué)模型的合理性和有效性，所以業(yè)務(wù)人員要有對最優(yōu)模型進行合理的解釋的能力，通過對模型做出合理的業(yè)務(wù)解釋，可以找出一些潛在的規(guī)律，用于指導(dǎo)業(yè)務(wù)行為。
在模型的應(yīng)用中，可以利用試點的方法來檢驗?zāi)Ｐ偷挠行�。根�?jù)在模型得出的信息與實際值的比較，一旦異常偏差發(fā)生了一對模型進行及時的修正。若模型試點效果良好，則可以考慮投入使用。但在實際操作中要注意，由于地域差異等其他因素的影響不能完全的復(fù)制模型，要在基礎(chǔ)的模型上根據(jù)當(dāng)?shù)靥厣M行修正。模型的應(yīng)用是具有時效性的，所以要時刻關(guān)注其模型的升級改版。
核心關(guān)注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/
本文標(biāo)題：數(shù)據(jù)挖掘技術(shù)在電信行業(yè)CRM/ERP中應(yīng)用研究
本文網(wǎng)址：http://www.ezxoed.cn/html/consultation/10820612885.html
相關(guān)文章
