周健君

摘要：随着科学技术的发展和经济的进步，产品不断换代和升级，客户享有越来越多的选择权，而企业在市场中的竞争面临重大的挑战。如何通过数据挖掘技术发现潜在价值的客户，保留已有价值客户以及提升客户的价值，对于提高企业在市场中的竞争实力，促进企业发展具有重要的意义。本文阐述了数据挖掘的任务及功能，介绍了CRM的概念、内涵及体系结构，从挖掘潜在客户、获取新客户、提升现有客户价值以及留住可能流失的客户四个方面论述了数据挖掘技术在CRM中的应用，进而从确定与分析目标、数据选择与准备、模型构造以及模型评估四个方面分析了数据挖掘在CRM的具体实施，为数据挖掘技术在CRM中的应用提供科学的有效指导。

关键词：数据挖掘技术；CRM；应用

前言

改革开放以来，我国不断进行市场经济体制改革，从计划经济体制向市场经济体制转型，带动了我国市场经济的蓬勃发展，大量的企业和工厂上市，产品及商品日益丰富，出现同种商品可以有多种厂家选择的局势。企业在市场中的竞争面临重大的挑战。企业本文阐述了数据挖掘的任务及功能，介绍了CRM的概念、内涵及体系结构，从挖掘潜在客户、获取新客户、提升现有客户价值以及留住可能流失的客户四个方面论述了数据挖掘技术在CRM中的应用，进而从确定与分析目标、数据选择与准备、模型构造以及模型评估四个方面分析了数据挖掘在CRM的具体实施，为数据挖掘技术在CRM中的应用提供科学的有效指导。现综述如下。

一、数据挖掘概念、任务及功能

1.概念

数据挖掘技术（Data mining techniques），又称为资料探勘技术或数据采矿技术，是数据库知识发现（Knowledge-Discovery in Databases，KDD）的构成步骤[1]。一般是指利用计算机科学技术，依靠过去的经验法则，通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等众多方法从大量的模糊、随机的实际应用数据中自动搜索隐藏于其中有着特殊关系性且属于关联规则学习的信息的过程[2]。

2.任务

数据挖掘任务主要有两个：描述和预测[3]。描述性数据挖掘技术用来描述数据库中模糊、随机或不完全数据的一般特性；而预测性数据挖掘技术用来对当前所描述的实际应用数据库中的数据的进行推断，以进行预测。

3.功能

数据挖掘技术能够根据用户和应用的不同来进行调整，其功能主要有：首先，它能够对概念进行一般描述（描述对象的共有特征）和差别描述（描述不同对象的差别特征）；其次，它能够进行描述对象的关联性分析、通过关联性分析，挖掘对象之间的关联性规则[4]；其三，它能够通过对数据库的描述、关联分析，確定规则函数，进而对未知数据进行分类和预测；其四，它能够产生类标记，依据不同的规则对数据进行聚类或分组；最后，它能够对特别的数据和模型进行单独分析。

二、CRM概念、内涵及体系结构

1.概念

客户关系管理（customerrelationshipmanagement，CRM）是指企业通过互联网、数据挖掘、商务智能、电子商务、无线设备等现代化IT信息技术等工具或手段来协调企业与顾客间在销售、营销和服务上的交互，不断提升其管理机制和服务方式，挖掘潜在客户，获取新客户、提升现有客户价值以及留住可能流失的客户，从而提高客户收益率，扩大市场份额，提高市场竞争力的管理过程[5]。

2.内涵

客户关系管理CRM是一种管理理念，是一种信息行业用语，是一种新型管理机制，是一种创新的管理理念，也是一种管理软件和技术。客户关系管理CRM的核心是客户价值管理，通过对客户的资料进行分析、整理以及整合，来提高客户量。其中价值管理体现在通过协调与顾客间在销售、营销和服务上的交互，创新管理模式和运行模式，保持客户价值以及提升客户价值[6]。

客户关系管理CRM的主要内容包括：一方面，针对客户关系，首先体现在对客户关系的认识、选择以及关系建立方面；其次，对已建立的客户关系的维持方面。再次，针对有可能流失的客户关系，如何进行关系恢复以及挽回方面。另一方面，针对可采用的现代化IT信息技术等工具或手段的建设方面，如互联网、软件应用、数据库、资料分析、电子商务以及移动设备客户端等。

3.体系结构

客户关系管理CRM的体系结构主要有操作型CRM、分析型CRM以及协作型CRM[7]。操作型CRM促使企业完成市场、销售到服务的业务流程，并且采集客户数据。分析型CRM对市场、销售到服务的业务流程中的客户数据进行整理和分析。协作型CRM将多种沟通渠道获取的客户信息进行整合，确保沟通渠道的畅通。

三、数据挖掘技术在CRM中的应用

1.挖掘潜在客户

通过数据挖掘技术，按照对企业有意义的潜在客户的标准或原则，对大量模糊、不确定的客户的个性特征（年龄、性别）、消费能力以及购买记录等可得数据进行针对性分析，确定出对企业有意义的潜在客户，作为企业客户关系管理的实施对象。

2.获取新客户

针对对企业有意义的潜在客户进行分析和预测，对不同类型的客户采取不同的营销策略，并且及时根据客户对于营销的反馈情况进行调整，说服潜在的客户使用企业的产品或者服务，发展为企业有意义的确定客户。

3.提升现有客户价值

提升现有客户价值主要是指现有客户获取更过更好的产品或服务的同时，企业获取更高的销售额。通过数据挖掘技术的“交叉销售”和“一对一营销”[8]，一方面，“交叉销售”能够分析出最受客户欢迎的产品或服务的最佳配比，从而增加与客户的交易次数。另一方面，“一对一营销”则可以通过专业、具有特色的产品或服务模式保证与客户的长期合作关系以及最大数量的保证每次交易的利润。

4.留住可能流失的客户

如何留住可能流失的客户，应该要对客户进行甄别、预测和分类，挖掘出优质客户并分组，对于可能流失优质客户的个性特征（年龄、性别）、消费能力以及购买记录等做出描述，采用数据挖掘技术中的关联分析等方法分析优质客户可能流失的原因，尤其要确定优质客户可能流失的原因，及时地针对企业的管理模式或经营理念做出调整。

四、数据挖掘在CRM的具体实施

1.确定與分析目标

数据挖掘在CRM的具体实施，首先要确定与分析目标，对于企业而言，也就是说要确定要达成什么样的商业目标，考虑要达成商业目标的具体参考标准或准则，如销售额度、市场份额以及客户数量等等数据。

2.数据选择与准备

对于数据的选择和准备，主要针对数据的来源、数据库的建立、是否能够使用以及有参考的数据等等进行选择，之后，对于选择的数据库需要进行必要的预处理和转换，以便后期可以通过数据挖掘技术进行分析、预测和整合。

3.模型构造

模型构造是数据挖掘技术在CRM的具体实施中的重要步骤。涉及到的具体工作主要有根据预先确定的企业商业目标，选取最合适的数据挖掘技术类型，针对选取的数据挖掘技术类型确定培训数据和测试数据，参照培训数据和测试数据，确定算法或准则，从而构造数据挖掘技术模型。

4.模型评估

数据挖掘技术模式构建以后，能否应用于确定的企业商业目标，需要进行评估。而模型评估的手段是通过测试数据，对构建的模型数据库进行基础测试和比较，计算误差和误差发生的概率。如果误差不大，达到了预期的商业目标，说明构建的模型是满意的，企业可以进行应用。若误差概率较大，没有达到预期的商业目标，则说明构建的模型是不满意的，此时应该分析数据出现出差的原因，重新选择合适的数据挖掘技术类型，确定新的培训数据和测试数据以及新的算法或准则，建立新的模型并且重新评估。但若设定的商业太不切合实际，则需要更改商业目标。

讨论

随着科学技术的发展和经济的进步，产品不断换代和升级，客户享有越来越多的选择权，而企业在市场中的竞争面临重大的挑战。客户价值的发展、保留和提升成为企业有机发展的核心。如何通过数据挖掘技术发现潜在价值的客户，保留已有价值客户以及提升客户的价值，对于提高企业在市场中的竞争实力，促进企业发展具有重要的意义。企业应该认识到数据挖掘技术在客户关系管理CRM中的重要应用价值，在企业完成市场、销售到服务的整个业务流程中，采取有效的数据挖掘技术，为企业的管理及决策提供支持，不断提升其管理机制和服务方式，挖掘潜在客户，获取新客户、提升现有客户价值以及留住可能流失的客户，扩宽市场占有份额，最终达到企业利润最大化的目的，前景广阔。（作者单位：阳光动力能源互联网股份公司）

参考文献：

[1]张天瑞，于天彪，赵海峰等.数据挖掘技术在全断面掘进机故障诊断中的应用[J].东北大学学报（自然科学版），2015，36（4）：527-531，541

[2]安存红，高祥晓，韩春丽等.利用数据挖掘技术构建基于审计数据仓库的商业银行新型审计模型[J].中国乡镇企业会计，2014，（4）：171-172.

[3]高燕飞，陈俊杰.试析计算机数据挖掘技术在档案信息管理系统中的运用[J].内蒙古师范大学学报：哲学社会科学版，2012，41（4）：44-46.

[4]蒋红，朱敏.数据挖掘技术在教师培训需求分析中的应用——以宁波市教师培训项目数据为例[J].宁波教育学院学报，2015，17（3）：73-76.

[5]薄奋勇，武瑞庆，韩世良等.基于关联规则的数据挖掘技术在煤化工行业设备中的研究及应用[C].//第22届全国煤矿自动化与信息化学术会议暨第4届中国煤矿信息化与自动化高层论坛论文集.2012：436-439.

[6]宋淑彩，祁爱华，王剑雄等.面向Web的数据挖掘技术在网站优化中的个性化推荐方法的研究与应用[J].科技通报，2012，28（2）：117-119.

[7]周洪伟，杨勇，陈浩等.基于数据挖掘技术的《备急千金要方》中肝胆病方剂配伍规律研究[C].//全国中医药博士、博士后科技创新与成果转化学术会议暨全国中医“脑心同治”理论与临床应用学术交流会论文集.2011：168-169.

[8]任福栋，孙菲，任福捷等.基于距离和的数据挖掘技术在中考成绩处理中的应用[J].齐齐哈尔大学学报（自然科学版），2010，26（4）：35-39.