基于大数据挖掘的企业客户关系管理

导语

大数据时代下，越来越多的人发现，大数据的核心不只是数量大，数据挖掘（Data mining）正越来越被企业所重视，可以帮助企业实现客户关系管理的价值。

根据华硕商用Mr. A收集到的资料，目前CRM中应用的数据挖掘技术和方法的研究有很多，不同行业、不同环境下企业的CRM应用差异很大，应用到的具体数据挖掘技术和方法也会不同，但是CRM应用数据挖掘的目的主要在于以下四个方面：客户细分、获取新客户、提升客户价值和保持客户以防止流失。

客户细分

客户细分就是把客户根据其性别、收入、交易行为特征等属性细分为具有不同需求和交易习惯的群体，同一群体中的客户对产品的需求的及交易心理等方面具有相似性，而不同群体间差异较大。

客户细分可以采用分类的方法，也可以采用聚类的方法。比如，可以将客户分为高价值和低价值的客户，然后确定对分类有影响的因素，再将拥有相关属性的客户数据提取出来，选择合适的算法对数据进行处理得到分类规则。使用聚类的方法，则在之前并不知道客户可以分为几类，在将数据聚类后，再对结果数据进行分析，归纳出相似性和共性。

每一类别的客户具有相似性的属性，而不同类别客户的属性也不同，从而确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费群体或个体下一步的消费行为。细分可以让用户从比较高的层次上来察看整个数据库中的数据，也使得企业可以针对不同的客户群采取不同的营销策略，有效地利用有限的资源。合理的客户细分是实施客户关系管理的基础。

获取新客户

在大多数商业领域中，业务发展的主要指标里都包括新客户的获取能力。新客户的获取包括发现那些对你的产品不了解的顾客，他们可能是你的产品的潜在消费者，也可能是以前接受你的竞争对手服务的顾客。在寻找新客户之前，企业应该确定哪些客户是可能的潜在客户、哪些客户容易获得、哪些客户较难获得，从而使企业有限的营销资源得到最合理的利用。因此，预测潜在客户对企业销售推广活动的反应情况是客户获得的前提。

数据挖掘可以帮助企业识别出潜在的客户群，提高客户对市场营销活动的相应率，使企业做到心中有数、有的放矢。数据挖掘技术中的关联分析、聚类和分类功能可以很好地完成这种分析。根据客户资料及其他输入，数据挖掘工具可以建立一个“客户反应”预测模型，利用这个模型可以计算出客户对某个营销活动的反应指标，企业根据这些指标就可以找出那些对企业所提供的服务感兴趣的客户，进而达到获取客户的目的。

提升客户价值

公司与其客户之间的商业关系是一种持续的、不断发展的关系。在客户与公司建立起这种双向的商业关系之后，可以有很多种方法来优化这种关系，延长这种关系的时间。交叉销售就是向现有的客户提供新的产品和服务的过程。

在交叉销售活动中，数据挖掘可以帮助企业分析出最优的销售匹配方式。在企业所掌握的客户信息，尤其是以前购买行为的信息中，可能正包含着这个客户决定他下一个购买行为的关键，甚至决定因素。通过相关分析，数据挖掘可以帮助分析出最优的、最合理的销售匹配。

有几种数据挖掘方法可以应用于交叉销售：

聚类分析，能够发现对特定产品感兴趣的用户群；

关联规则分析，能够发现顾客倾向于关联购买哪些商品；

神经网络、回归等方法，能够预测顾客购买该新产品的可能性。

首先分析现有客户的购买行为和消费习惯数据，然后用数据挖掘的一些算法对不同销售方式下的个体行为进行建模;其次是用建立的预测模型对客户将来的消费行为进行预测分析，对每一种销售方式进行评价;最后用建立的分析模型对新的客户数据进行分析，以决定向客户提供哪一种交叉销售方式最合适。

保持客户

企业竞争越来越激烈，企业获取新客户的成本也在不断上升。对大多数企业而言，获取一个新客户的花费大大超过保持一个已有客户的费用，保持原有客户的工作越来越有价值，这已经成为大多数企业的共识。你保留一个客户的时间越长，收取你在这个客户身上所花的初期投资和获取费用的时间也越长，你从客户身上获得的利润就越多。但由于各种因素的不确定性和市场的不断增长，以及一些竞争对手的存在，很多客户为了寻求更低的费用和其他服务商为新客户提供比你更多的额外优惠条件，不断地转向其他服务商。

为了分析出是哪些主要因素导致客户转移，并可以有针对性地挽留那些有离开倾向的客户，可以通过使用数据挖掘工具为已经流失的客户建模，识别导致他们转移的模式，然后用这些找出当前客户中可能流失的客户，以便企业针对客户的需要，采取相应的措施防止客户的流失，进而达到保持原有客户的目的。

解决客户流失问题，首先，根据已流失客户数据，可以利用决策树，神经网络等进行分析挖掘，发现流失客户特征；然后，对现有客户消费行为进行分析，以确定每类客户流失的可能性，其中着重于发现那些具有高风险转移可能性并具有较高商业价值的客户，在这些客户转移到同行业其他服务商那里之前，采取相应的商业活动措施来保持住这些有价值的客户。

在选择数据挖掘工具时，若希望能够对客户进行细分，并且能够对客户流失的原因有比较清晰的了解，决策树工具是比较好的选择。尽管其他的一些数据挖掘技术，如神经元网络也可以产生很好的预测模型，但是这些模型很难理解。当用这些模型做预测分析时，很难对客户的流失原因有深入的了解，更得不到对付客户流失的任何线索。在这种情况下，也可使用细分技术和聚类技术来得到深入的了解，但用这些技术生成预测模型就相对复杂得多。正常情况下，在客户保持中，大多使用分类回归决策树来生成预测模型。

华硕商用Mr. A认为，数据挖掘将在未来客户关系管理中有着更加广泛的应用，从某个角度可以说它将是客户关系管理的灵魂。通过运用数据挖掘的相关技术，可以深挖数据中存在的关系与规则，为管理者提供重要的决策参考。