金鹏

摘 要：大数据背景下物流企业面临数据处理量大，数据碎片化与客户个性化需求越来越多的困境，CRM（客户关系管理）系统是一类整合企业内部客户资源，挖掘客户价值的综合性工具。本文构建了一个分析型CRM系统智能推荐算法，揭示CRM系统在物流企业中的应用价值，并就算法做了一个简易的算例分析。

关键词：大数据；物流企业；CRM系统

互联网的发展催生了一个前所未有的大数据时代，物流企业的数据正呈指数级增长，在海量的数据中如何去获取企业所关注的有价值的客户需求信息变得越来越重要。物流企业作为一个典型的服务行业，客户就是企业的生命，如何服务好客户，满足客户的需求，提升客户价值一直是物流企业关注的问题。大数据背景下，各物流企业对于客户的需求挖掘，大多借助信息系统、数据挖掘技术，而CRM（客户关系管理）系统则是一个综合应用系统，为物流企业整合客户信息资源，挖掘有用信息提供了强有力的抓手。

一、大数据下的物流企业面临的困境

我国工商企业几十年的信息系统建设与使用已经积累了大量的原始产品产供销数据，分别存在于企业的各类系统中，尤其是近些年互联网、电子商务的发展，客户通过网络与企业互动增强，在网络数据库留存了大批量的消费数据，以阿里为代表的互联网企业早早地启动了云计算战略，应对大数据时代的挑战。但是，要处理大数据并不是容易的事情，现代物流企业必须具备较高的信息技术能力，来应对以下大数据带来的问题。

1.数据量大，数据处理能力要求高

在电子领域有一个著名的摩尔定律，Gordon Moore在1965年提出IC上可容纳的晶体管数量将持续10年以倍数级增加，如此数据存储硬件的容量越来越大，成本越来越低，为海量信息的存储提供了可能。在互联网时期，数据的量级已经达到了PB（拍字节，2的30次方MB，一首歌曲约4MB），即时物流企业没有那么大量级的数据，从全球整体我们可见一斑。物流企业要处理的数据已经远远超过了我们传统电子表格或生产系统所能提供的计算能力，对信息系统提出了更高的要求。

2.数据碎片化，数据亟需整合

物流企业从传统型转向现代物流并没有太久的历程，同企业信息化进度一致，受到互联网、通信技术、多媒体技术等的推动下步入信息化改革。物流企业内部存在多种信息系统，数据成碎片化状态，客户的各类产品信息、财务信息分布在不同的企业内部系统，各部门看到的客户视图都是片面的，对于客户的消费行为分析无从下手，客户分布在企业内部的数据资源亟需整合，已获得有价值的信息。

3.客户个性化需求越来越多

在电子商务发达的今天，物流企业间的竞争加剧，RFID、GIS、物联网等高端技术在逐步不断得提升客户体验，“惯”坏了客户，客户的尝到互联网时代优质的类定制化服务体验，同时也对物流企业提出了更多的定制化服务要求。对于客户对于被动获取客户个性化需求，企业可以应对，而大批量的客户则没有与企业互动，在服务同质化严重的消费市场，客户转移成本低，在没有获得个性化需求满足下流失率提高，企业需要主动获取客户的个性化需求，但是，面对数以万计的客户，亿万数量的消费记录，物流企业该如何去逐个应对是个问题。

二、大数据背景下CRM实施的必要性

1.CRM对企业各系统的整合

CRM系统以客户为中心进行各类数据整合，融合成完整的客户信息，从而分析客户行为、偏好，对企业客户价值挖掘裨益匪浅。大多数企业客户关系管理系统都会集成多个企业内部系统，比如物流企业的办公系统、订单系统、产品系统与车辆管理系统等，提供各业务人员一个统一的入口，给客户的也是一个统一的视图，一个统一的物流企业入口。对于企业内部而言，多系统的集成，解决了各部门对同一客户完整信息的了解，并提供业务分析人员一个完整的数据集，为数据挖掘做好准备。对于客户而言，可以查看企业的产品，自身消费记录及物流订单的全流程监控信息，全方位了解自身业务情况。

2.CRM提供处理大数据的手段

基于数据仓库与数据挖掘技术进行经营分析是CRM系统的一个较为典型的应用，数据仓库技术也是CRM实现的一个基础。数据仓库的构建，以允许冗余、搭建多维视图的数据结构来实现对于海量数据的管理。数据挖掘技术则提供提炼、剖析数据背后的价值信息的手段，是分析型CRM系统模型构建的基础。

3.CRM二次获客，提升综合价值

CRM系统以全方位的客户视图，系统自动推荐产品达到个性化维护功用，做到客户二次开发，提升客户终身价值。CRM的二次获客功能在于通过客户的消费行为曲线研究分析，推荐更多的物流服务，重点在于对客户的行为、喜好，客户间的行为、喜好相似度的判读与预测，以期给一个相似客户群提供一类产品，或给一个客户群提供一类相似产品。

三、CRM系统的应用

客户关系管理系统可以整合客户资源，智能推荐，推动交叉销售的形成。大数据背景下物流企业想获得已有客户的再增值，寻求对客户的交叉销售，需要采取一定的技术手段，挖掘适合客户的产品，实行组合式营销。分析型CRM系统中一个重要的功能是智能推荐，通过系统后台的算法计算，主动将产品推送给客户。

1.分析型CRM个性化推荐引擎的基本原理

本文介绍两种类型的CRM推荐方法，分别为基于客户推荐及基于产品推荐，具体介绍如下。

基于客户的推荐方法如图1所示，喜欢同一类产品的客户一般具有相似的口味与偏好，两个客户若相似度较高，则一般会喜欢同一大类产品。如图中客户A喜欢产品A与C，客户C喜欢产品A、C与D，客户B喜欢产品B，在这三个客户组成的客户群中，我们根据客户喜欢的产品历史信息可以得到客户A与C喜欢的产品较为相似（喜欢的产品有两项一致），因此推断得到客户A也有可能喜欢产品D。

基于产品的推荐方法同基于客户的推荐方法类似，如图2所示，不同之处是需求产品的相似度，将相似的产品推荐给相对应的客户。如图所示，用户A喜欢产品A与C，用户C喜欢产品A，我们发现产品A与C相似（客户A与B喜欢产品A的同时也都喜欢C），则判定客户C可能也喜欢产品C。

2.个性化推荐实施过程

个性化推荐分为三步走：确定查询条件，根据客户行为推荐适合产品，根据产品特点挖掘潜在客户。

确定查询条件：营销人员需要初步设定查询条件，比如物流企业对于自身某一个阶段或者某一时期特定的业务营销需要进行产品、客户的条件设定，设定路线、配送车辆的限定、客户分布的区域等。

根据客户行为推荐适合产品：即运用基于客户的推荐方法发现具有相同兴趣爱好的客户群体为他们推荐各自持有的个性产品，互动有无，实现自然的交叉销售，而非物流企业根据自己的主观意愿将最新产品无目标的直接投向客户市场。根据客户间的相似度来判定相同兴趣的客户可能会购买相同的产品组合，这类方法被广泛地应用于消费者行为分析中，也在实践中被大量地应用。销售人员往往会对自己的客户市场进行细分，然后批量地进行营销，这样可以提高命中率。

根据产品特点挖掘潜在客户：即基于产品的推荐方法，根据历史客户消费数据，分析产品间的相似性，将相似的产品推荐给潜在的客户消费需求。该类推荐方法类似于数据挖掘的关联规则，如经典例子——啤酒尿布，产品间的相似性不一定是产品属性的相似，是以客户消费的关联性来确定，因此两种推荐方法具有较大的关联的。

3.个性化推荐算法

个性化推荐算法是通过寻找客户与客户群中其他客户的相似性，然后推测客户可能喜欢的产品，首先我们需要获得一个客户群持有产品情况，如表1所示

表1中客户C就是我们需要推荐产品的客户，其中持有产品值为1，未持有为0，客户C持有产品序号为1至J-1，客户C与客户I的相似度用sim（c，i）表示，相似度计算公式为

其中，C∩I表示客户C与I持有的相同产品的数量，N取C与I的最大值，相似度取值为0至1。可获得客户C与客户群各个体的相似度如表2所示。

以Sim（c，1）计算为例，客户C与客户1持有产品均为5，即N=5，两客户持有相同产品两项，分别为P1和P3，即C∩I=2，因此，客户C与1相似度为0.4，以此类推可以获得其他相似度值。

选择相似度前5名客户加入客户C的邻居集合中，运用邻居所持有的产品对客户C可能喜欢的产品进行补充。要判断客户C对5名邻居持有自己未购买的产品的喜欢程度，需要利用邻居对各产品的评分来判定。客户C对产品J的评分公式如下：

表示表示客户C对自己目前持有所有产品的平均评分，sim（c，i）是客户C与邻居I的相似度，Rij表示客户I对产品J的评分。与客户C相似度前5名分别为客户2，3，6，9，10，假设前5名邻居对持有产品的评分如下表所示（客户序号重新编号为1至5，评分区间为1到10分，评分为0表示未持有该产品），则可获得客户C对未持有产品P4，P5，P7与P9的评分：

以客户C对未持有产品P4的评分计算为例，客户C对持有产品平均评分为6.6，只有客户3持有P4，P4=6.6+0.6*（5-6.6）=5.64。

根据上述公式循环执行可以获得客户对邻居持有的其他产品的评分，选择评分较高的P4产品进行推荐，可以根据需要选取前几名的产品对客户C进行针对性营销。这里就是将客户C与其他客户的共同兴趣做了挖掘，通过运用相似度较高的邻居客户对客户C所未购买过的产品评分进行排序来推测客户C最有可能会喜欢的产品组合，从而做到相对更有成功率的产品推荐，提高营销精准度。

本例只列举了少量数据的一个CRM系统智能个性化推荐应用，在物流企业上千万的客户群中应用推荐算法进行产品交叉推荐可以提升客户的二次价值挖掘。物流企业是一个典型的服务行业，同时又是一个信息化发展较为快速的行业，在现代物流实施浪潮中智能仓储、RFID标签及卫星定位技术的导入，使得物流企业积累大量的客户数据，在物流企业构建客户关系管理系统，实施分析型CRM模块，将有助于海量数据的挖掘，充分利用历史数据的价值，做到数据驱动型企业，在大数据时代赢得先机。

四、结语

大数据背景下的物流企业必须要依托一个综合的客户管理系统，来处理物流平台所积累的大量的客户数据，做好客户跟踪、维护及二次开发。客户关系管理系统是打通物流企业内部多个系统间障碍，整合物流企业内部数据资源，给营销人员及客户程序一个完整的客户服务、产品消费全方位视图，为营销人员拓展客户提供抓手，为客户了解自己的消费情况提供窗口。本文阐述了大数据背景下物流企业实施CRM系统的必要性，认为只有企业运用CRM先进的数据分析与挖掘功能，才能应对数据指数级爆炸式增长的困境，才能在数据为王的时代占据先机，谋求发展。同时，本文提出了一个分析型CRM中的个性化推荐算法，通过该模块做了一个算例演示，通过智能推荐企业可以获得内部客户再增值的利益。

参考文献：

[1]陶红英.论物流企业的CRM[J].物流技术，2003.

[2]叶斌，余真翰.大数据背景下物流企业CRM变革分析[J].商贸流通，2014.

[3]李其芳，沈湘芸.物流企业CRM与数据挖掘技术[J].科技创业，2009.

[4]王平.基于GIS的物流企业CRM系统的研究与开发[D].河北工业大学，2003.