E商業(yè)時代基于數(shù)據(jù)挖掘的客戶關(guān)系管理

1、精品畢業(yè)設(shè)計(jì)E商業(yè)時代基于數(shù)據(jù)挖掘的客戶關(guān)系管理摘 要 在分析目前企業(yè)實(shí)施客戶關(guān)系管理不足的基礎(chǔ)上，深入探討了數(shù)據(jù)挖掘技術(shù)在企業(yè)客戶關(guān)系管理中的應(yīng)用，提出了基于數(shù)據(jù)挖掘的客戶關(guān)系管理框架，并利用該框架，以商業(yè)零售企業(yè)為例，給出了基于數(shù)據(jù)挖掘的客戶關(guān)系管理具體應(yīng)用方案。 關(guān)鍵字 客戶關(guān)系管理，數(shù)據(jù)挖掘，數(shù)據(jù)源Customer Relationship Management Based On Data Mining in E-Bussiness TimesAbstract CRM is a new mechanism of management to improve the relationshi

2、p between the corporations and customers. There is some shortage of CRM in use. In this paper, was used to a new frame of CRM is established based on Data Mining technology. Using this frame, an application model to deal with CRM for retail corporation was described to show the effectivity of this m

3、odel.Keywords Customer relationship management， Data mining， Data sources1 引 言企業(yè)競爭無處不在，而客戶資源已經(jīng)成為各企業(yè)爭奪的最重要的戰(zhàn)略資源之一。為此，企業(yè)需要盡可能地了解客戶的行為，但是企業(yè)的客戶成千上萬，這種了解不可能通過與客戶接觸直接獲得，因?yàn)槠髽I(yè)不可能逐個與客戶交談，而且他們所需要的信息單個客戶往往無法提供，企業(yè)所能做的，就是盡可能收集顧客的信息，借助各種分析方法，透過無續(xù)的，表層的信息挖出內(nèi)在的知識和規(guī)律。企業(yè)則根據(jù)這些規(guī)律和信息設(shè)計(jì)數(shù)學(xué)模型，對未發(fā)生行為做出結(jié)果預(yù)測，為企業(yè)的綜合經(jīng)營決策、市場策劃提供依

4、據(jù)?？蛻絷P(guān)系管理（Customer Relationship Management，CRM）是一種全新的管理思想，其本意是要幫助公司較好地識別客戶，通過“在正確的時間、以正確的方式，合適的價格，把客戶所需要的商品服務(wù)以正確的渠道提供給客戶”，從而贏得較高的客戶保留度和客戶贏利能力。隨著CRM理論的成熟，CRM思想逐步應(yīng)用到其它領(lǐng)域。目前有大量的技術(shù)用于支持CRM，包括Internet和電子商務(wù)、多媒體技術(shù)、專家系統(tǒng)和人工智能、呼叫中心等等。這些技術(shù)使得企業(yè)完成從市場、銷售到服務(wù)的全部流程的自動化。但是，隨著客戶信息的日益復(fù)雜，客戶數(shù)量的大量積累，僅限于營銷流程的管理已很難滿足企業(yè)進(jìn)一步的需要，

5、于是數(shù)據(jù)挖掘便被引入了CRM，通過數(shù)據(jù)挖掘來分析大量的復(fù)雜的客戶數(shù)據(jù)，挖掘客戶價值。 數(shù)據(jù)挖掘數(shù)據(jù)挖掘（Data Mining）就是從大量的、不完全的、有燥聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識的過程，數(shù)據(jù)挖掘功能用于指定數(shù)據(jù)挖掘任務(wù)中要尋找的模式類型，數(shù)據(jù)挖掘任務(wù)一般可以分為兩類：描述和預(yù)測。描述性挖掘任務(wù)刻畫數(shù)據(jù)庫中數(shù)據(jù)的一般特性。預(yù)測性挖掘任務(wù)在當(dāng)前數(shù)據(jù)上進(jìn)行推斷，以進(jìn)行預(yù)測。數(shù)據(jù)挖掘包括商業(yè)需求、大量的數(shù)據(jù)和挖掘算法三部分。商業(yè)需求是數(shù)據(jù)挖掘前期要明確的工作。數(shù)據(jù)挖掘步驟由數(shù)據(jù)準(zhǔn)備、挖掘操作、結(jié)果表達(dá)和解釋三個主要階段組成。知識

6、發(fā)現(xiàn)是這三個階段的反復(fù)。. 數(shù)據(jù)準(zhǔn)備數(shù)據(jù)準(zhǔn)備可分為:問題定義、數(shù)據(jù)選取、數(shù)據(jù)預(yù)處理和數(shù)據(jù)集成。在問題定義階段，數(shù)據(jù)挖掘人員必須與領(lǐng)域?qū)＜液妥罱K用戶緊密合作，明確實(shí)際工作的要求，確定可用的學(xué)習(xí)算法；在數(shù)據(jù)選擇階段，確定需要分析的數(shù)據(jù)集合，即目標(biāo)數(shù)據(jù)，以提高數(shù)據(jù)挖掘的質(zhì)量；數(shù)據(jù)預(yù)處理是為了克服目前數(shù)據(jù)挖掘工具的局限性；數(shù)據(jù)集成是將多文件或多數(shù)據(jù)庫運(yùn)行環(huán)境中的數(shù)據(jù)進(jìn)行合并處理，解決語義的模糊性，處理數(shù)據(jù)中的遺漏和清洗受污染的數(shù)據(jù)等。. 挖掘操作在數(shù)據(jù)挖掘操作執(zhí)行階段，首先必須根據(jù)對問題的定義明確挖掘的任務(wù)和目的，比如分類、聚類、關(guān)聯(lián)規(guī)則的挖掘或序列模式的挖掘等。在確定了挖掘任務(wù)之后，就要決定選用什么

7、挖掘算法。在選擇挖掘算法時應(yīng)考慮：一是不同的數(shù)據(jù)有各自不同的特點(diǎn)，應(yīng)該選用不同的挖掘算法；二是用戶或?qū)嶋H系統(tǒng)的要求。. 結(jié)果表達(dá)和解釋先對提取的信息進(jìn)行分析，然后通過決策支持工具提交給決策者。該階段不僅要把結(jié)果表達(dá)出來，而且數(shù)據(jù)挖掘系統(tǒng)會采用解釋和推理機(jī)制,將這些知識直接提供給決策者，或提供給領(lǐng)域?qū)＜?，以修正已有知識庫，供系統(tǒng)共享。如果不滿意，需要重復(fù)以上知識發(fā)現(xiàn)的過程。3 基于數(shù)據(jù)挖掘的客戶關(guān)系管理框架基于對客戶關(guān)系管理的分析，本文給出基于數(shù)據(jù)挖掘的客戶關(guān)系管理的系統(tǒng)結(jié)構(gòu)如圖所示。圖基于數(shù)據(jù)挖掘的客戶關(guān)系管理該系統(tǒng)分為五個層次的邏輯結(jié)構(gòu)，其中作業(yè)處理系統(tǒng)、決策支持系統(tǒng)和數(shù)據(jù)倉庫系統(tǒng)是該基于數(shù)

8、據(jù)挖掘的客戶關(guān)系管理系統(tǒng)的基本組成部分。溝通渠道是客戶關(guān)系管理系統(tǒng)最外層的內(nèi)容，是客戶關(guān)系管理系統(tǒng)與客戶的接觸點(diǎn)和商品、服務(wù)的傳遞渠道。溝通渠道由電子渠道和非電子渠道組成,電子渠道包括呼叫中心和網(wǎng)絡(luò)，非電子渠道則由信函和人員接觸等組成。所有這些渠道都是客戶關(guān)系管理系統(tǒng)的信息來源。在這些渠道上,企業(yè)與客戶的接觸都會產(chǎn)生大量的數(shù)據(jù)、信息，從而形成客戶關(guān)系管理系統(tǒng)的數(shù)據(jù)源。數(shù)據(jù)倉庫系統(tǒng)的功能主要是對數(shù)據(jù)進(jìn)行儲存和處理。在各種渠道上與顧客接觸所形成的原始數(shù)據(jù)，如顧客的基本資料、接觸歷史數(shù)據(jù)、交易紀(jì)錄數(shù)據(jù)及其它可能從外部獲得的數(shù)據(jù)等，一般被分別存儲在不同的數(shù)據(jù)庫中，相互處于分離的狀態(tài)。數(shù)據(jù)倉庫則將這些原

9、始數(shù)據(jù)進(jìn)行集成化的處理,對其進(jìn)行整合、轉(zhuǎn)化、清理和匯總,使之能夠被充分、有效地應(yīng)用于客戶關(guān)系管理過程。決策支持系統(tǒng)是客戶關(guān)系管理系統(tǒng)中最重要的應(yīng)用部分。決策支持系統(tǒng)的主要功能是對數(shù)據(jù)倉庫中的各種數(shù)據(jù)進(jìn)行分析，利用數(shù)據(jù)挖掘和商業(yè)智能工具從大量的數(shù)據(jù)中提取有用的客戶知識，為零售企業(yè)的業(yè)務(wù)活動決策提供支持。業(yè)務(wù)處理系統(tǒng)屬于客戶關(guān)系管理系統(tǒng)的最終應(yīng)用部分，它的功能是輔助業(yè)務(wù)和營銷人員實(shí)施對客戶的服務(wù)、銷售和營銷活動，同時支持企業(yè)網(wǎng)上電子商務(wù)的開展。業(yè)務(wù)及營銷人員根據(jù)決策支持系統(tǒng)所提供的顧客知識，確定對企業(yè)最有價值的客戶，開展一對一的個性化服務(wù)和營銷，使企業(yè)提供的產(chǎn)品和服務(wù)，以及與客戶的溝通活動能夠最大

10、限度地滿足客戶的需要，實(shí)現(xiàn)客戶價值的最大增值。該系統(tǒng)中，決策支持是以數(shù)據(jù)倉庫為基礎(chǔ)的，數(shù)據(jù)倉庫系統(tǒng)又分為數(shù)據(jù)存儲和數(shù)據(jù)處理兩大功能模塊，它們是從各類數(shù)據(jù)源中得到需要的相關(guān)的數(shù)據(jù)（用到數(shù)據(jù)清洗，數(shù)據(jù)整合，數(shù)據(jù)篩選等等）；決策支持系統(tǒng)又包括數(shù)據(jù)挖掘和智能分析兩模塊，數(shù)據(jù)挖掘是用到一系列的數(shù)據(jù)挖掘算法來獲得相關(guān)的知識和信息，這里可能用到預(yù)測分析、決策樹、聚類分析等分析方法，然后在智能決策模塊，利用這些得到的知識和信息，為決策支持提供依據(jù)并得到?jīng)Q策結(jié)果。4 案例分析下面結(jié)合零售企業(yè)的客戶關(guān)系管理，利用上述框架，提出基于數(shù)據(jù)挖掘的客戶關(guān)系管理的解決方案。該方案分為五個階段層次。這里對挖掘過程做重點(diǎn)說明，

11、其它階段同上。在數(shù)據(jù)源階段，由于零售企業(yè)大都有自己的B2C電子商務(wù)網(wǎng)站，這種網(wǎng)站不僅可以為企業(yè)帶來一定的收益，而且也便于企業(yè)與客戶進(jìn)行信息交流（如注冊，留言，信息發(fā)布），企業(yè)能方便地得到客戶的資料，也能及時地收到客戶的意見反饋。在網(wǎng)站上，每天都會有大量的交易記錄文件、登記表、網(wǎng)頁瀏覽記錄等，其中，可能包含大量客戶的潛在信息，如喜好、購買模式等。所以，可以將電子商務(wù)網(wǎng)站中的日志文件及相關(guān)數(shù)據(jù)作為將要挖掘的數(shù)據(jù)源。然后按下面幾個步驟進(jìn)行數(shù)據(jù)挖掘。首先是準(zhǔn)備數(shù)據(jù)，用戶在Internet上漫游時，只要瀏覽某個電子商務(wù)的網(wǎng)站，就會在這個網(wǎng)站的服務(wù)器日志文件上留下記錄。這些記錄保存在服務(wù)器的訪問日志、引用

12、日志和代理日志中。通過對這些信息中的某些項(xiàng)的分析,可以揭示其中的關(guān)聯(lián)關(guān)系、時序關(guān)系、被頻繁訪問的路徑、頁面等。比如說，以服務(wù)器日志中的請求行為、用戶名為例建立“請求用戶名”關(guān)聯(lián)矩陣，研究分析列向量即可得到相似客戶群體，研究分析行向量即可得到頻繁訪問的路徑。對客戶IP進(jìn)行分析，即可得到單個客戶的消費(fèi)習(xí)慣，挖掘出他們潛在的消費(fèi)趨向，從而針對不同的客戶群體或個體制定出對應(yīng)的服務(wù)方式；同時也為商家調(diào)整網(wǎng)站的拓?fù)浣Y(jié)構(gòu)，優(yōu)化網(wǎng)站資源的配置提供了依據(jù)。其次是挖掘模型的選擇。可以根據(jù)不同的挖掘目標(biāo)，采用不同的挖掘方法。數(shù)據(jù)挖掘的方法有很多種，主要包括三大類:統(tǒng)計(jì)分析、知識發(fā)現(xiàn)和其它可視化方法。統(tǒng)計(jì)分析主要用于

13、檢查數(shù)據(jù)中的數(shù)據(jù)規(guī)律，然后利用統(tǒng)計(jì)模型和數(shù)學(xué)模型來解釋這些規(guī)律。常用的統(tǒng)計(jì)分析方法有線性分析、非線性分析、線性回歸、因子分析、單變量曲線和雙變量統(tǒng)計(jì)及時間序列分析等。通過統(tǒng)計(jì)分析，選擇適用于數(shù)據(jù)分析的數(shù)據(jù)模型，對重要頁面、導(dǎo)航路徑有向圖、瀏覽時間等給出統(tǒng)計(jì)描述，揭示數(shù)據(jù)間的關(guān)系。知識發(fā)現(xiàn)源于人工智能和機(jī)器學(xué)習(xí)，利用數(shù)據(jù)的搜尋過程，得到一個有意義的數(shù)據(jù)模式，從中可以發(fā)現(xiàn)規(guī)律。具體的方法有人工神經(jīng)網(wǎng)絡(luò)、決策樹方法、遺傳算法、規(guī)則推理等。其它可視化方法可以給出多變量的圖形分析，同時顯示多變量間的關(guān)系，有助于分析以前挖掘的數(shù)據(jù)，進(jìn)一步增強(qiáng)數(shù)據(jù)挖掘能力。最后是結(jié)果表述和解釋模式?？梢赃x用不同的數(shù)據(jù)挖掘模

14、型，采用不同的技術(shù)手段，對結(jié)果進(jìn)行分析和解釋。常用的技術(shù)手段包括: (1)關(guān)聯(lián)規(guī)則。揭示數(shù)據(jù)之間的內(nèi)在的聯(lián)系，發(fā)現(xiàn)用戶與站點(diǎn)各頁面的訪問關(guān)系。(2) 分類。給出類的公共屬性描述，并將新的記錄分配到預(yù)先定義好的類中或分類新的項(xiàng)。(3) 聚類。分類的逆過程，按照“類內(nèi)相似性最大，類間相似性最小”的原則，對數(shù)據(jù)進(jìn)行類的聚集，多指客戶群體聚類和Web網(wǎng)頁聚類。客戶群體聚類將具有相似瀏覽模式的用戶分在一組，而Web網(wǎng)頁聚類則提供有針對性的網(wǎng)絡(luò)服務(wù)應(yīng)用。(4)序列模式。側(cè)重于挖掘出數(shù)據(jù)的前后時間順序關(guān)系，分析是否存在一定趨勢，以預(yù)測未來的訪問模式。(5) 路徑分析?？梢园l(fā)現(xiàn)一個Web 站點(diǎn)中最經(jīng)常被訪問的

15、路徑。比如，運(yùn)用關(guān)聯(lián)規(guī)則，我們可以發(fā)現(xiàn)20 %的客戶在訪問/ mart / subject 時都在/ mart / discount 頁面上進(jìn)行了在線訂購；運(yùn)用序列模式規(guī)則，可以發(fā)現(xiàn)40 %的客戶在訪問/ mart / f urniture 之后的1個月內(nèi)又在/ mart / discount 頁面上下了訂單。在發(fā)現(xiàn)這些數(shù)據(jù)之間的相關(guān)性之后，可以更好地組織網(wǎng)站的結(jié)構(gòu)，對客戶開展有針對性的廣告服務(wù)，對不同的群體實(shí)施不同的營銷策略。經(jīng)過分析，在得到客戶的分類、客戶的購買喜好、購買模式后，進(jìn)入“業(yè)務(wù)處理系統(tǒng)”階段，根據(jù)在數(shù)據(jù)挖掘得到的相關(guān)知識，確定對企業(yè)最有價值的客戶，然后開展一對一的個性化服務(wù)和營銷，使企業(yè)提供的產(chǎn)品和服務(wù)，以及與客戶的溝通活動，能夠最大限度地滿足客戶的需要，實(shí)現(xiàn)客戶價值的最大增值。 結(jié)束語本文通過對數(shù)據(jù)挖掘的分析，提出了基于數(shù)據(jù)挖掘的客戶關(guān)系管理框架，利用該框架，提出了針對商業(yè)零售企業(yè)的具體應(yīng)用方案。分析證明，在一定程度上，該方案不僅能夠解決客戶關(guān)系管理過程中存在的信息日益復(fù)雜化、海量化問題，而且具有一定可行性和實(shí)用性，為最大限度地滿足客戶需求、實(shí)現(xiàn)價值最大化，提供了很好的技術(shù)途徑。參