数据挖掘技术在第三方物流企业客户关系管理中应用.docVIP

数据挖掘技术在第三方物流企业客户关系管理中应用 　　[摘要] 客户是第三方物流企业利润的源泉，第三方物流企业与客户之间的关系与传统产业或服务企业与客户之间关系相比有其特殊性，利用已构建的客户基本信息、客户清单、客户账单、客户的咨询、建议、投诉信息、市场变化等文件资料，利用数据挖掘技术提炼有用的知识，从而提高第三方物流企业的竞争力。 　　[关键词] 数据挖掘 第三方物流 　　 　　通过满意的客户介绍和推荐，物流企业将会挖掘出更多的潜在客户，获得更多的物流服务项目，从而提高第三方物流企业的社会影响力和市场知名度。 　　一、第三方物流企业的客户与传统产业或服务企业的客户相比具有其特殊性 　　1.第三方物流企业是供应方和需求方之间的连接纽带。传统企业的客户关系管理一般是面对面地与客户交流，不涉及第三方的参与。但第三方物流企业则不同，它的一端连着供应方另一端连着需求方，它是为供应方和需求方提供物料运输、仓储、流通加工、产品配送等物流服务，处于供应方和需求方之间的连接纽带，因此第三方物流企业进行一项服务要同时面对两个或两个以上服务对象。在供应链上，一方面要服务于供应商和制造商之间，另一方面还要服务于供应商与零售商之间，这样就会出现两种情况：（1）基于供应商和制造商之间时，第三方物流企业同时面对两个或两个以上基于同一合同基础上的客户，这时要求第三方物流企业必须通过自己优质的服务同时满足这两个客户的需要，提高自身客户忠诚度。（2）基于供应商与零售商之间时，第三方物流企业面对的是一个以上的现实客户以及即将建立合同的潜在客户。此时，企业在尽力满足这个现实客户的同时，还要考虑利用这个业务机会获得潜在客户的认同，使其尽快成为现实客户。由此可以看出，任何一个客户的不满意都可能导致双倍客户的流失。如对于液晶电视第三方物流企业而言，一个客户是液晶电视制造商，另一个客户或潜在客户是液晶电视零售商，如果不能满足制造商的需要，将会失去零售商客户。这种损失是双倍的，不可逆的，即使要挽回也要花费及大的代价。 　　2.第三方物流企业客户的不稳定性。传统企业的客户大多是分散的组织或个人，与传统企业相比，第三方物流企业的客户一端是规模较大的生产企业，另一端是数量较多的零售企业，在提供物流服务的过程中，一旦不能满足其中的任何一方，通过客户间的彼此交流，将会失去网络上的其他客户。由于每个客户都有相关联的企业，于是通过客户信息传递，第三方物流企业将会失去其他企业的忠诚，导致大量客户流失。 　　3.第三方物流企业建立客户关系管理系统。为了使第三方物流企业更好的满足客户的需求，留住老客户，提高企业资源管理的效率，及时发现危机，规避风险，现在多数据企业已建立起第三方物流企业的客户关系管理系统。分别从客户接触时的信息收集，客户信息数据库的建立，客户消费物流服务及对客户提供信息支持方面进行信息化的管理。 　　如何充分利用第三方物流管理系统提供的客户关系信息，制订合理的客户关系管理决策，已经成为第三方物流企业亟待解决的问题。现代数据挖掘技术的广泛应用，为这一问题的解决提供了技术支持。 　　二、数据挖掘技术 　　数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它是一种知识发现的过程，主要基于统计学、人工智能、机器学习等技术，高度自动化地分析数据，做出归纳性的推理，从中挖掘出潜在的模式，并对未来情况进行预测，以辅助决策者评估风险，做出正确的决策。简而言之，数据挖掘其实是一类深层次的数据分析方法。数据到知识的演化过程，如图1。 　　数据挖掘常用的算法包括决策树（decision tree）决策算法、神经网络（Neural Network、遗传算法（Genetic Algorithms）、粗糙集方法、贝叶斯网络、可视化技术、临近有哪些信誉好的足球投注网站方法和公式发现等方法。数据挖掘常用的分析方法包括分类和预测、聚类分析、关联规则、序列模式、孤立点分析等。事实上，解决一个已给的业务问题时，DM一般混合使用两种及两种以上的技术类别。 　　三、数据挖掘技术在第三方物流企业客户关系管理中的应用 　　1.构建数据仓库。通过电话、信函、传真、E-mail、Web以及客户的宣传资料等方式获取客户的基本信息，并加以分析、存储形成客户基本资料、客户清单、客户账单、客户的各种物流需求、客户的咨询、建议、投诉信息、市场变化等文件资料，这些文件主要服务于联机事务处理系统，是数据仓库的主要原始数据源。数据仓库通过ETL过程（抽取、转换和加载）处理这些接口文件，并且按不同的主题域组织、存储和管理这些客户数据，通过数据仓库接口，对数据仓库中的客户数据进行联机分析和数据挖掘。 　　2.基于主题的数据