数据挖掘在CRM钟应用.docVIP

1 行业背景及现状 1.1研究背景 随着经济的全球化，世界各国的企业之间竞争日趋激烈。一个企业很难再像工业经济时代一样，因为掌握了某种先进科技而长期在市场上占据明显的优势。电子商务系统提供了一种商家与客户进行交流的新方式，但电子商务带来的冲击是革命性的，对传统企业提出了严峻的挑战:要求企业管理者以全新的思维来看待未来的客户、未来的竞争对手、未来的技术工具，仅仅把现有的商业流程实现数据处理自动化并不意味着可以在“新经济”时代取得成功。电子商务要求的是与之相匹配的管理思维的更新和革命。这对已经建立起一定规模的传统企业来说并非易事。 在电子商务这种企业充分竞争，商品极大丰富的大环境之下，多数有远见企业都将自己的战略核心重点从“产品”向“客户”转变。从八十年代中期开全世界范围内的企业都在经历一场深刻的变革，许多企业开始实施企业重组程，以期降低成本，提高效率，提高企业的竞争能力。在这个过程中，各个企业遵循的一般原则是以业务流程再造为核心，以关心客户需求以及提高客户满意为目标，对现有的业务流程进行根本的再思考和彻底的再设计，运用现代信息术以及先进的管理技术和理念思想，最大限度的实现技术上的功能集成以及管上的职能集成。建立全新的过程型组织结构，以实现企业经营在成本，服务，量以及速度上的极大改善。我们由此可以看出，这一整个重组过程的最终核心是落在了客户满意度的提高上。就此，客户关系管理这一全新的，来源于市场的管理方式初现雏形。 1.2 国内外研究现状及前景 CRM管理理念及其价值被越来越多的企业所重视，自1997年开始，全球CRM市场一直处于爆炸性的快速增长之中。国内外的学术界对于数据挖掘在电子商务客户关系管理中的研究现在主要集中于这样几个方面: (1)数据挖掘的模型研究:如关联规则快速挖掘模型研究，用户访问数据模型研究，路径分析模型研究等等。 (2)新的应用领域的开发:数据挖掘在CRM中的应用已经由传统的银行业电信业这类传统的涉及到大量客户数据的行业向普通行业转化。 作为一个跨知识管理、业务运作和电子商务等系统的融合概念，客户关系管理正以前所未有的速度发展，并且扩大着用户群体，在激烈的市场竞争中，CRM正在逐渐成为现代企业生存的根本和制胜的关键。 2 数据挖掘 2.1 数据挖掘的概念 确切地说，数据挖掘(Data Mining)，又称数据库中的知识发现是指从大型数据库或数据仓库中的大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式。这一技术很好的适应了现代企业特别是电子商务企业对资源的渴求，在CRM风光无限之时，数据挖掘也走出研究室，纷纷落户企业。数据挖掘就是为顺应这种需要应运而生发展起来的数据处理技术。是实现公司知识管理以及成功实施客户关系管理的关键步骤。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。 在客户关系管理的实施流程之中，企业运用CRM软件搜集了大量关于客户的数据，这些数据包括客户的购买数据，点击流数据以及在最初注册成为客户时所登记的背景信息。这些与购买直接或间接相关的信息是最能帮助企业了解客户的，所谓的“一对一营销”也是注重在了解客户的需求，以便投其所好，以促成交易。数据是死的，但是如果能运用一些数学或统计模式，发现数据中存在的关系和规则，根据现有的数据预测未来的发展趋势，那么就可成为管理者的决策参考。 数据挖掘工具能够对将来的趋势和行为进行预测，从而很好地支持人们的决策，比如，经过对公司整个数据库系统的分析，数据挖掘工具可以回答诸如“哪个客户对我们公司的邮件推销活动最有可能作出反应，为什么”等类似的问题。有些数据挖掘工具还能够解决一些很消耗人工时间的传统问题，因为它们能够快速地浏览整个数据库，找出一些专家们不易察觉的极有用的信息。因此可以说CRM的成功在于成功的数据仓库、数据挖掘及知识发现。 2.2 数据挖掘的经典方法 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，它能发现数据库中形如“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”。 (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。它能发现数据库中形如“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A-B-C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