客户关系管理与数据挖掘技术综述
【简介】感谢网友“灼灼”参与投稿，小编在这里给大家带来客户关系管理与数据挖掘技术综述(共5篇），希望大家喜欢!
篇1：客户关系管理与数据挖掘技术综述
客户关系管理与数据挖掘技术综述
摘要:客户关系管理不仅是一种管理理念，又是一种旨在改善企业与客户之间关系的新型管理机制，也是一种管理软件和技术。数据挖掘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。CRM的成功在于成功的数据仓库、数据挖掘。关键词:电子商务；客户关系管理；数据挖掘
Summarization Of CRM And Data Mining
YAN Yan, HU Hengsheng, CHEN Yuexin
（School of Computer Science ,National University of Defense Technology, Changsha410073）【Abstract】CRM is not only a concept of management, but also a new mechanism of management, using to improve the relationship between the organization and the customers, as well as a software and technology of management. Data Mining can forecast the trend and behaviors,thereby nicely support people's decision.
A successful CRM is due to the success of Data Warehousing,Data Mining.
【Keywords】E-business; CRM(Customer Relationship Management);Data Mining
1、电子商务的驱动及客户关系管理的引入
Internet的迅速发展将整个世界经济带入了一个从未有过的高速增长期，随着网络技术的成熟，电子商务的概念已经逐渐深入人心,电子商务正飞速兴起，电子商务大潮正在全球范围内急速改变传统的商业模式。在线购物、B2B、B2C已经成为大家谈论的焦点。在未来的，电子商务的膨胀将形成指数型上升曲线。
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。
传统企业管理的着眼点往往在后台，ERP系统帮助他们实现了这种内部商业流程的自动化，提高了生产效率。而对于前台，往往重视的不够，面对诸如：那种产品最受欢迎、原因是什么、有多少回头客、那些客户是最赚钱的客户、售后服务有哪些问题等，大部分企业还只能依靠经验来推测。
现在网络上的竞争仅在鼠标的一点之间，如何才能在电子商务竞争中取胜？能够提供客户资源及相关数据分析的客户关系管理系统（Customer Relationship Management，CRM）就成为焦点。作为专门管理企业前台的客户关系管理为企业提供了一个收集、分析和利用各种客户信息的系统，帮助企业充分利用其客户管理资源，也为企业在电子商务时代从容自如地面对客户提供了科学手段和方法。
大量的调查和行业分析家都明确了这样一个事实，即建立和维持客户关系是取得竞争优势的唯一且最重要的基础，这是网络化经济和电子商务对传统商业模式变革的直接结果。
2、客户关系管理的概念及特征
2.1、什么是客户关系管理(CRM)?
尽管客户关系管理(Customer Relationship Management，CRM)目前还没有十分统一的定义，顾名思义，CRM指的是企业与其客户的交流方式，它实施于企业的市场营销、销售、服务与技术支持等与客户有关的领域。
客户关系管理（CRM）首先是一种管理理念，起源于西方的市场营销理论，产生和发展在美国。其核心思想是将企业的客户（包括最终客户、分销商和合作伙伴）作为最重要的企业资源，通过完善的客户服务和深入的客户分析来满足客户的需求，保证实现客户的终生价值。
客户关系管理（CRM）又是一种旨在改善企业与客户之间关系的新型管理机制，它实施于企业的市场营销、销售、服务与技术支持等与客户相关的领域，要求企业从“以产品为中心”的模式向“以客户为中心”的模式转移，也就是说，企业关注的焦点应从内部运作转移到客户关系上来。
客户关系管理（CRM）也是一种管理软件和技术，它将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其它信息技术紧密结合在一起，为企业的销售、客户服务和决策支持等领域提供了一个业务自动化的解决方案，使企业有了一个基于电子商务的面对客户的前沿，从而顺利实现由传统企业模式到以电子商务为基础的现代企业模式的转化。
CRM的目标是一方面通过提供更快速和周到的优质服务吸引和保持更多的客户；另一方面通过对业务流程的全面管理减低企业的成本。设计完善的 CRM 解决方案可以帮助企业在拓展新收入来源的同时，改进与现有客户的交流方式。据国际CRM论坛统计，国际上成功的CRM实施，能给相应的企业每年带来6%的市场份额增长；提高9~10%的基本服务收费；并超过服务水平低的企业2倍的发展速度。
2.2、为什么要实施CRM解决方案？
今天，许多企业中的销售、市场营销和客户服务/支持部门都是作为独立的实体来工作的。由于部门界限的存在，这些不同的业务功能往往很难以协调一致的方式将注意力集中在客户身上。例如，如果一名销售人员盲目地打电话给客户并推销某产品，而他根本不知道客户正在为几个尚未解决的服务问题而恼火，那情况会怎样呢？但通过提供一个各业务部门共享的客户通讯和交流平台，情况就大不一样了，CRM解决方案将使这类问题不复存在。
2.3、CRM的特征
①一对一营销
“一对一营销”就是企业根据客户的特殊需求来相应调整自己的经营行为。“一对一营销”要求企业与每一个客户建立一种学习型关系。所谓学习型关系是指，企业每一次与客户的交往都使企业对该客户增长一份了解，客户不断地提出需求，而企业按此需求不断地改善产品和服务，从而使企业不断提高令该客户满意的能力。
亚马逊网上书店（Amazon.com）就是利用遍及全球的Internet同时采用先进的CRM系统软件来进行“一对一营销”的。面对数以万计的客户，亚马逊网上书店具有&quo
t;惊人的记忆力“和”高度的'智力“，从而与客户建立了广泛的”一对一“的学习型关系，这使得该书店的客户保有率高达65%。
②高度集成的交流渠道
CRM将多种与客户交流的渠道，如面对面、电话接洽、E－mail、Fax或信函以及Web访问协调为一体，这样，企业就可以按客户的喜好使用适当的渠道与之进行交流。但无论通过哪种渠道，客户与企业的交流都必须是无缝的、连贯的，而且是有效率的。
③统一共享的信息资源
CRM解决方案的全部数据应集中存储和管理，不同部门接触客户后的经验要能立即给其它部门分享，这样，当前的客户信息就可以实时地供所有面对客户的雇员使用，才不致产生客户由电话中询问A方案，但客户上网时企业却建议B方案。集中式的客户信息库还能保证在不同的业务部门和不同的应用软件功能模块之间的数据的连贯性。
④商业智能化的数据分析和处理
面对浩如烟海的客户及企业营销、销售和服务信息，如果没有一个具有高度商业智能的数据分析和处理系统是不可想象的。CRM将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其它信息技术紧密结合在一起，通过充分挖掘客户的商业行为个性和规律，来不断寻找和拓展客户的赢利点和赢利空间；另一方面，智能化的数据分析和处理本身也是企业向客户”学习“的一种高效过程。随著CRM软件的成熟，将来的CRM软件不再只是帮助商业流程的自动化，而是能帮助管理者做决策的分析工具。
⑤对基于Web的功能的支持
Web在企业内部和外部交流及交易方面日益广泛的使用，使得Web功能成为CRM解决方案中的关键因素。Web不仅对于电子商务渠道是不可缺少的，它在基础架构方面也是十分重要的。而CRM应用软件的用户，包括客户和雇员，都能随时随地访问企业的应用程序。这种访问应当通过通常不需要太多培训就能轻松使用的标准Web浏览器来实现
CRM使企业可以通过Web直接与客户进行销售和服务，企业还可利用Web的电子商务优势来进行自助服务、自助销售、潜在客户开发、时间登记、合同续订、服务请求以及电话反馈等。所有这些都在时间和空间上极大地扩展了传统的营销、销售和服务渠道，使企业能够面向全球提供每周7天、每天24小时（7X24）的访问，从而达到企业收益机遇的最大化。
CRM的以上特征并不是彼此孤立的，而是相互支持、高度融合的一个整体，共同组成了CRM的强大功能。
3、CRM的实施与数据挖掘技术
3.1、CRM解决方案的组成
CRM作为企业管理系统软件，通常由以下三部分组成：
”网络化销售管理系统（Sales Distributor Management, SDM）“
该模块以市场和销售业务为主导，对销售的流程进行了详细的管理，是销售管理人员进行管理和销售业务员销售自动化的重要工具，实现了销售过程中对客户的集中管理和协同管理，销售管理人员可以随时对销售情况进行分析，具体功能包括客户接待管理、报价单处理、销售合同管理、回款单处理、综合查询功能、综合统计功能。目标是提高销售的有效性。
”客户服务管理系统（Customer Service Management, CSM）“
该模块主要对企业的售后服务进行管理，加快售后服务的响应速度，提高客户满意度，对服务人员进行考核，加强对产品质量的监督。
客户服务系统最典型的代表就是呼叫中心环境，通常通过呼叫中心环境布署并且实现基于电话、Web的自助服务。它们使企业能够以更快的速度和更高的效率来满足其客户的独特需求。由于在多数情况下，客户忠实度和是否能从该客户身上赢利取决于企业能否提供优质的服务，因此，客户服务和支持对许多企业就变得十分关键。
”企业决策信息系统（Executive Information System, EIS）“
随着电子商务时代的到来，各行各业业务操作流程的自动化，企业内产生了数以几十或上百GB计的大量业务数据。这些数据和由此产生的信息是企业的财富，它如实的记录着企业运作的本质状况，但是面对如此海量的数据，迫使人们不断寻找新的工具，来对企业的运营规律进行探索，为商业决策提供有价值的知识，使企业获得利润。能满足企业这一迫切需求的强有力的工具就是数据挖掘。
3.2、何谓数据挖掘？
确切地说，数据挖掘(Data Mining)，又称数据库中的知识发现(Knowledge Discovery in Database,KDD)，是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式，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。
从CRM软件所搜集的数据是最能帮助企业了解客户的，所谓的”一对一行“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。
3.3、 数据挖掘在CRM中的应用
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列。在进行序列模式分析时，同样也需要由用户输入最小置信度C和最小支持度S。
③分类分析
设有一个数据库和一组具有不同特征的类别(标记)，该数据库中的每一个记录都赋予一个类别的标记，这样的数据库称为示例数据库或训练集。分类分析就是通过分析示例数据库中的数据，为每个类别做出准确的描述或建立
分析模型或挖掘出分类规则，然后用这个分类规则对其它数据库中的记录进行分类。
④聚类分析
聚类分析输入的是一组未分类记录，并且这些记录应分成几类事先也不知道，通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。它所采用的分类规则是由聚类分析工具决定的。采用不同的聚类方法，对于相同的记录集合可能有不同的划分结果。
应用数据挖掘技术，较为理想的起点就是从一个数据仓库开始，这个数据仓库里面应保存着所有客户的合同信息，并且还应有相应的市场竞争对手的相关数据。数据挖掘可以直接跟踪数据和并辅助用户快速作出商业决策，并且用户还可以在更新数据的时候不断发现更好的行为模式，并将其运用于未来的决策当中。
4、CRM的发展现状与前景
4.1、CRM的发展现状
CRM管理理念及其价值被越来越多的企业所重视，自开始，全球的CRM市场一直处于爆炸性的快速增长之中。国内CRM起步较晚，但却依然显示出强劲的发展势头，其显著的价值提升能力已经得到业界的认同，即将进入发展的蓬勃期并将形成新的追踪热潮。
根据一份最近的研究报告显示，在受调查的企业中有2/3以上期望在未来的五年内改变其客户关系的管理模式，而有3/4以上的企业计划集成”面对客户“的信息管理系统及其组织的其它部分。
4.2、前景
CRM产品的未来走向预测：未来的CRM产品前台和后台的信息系统将进一步融合；呼叫中心的功能将大大扩充，真正地实现电话、www、Email、传真、无线通讯、直接接触等的融合，成为联系中心；基于网络的自助服务将成为企业向用户提供服务的重要方式……
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。
参考文献
1. www.ctiforum.com
2. http:/www.amteam.org
3. Alex Berson,Stephen Smith Kurt Thearling.构建面向CRM的数据挖掘应用.北京：人民邮电出版社，
4. Oracle中国有限公司.CallCenter & CRM Proposal.doc
5. Overview of Customer Relationship Management on Microsoft Business. www.microsoft.com/
6. Bill Schmarzo,David Harper.Making Every Customer Relationship Count
篇2：客户关系管理与数据挖掘
一、客户关系管理
1.客户关系管理的定义
客户关系管理首先是一种管理理念，其核心思想是将企业的客户作为重要的资源，通过完善的客户服务和深入的客户分析来满足客户的需求，保证实现客户的终生价值。
CRM又是一种旨在改善企业与客户之间关系的新型管理机制，它实现于企业的市场营销、销售、服务与技术支持等与客户相关的领域。通过向企业的销售、市场和客户服务的专业人员提供全面、个性化的客户资料，并强化跟踪服务、信息分析的能力，使他们能够维护一系列与客户和生意伙伴之间卓有成效的“一对一关系” 从而使企业得以提供更快捷和周到的优质服务.提高客户的满意度。
CRM也是一种管理软件和技术。它将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其他信息技术紧密结合在一起，为企业的销售、客户服务和决策支持等领域提供了一个业务自动化的解决方案，使企业有了一个基于电子商务的面对客户的前沿，从而顺利实现由传统企业模式到以电子商务为基础的现代企业模式的转化。
2.客户关系管理的研究和应用现状
CRM起源于20世纪80年代初提出的接触管理，即专门收集整理客户与公司联系的所有信息。到20世纪90年代初期则演变成为包括服务中心与支持资料分析的客户服务。经历720余年不断演变发展，CRM逐渐形成了一整套管理理论体系和应用技术体系。
从全球的范围看，市场对CRM的需求已经比ERP高，CRM销售量每年的增长率超过了30%，而ERP只有10%。的销售额达到了 140亿美元之多，企业信息化的重点从后台系统转向了前台。在国内，多数企业将大部分力气投入到企业内部信息系统得建设上，这意味着CRM在我国的应用还不成熟。
CRM应用最广泛的领域是与科技和计算机相关的领域，这一领域中的企业由于信息化程度高和自身的优势，能够通过CRM系统建立起与客户之间的有效价值链，从而铲射功能更大的效益，
而在我国生产总值中占据重要地位的传统企业在CRM的市场中所占比例较小。加入WTO后企业面临着更为严峻的国际竞争，因此企业迫切需要寻找类似CRM的新思路、新理念来增强企业的竞争力。现在市场中CRM供应商较多国际的有Siebel、 Oracol、Borland、 sybase，国内的用友、中圣、金蝶创智等。[next]
二、数据挖掘是CRM成功的保障
大量数据的产生和收集导致了信息的爆炸，但信息仅仅停留在这个阶段，未对这些信息进行适时和深层次的分析，致使企业对客户知识的缺乏。数据挖掘可以从繁杂的数据中找出真正有价值的信息知识，提高企业对客户了解程度，时时快捷的发现并满足客户的需求，从而提高企业的竞争力。
1.数据挖掘使市场信息触手可及
数据库及数据挖掘技术可以扩展企业核心业务过程的信息后勤基础，通过数据挖掘来保证对数据的访问及分析，从而提高业务过程的有效性。当企业通过数据仓库直接向其顾客索取某些信息密集型顾客支持过程的资源时，支持成本会不断地下降，企业的管理成本也就随之降低。
利用信息技术和数据资源，不断地增强对客户的了解程度，使客户感觉好像与企业有一种独一无二的个人关系，具有有效的信息文换和访问能力，与客户打交道变得更容易一些。数据挖掘技术基于事实，利用数据仓库中产品、价格、投资、分配等方面，从浩瀚的信息海洋中提炼出有价值的信息，发现隐含在这些信息中的对等的、不明显的、不可预知的模式、趋势和关系，为企业提供决策的依据。
2.数据挖掘将数据加工成信息和知识
在CRM 中，数据仓库将海量复杂的客户行为数据集中起来建立一个整合的、结构化的数据模型，在此基础上对数据进行标准化、抽象化、规范化分类、分析，为企业管理层提供及时的决策信息，为企业业务部门提供有效的反馈数据。数据挖掘对客户资料进行分析，是挖掘客户潜力的基石。
数据挖掘技术的作用在企业管理客户生命周期的各个阶段都会有所体现。数据挖掘帮助企业发现客户的特点，从而可为客户提供有针对性的服务。通过数据挖掘，可以发现购买某一商品的客户的特征，从而可以向那些也同样具有这些特征却没有购买的客户推销这个商品;若找到流失的客户的特征，就可以在那些具有相似特征的客户还未流失之前，采取相应的措施。
篇3：基于数据挖掘技术的客户关系管理
在以客户为中心的竞争环境中，如何既是能够拥有正确的信息，又能够拥有分析信息的工具，这就是商业智能，商业智能系统通过数据仓库、数据挖掘和高级数据分析为企业提供全方位的客户分析决策支持和客户关系管理，其中最为关键的技术就是数据挖掘技术。数据挖掘技术是从大量数据中提取或挖掘知识，数据挖掘工具进行数据分析，可以发现重要的数据模式，为解决商务决策中“数据丰富，知识贫乏”作出了巨大的贡献。从电话中心变成了联络中心或“互动中心”;市场营销工具可以采用E-mail、IP语音、共享化浏览、文字聊天和多种电子文字交流，以及客户与企业的整体关系成为企业迫切需要解决的问题。CRM通过管理企业与客户间的关系、优化供应链，减少销售环节，降低销售成本，挖掘潜在客户，发现新市场和渠道，提高客户价值、客户满意度、客户利润贡献度和忠诚度，实现企业最终销售管理、营销管理、客户服务与支持等方面的效果的提高。然而CRM失败率也很高，这是由于CRM的实施中会遇到高度集成，企业文化，设计技术如XML基于组件等，个性化服务与自动化矛盾，基础网络设施，可扩展性等问题。CRM起源于20世纪80年代中期，20世纪90年代得到企业广泛重视，进入新世纪人们更加重视吸引和发现潜在的客户和留住最有价值的客户。统计表明，现代企业的销售额是来自12%的重要客户，而其余88%中的大部分客户对企业是微利甚至是微利可图，开发一个新客户的成本是留住一个老客户的5倍，而流失一个老客户的损失，需要争取到10 个新客户才能弥补，因而CRM成为企业研究和应用的热点。如何成功的应用客户关系系统呢?利用数据挖掘技术来分析客户的数据，找出客户的购买模式，不断的满足客户的需求，把客户当作企业最重要的资产进行管理，是成功的应用CRM搞好企业的经营管理工作关键技术。
一、基于数据挖掘技术的客户行为分析与重点客户发现
目前许多企业在为客户的服务过程中积累了大量的数据，通过这些数据可以分析企业的发展历程、竞争态势、发展趋势及客户资源，这些资源是企业普遍关注的重要资源，而对客户的分析是赢利竞争优势的重要方法，从销售自动化中，提供了记录和跟踪在客户的信息，提供了销售人员与潜在客户交流要点，以便有效地管理自己时间，安排与客户交流和沟通，
而在电子商务环境下，接触客户不仅是销售人员，通过Internet把获取客户信息进一步扩展到企业所有部门，与之所有能与客户接触的所有人员，包括各种销售渠道的人员。通过与客户的各种“接触点”对客户360度的认识。美国艾克通过长期以来总结的经验认为CRM应让客户更方便、对客户更亲切、个性化和立即反应，才能更好地维持客户关系。凡成功地企业CRM一定是“以人为本，以客户为中心”去分工，实现企业内部“一对一客户观念”的确认。企业内部与客户相关的部门应该保持不同部门与客户之间作业的连贯;实现各种管理信息与知识的共享，建立较为详细的客户联系库，共同遵守的互动规则。利用客户智能—通过分析来自营销、销售、服务和商务的信息，制定统一的关于客户需求服务的规则，以增加客户的满意程度和减少客户背离程度。数据挖掘成为识别好的客户，完成市场划分以及改进直销活动效果的关键工具。
图1 数据挖掘技术在CRM中的作用增加市场占有率有两种常用方法：以客户为基础的产品促销活动和交叉销售，数据挖掘技术能够实现哪些客户最有可能购买新产品以及哪些产品能够被一起购买，这样销售人员就能够将更多的精力放在这些重点客户上。Microsoft Commerce Server 是一个基于SQL Server 2000利用数据挖掘技术的快速实现商业智能的通用平台，它通过扩展基于OLE DB技术模式对象与CRM集成。它可以针对注册用户进行数据分析了解不同消费群体的购物行为，对未注册的用户则根据用户停留在该电子商务网站停留的时间、点过的连接、查询过的商品等记录分析出他们的行为模式;还可分析出广告、打折活动等营销方法的效果。
篇4：数据挖掘技术在客户关系管理中怎么应用探讨管理论文
数据挖掘技术在客户关系管理中怎么应用探讨管理论文
根据波特的影响企业的利益相关者理论，企业有五个利益相关者，分别是客户、竞争对手、供应商、分销商和政府等其他利益相关者。其中，最重要的利益相关者就是客户。现代企业的竞争优势不仅体现在产品上，还体现在市场上，谁能获得更大的市场份额，谁就能在竞争中占据优势和主动。而对市场份额的争夺实质上是对客户的争夺，因此，企业必须完成从“产品”导向向“客户”导向的转变，对企业与客户发生的各种关系进行管理。进行有效的客户关系管理，就要通过有效的途径，从储存大量客户信息的数据仓库中经过深层分析，获得有利于商业运作，提高企业市场竞争力的有效信息。而实现这些有效性的关键技术支持就是数据挖掘，即从海量数据中挖掘出更有价值的潜在信息。正是有了数据挖掘技术的支持，才使得客户关系管理的理念和目标得以实现，满足现代电子商务时代的需求和挑战。
一、客户关系管理（CRM）
CRM是一种旨在改善企业与客户之间关系的新型管理方法。它是企业通过富有意义的交流和沟通，理解并影响客户行为，最终实现提高客户获取、客户保留、客户忠诚和客户创利的目的。它包括的主要内容有客户识别、客户关系的建立、客户保持、客户流失控制和客户挽留。通过客户关系管理能够提高企业销售收入，改善企业的服务，提高客户满意度，同时能提高员工的生产能力。
二、数据挖掘（DM）
数据挖掘（Data Mining，简称DM），简单的讲就是从大量数据中挖掘或抽取出知识。数据挖掘概念的定义描述有若干版本。一个通用的定义是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取人们感兴趣的知识，这些知识是隐讳的、事先未知的、潜在有用的信息。
常用的数据挖掘方法有：
（1）关联分析。即从给定的数据集中发现频繁出现的项集模式知识。例如，某商场通过关联分析，可以找出若干个客户在本商场购买商品时，哪些商品被购置率较高，进而可以发现数据库中不同商品的联系，进而反映客户的购买习惯。
（2）序列模式分析。它与关联分析相似，其目的也是为了控制挖掘出的数据间的联系。但序列模式分析的侧重点在于分析数据间的前后（因果）关系。例如，可以通过分析客户在购买A商品后，必定（或大部分情况下）随着购买B商品，来发现客户潜在的购买模式。
（3）分类分析。是找出一组能够描述数据集合典型特征的模型，以便能够分类识别未知数据的归属或类别。例如，银行可以根据客户的债务水平、收入水平和工作情况，可对给定用户进行信用风险分析。
（4）聚类分析。是从给定的数据集中搜索数据对象之间所存在的有价值联系。在商业上，聚类可以通过顾客数据将顾客信息分组，并对顾客的购买模式进行描述，找出他们的特征，制定针对性的营销方案。
（5）孤立点分析。孤立点是数据库中与数据的一般模式不一致的数据对象，它可能是收集数据的设备出现故障、人为输入时的输入错误等。孤立点分析就是专门挖掘这些特殊信息的方法。例如，银行可以利用孤立点分析发现信用卡诈骗，电信部门可以利用孤立点分析发现电话盗用等。
三、数据挖掘在客户关系管理中的应用
1、进行客户分类
客户分类是将大量的客户分成不同的类别，在每一类别里的客户具有相似的属性，而不同类别里的客户的属性不同。数据挖掘可以帮助企业进行客户分类，针对不同类别的客户，提供个性化的服务来提高客户的满意度，提高现有客户的价值。细致而可行的客户分类对企业的经营策略有很大益处。例如，保险公司在长期的保险服务中，积累了很多的数据信息，包括对客户的服务历史、对客户的销售历史和收入，以及客户的人口统计学资料和生活方式等。保险公司必须将这些众多的信息资源综合起来，以便在数据库里建立起一个完整的客户背景。在客户背景信息中，大批客户可能在保险种类、保险年份和保险金额上具有极高的相似性，因而形成了具有共性的.客户群体。经过数据挖掘的聚类分析，可以发现他们的共性，掌握他们的保险理念，提供有针对性的服务，提高保险公司的综合服务水平，并可以降低业务服务成本，取得更高的收益。
2、进行客户识别和保留
（1）在CRM中，首先应识别潜在客户，然后将他们转化为客户
这时可以采用DM中的分类方法。首先是通过对数据库中各数据进行分析，从而建立一个描述已知数据集类别或概念的模型，然后对每一个测试样本，用其已知的类别与学习所获模型的预测类别做比较，如果一个学习所获模型的准确率经测试被认可，就可以用这个模型对未来对象进行分类。例如，图书发行公司利用顾客邮件地址数据库，给潜在顾客发送用于促销的新书宣传册。该数据库内容有客户情况的描述，包括年龄、收入、职业、阅读偏好、订购习惯、购书资金、计划等属性的描述，顾客被分类为“是”或“否”会成为购买书籍的顾客。当新顾客的信息被输入到数据库中时，就对该新顾客的购买倾向进行分类，以决定是否给该顾客发送相应书籍的宣传手册。
（2）在客户保留中的应用
客户识别是获取新客户的过程，而客户保留则是留住老顾客、防止客户流失的过程。对企业来说，获取一个新顾客的成本要比保留一个老顾客的成本高。在保留客户的过程中，非常重要的一个工作就是要找出顾客流失的原因。例如，某专科
学校的招生人数在逐渐减少，那么就要找出减少的原因，经过广泛的搜集信息，发现原因在于本学校对技能培训不够重视，学生只能学到书本知识，没有实际的技能，在就业市场上找工作很难。针对这种情况，学校应果断的抽取资金，购买先进的、有针对性的实验实训设备，同时修改教学计划，加大实验实训课时和考核力度，培训相关专业的教师。
（3）对客户忠诚度进行分析
客户的忠诚意味着客户不断地购买公司的产品或服务。数据挖掘在客户忠诚度分析中主要是对客户持久性、牢固性和稳定性进行分析。比如大型超市通过会员的消费信息，如最近一次消费、消费频率、消费金额三个指标对数据进行分析，可以预测出顾客忠诚度的变化，据此对价格、商品的种类以及销售策略加以调整和更新，以便留住老顾客，吸引新顾客。
（4）对客户盈利能力分析和预测
对于一个企业而言，如果不知道客户的价值，就很难做出合适的市场策略。不同的客户对于企业而言，其价值是不同的。研究表明，一个企业的80%的利润是由只占客户总数的20%的客户创造的，这部分客户就是有价值的优质客户。为了弄清谁才是有价值的客户，就需要按照客户的创利能力来划分客户，进而改进客户关系管理。数据挖掘技术可以用来分析和预测不同市场活动情况下客户盈利能力的变化，帮助企业制定合适的市场策略。商业银行一般会利用数据挖掘技术对客户的资料进行分析，找出对提高企业盈利能力最重要的客户，进而进行针对性的服务和营销。
（5）交叉销售和增量销售
交叉销售是促使客户购买尚未使用的产品和服务的营销手段，目的是可以拓宽企业和客户间的关系。增量销售是促使客户将现有产品和服务升级的销售活动，目的在于增强企业和客户的关系。这两种销售都是建立在双赢的基础上的，客户因得到更多更好符合其需求的服务而获益，公司也因销售增长而获益。数据挖掘可以采用关联性模型或预测性模型来预测什么时间会发生什么事件，判断哪些客户对交叉销售和增量销售很有意向，以达到交叉销售和增量销售的目的。例如，保险公司的交叉营销策略：保险公司对已经购买某险种的客户推荐其它保险产品和服务。这种策略成功的关键是要确保推销的保险险种是用户所感兴趣的，否则会造成用户的反感。
四、客户关系管理应用数据挖掘的步骤
1。需求分析
只有确定需求，才有分析和预测的目标，然后才能提取数据、选择方法，因此，需求分析是数据挖掘的基础条件。数据挖掘的实施过程也是围绕着这个目标进行的。在确定用户的需求后，应该明确所要解决的问题属于哪种应用类型，是属于关联分析、分类、聚类及预测，还是其他应用。应对现有资源如已有的历史数据进行评估，确定是否能够通过数据挖掘技术来解决用户的需求，然后将进一步确定数据挖掘的目标和制定数据挖掘的计划。
2、建立数据库
这是数据挖掘中非常重要也非常复杂的一步。首先，要进行数据收集和集成，其次，要对数据进行描述和整合。数据主要有四个方面的来源：客户信息、客户行为、生产系统和其他相关数据。这些数据通过抽取、转换和装载，形成数据仓库，并通过OLAP和报表，将客户的整体行为结果分析等数据传递给数据库用户。
3、选择合适的数据挖掘工具
如果从上一步的分析中发现，所要解决的问题能用数据挖掘比较好地完成，那么需要做的第三步就是选择合适的数据挖掘技术与方法。将所要解决的问题转化成一系列数据挖掘的任务。数据挖掘主要有五种任务：分类，估值预测，关联规则，聚集，描述。前三种属于直接的数据挖掘。在直接数据挖掘中，目标是应用可得到的数据建立模型，用其它可得到的数据来描述感兴趣的变量。后两种属于间接数据挖掘。在间接数据挖掘中，没有单一的目标变量，目标是在所有变量中发现某些联系。
4、建立模型
建立模型是选择合适的方法和算法对数据进行分析，得到一个数据挖掘模型的过程。一个好的模型没必要与已有数据完全相符，但模型对未来的数据应有较好的预测。需要仔细考察不同的模型以判断哪个模型对所需解决的问题最有用。如决策树模型、聚类模型都是分类模型，它们将一个事件或对象归类。回归是通过具有已知值的变量来预测其它变量的值。时间序列是用变量过去的值来预测未来的值。这一步是数据挖掘的核心环节。建立模型是一个反复进行的过程，它需要不断地改进或更换算法以寻找对目标分析作用最明显的模型，最后得到一个最合理、最适用的模型。
5、模型评估
为了验证模型的有效性、可信性和可用性，从而选择最优的模型，需要对模型进行评估。我们可以将数据中的一部分用于模型评估，来测试模型的准确性，模型是否容易被理解模型的运行速度、输入结果的速度、实现代价、复杂度等。模型的建立和检验是一个反复的过程，通过这个阶段阶段的工作，能使数据以用户能理解的方式出现，直至找到最优或较优的模型。
6、部署和应用
将数据挖掘的知识归档和报告给需要的群体，根据数据挖掘发现的知识采取必要的行动，以及消除与先前知识可能存在的冲突，并将挖掘的知识应用于应用系统。在模型的应用过程中，也需要不断地对模型进行评估和检验，并做出适当的调整，以使模型适应不断变化的环境。
篇5：银行客户关系管理中的数据挖掘探究论文
银行客户关系管理中的数据挖掘探究论文
0 引言
随着我国利率市场的推进和改革的不断深入，我国银行业面临的竞争压力也越来越大，若想在竞争中处于不败之地，中国金融业必须改变经营观念，以客户需要为中心，以客户满意为宗旨，改善企业与客户关系，不断地提高自身的服务水平和决策能力。 由于在银行日常的业务处理过程中，收集并积累了大量和客户有关的业务数据，银行希望能够对数据库中存储的这些大量数据信息进行分析和处理，提取潜在的、有应用价值的信息，从而提高银行的服务和决策水平。 对企业或银行而言，能否对客户相关数据加以进一步利用，已成为在竞争中取得优势的关键和基础。 数据挖掘就是对大量的数据信息进行提取、发现和获得有用的知识和规则的技术，为制定经营策略提供有利的参考依据，进而提高客户服务水平，加强客户关系管理[1].
1 客户关系管理的涵义
客户关系管理是指企业为了获取最大限度的经济效益，制定以客户服务为中心的发展策略，引导客户的投资行为，最大限度地满足客户的需求，建立与客户持久的关系，企业也从营销中获得利润，实现双赢。 客户是企业重要的资源，客户关系也越来越受到关注和重视，应该加强客户关系的建立和维护，改善企业和客户的关系，进而形成长期稳定的客户群体，实现企业盈利的目的。
2 数据挖掘技术在银行客户关系管理中的应用
数据挖掘是一种信息处理方法和技术，主要是对大量实际应用的数据进行提取，并进行深入地分析和处理，从而获得有用的信息和规则，为企业的管理和制定经营策略提供参考依据。 数据挖掘作为一种新兴的技术被广泛应用到银行客户关系管理中，对数据库中存储的大量客户相关数据进行深层次的挖掘，提取出来的有用的知识或信息可为管理人员提供参考依据，进而制定出合理的、有利于企业发展的决策，提高企业的竞争能力。 常用的数据挖掘方法有决策树、遗传算法、神经网络及聚类分析等[2].
2. 1 数据挖掘技术在银行客户关系管理中的重要性
数据挖掘技术在银行客户关系管理中的`作用主要体现在以下几个方面：
（ 1） 客户盈利能力分析。 不同客户的价值是不同的，数据挖掘可以对不同市场活动情况下客户盈利能力的变化进行分析和预测，进而制定合适的市场策略；（ 2） 客户获得、流失和保持分析。 银行为客户提供的产品基本都相同，由于企业间竞争的不断加剧，发展新客户的同时也应重视原有客户，可以通过不断地改善现有客户的服务来避免客户流失。 利用数据挖掘技术建立客户流失的预测模型，可以采取预防措施防止客户流失；（ 3） 交叉营销。 银行为客户提供新的产品或服务，即进行交叉销售。 数据挖掘技术可以提供帮助信息，为不同客户分析并制定出合理的服务匹配；（ 4） 客户群体分类分析。 优质客户能够为银行带来客观利润，因而为高价值客户提供优质服务很重要。 多数的中间客户则处于高价值与低价值中间，也是银行重要的客户群体。 通过数据挖掘技术对大量的客户进行分类，针对不同的客户提供不同的产品和服务。
2. 2 数据挖掘技术方法
数据挖掘技术主要有聚类、分类和关联分析等分析方法，广泛应用于客户关系管理。 聚类分析实现对客户进行分类，利用分类法能够识别优质客户，通过关联分析进行交叉销售[3].
2. 2. 1 分类分析
假定数据库中每条记录都属于某一确定的类别，由一个称作类属性的值确定。 分类分析就是通过对训练数据集中的数据的分析，对不同类别进行描述并建立分析模型或获得分类规则，然后将这个分类规则应用于其它数据库中的记录。 分类分析有两步过程： 第一步是建立模型。 通过分析记录数据来构造模型； 第二步是使用模型进行分类。 如果模型的预测准确率可以接受，就可以用它对类别未知的数据对象进行分类。
分类法可将客户划分为不同的群体，各个群体有着明显的行为特征。 企业可以更好地理解客户和发现群体客户的特点，从而制定相应的市场策略。 同时，通过对不同客户群的交叉分析，还可以发现群间的特点和规律。 分类方法通常建立的模型以分类规则、判定树形式出现，主要包括决策树、贝叶斯分类、遗传算法分类等，最为典型的决策树方法是 ID3 算法和算法 C4. 5.
例如，针对某一产品的营销，银行如何在众多的客户中识别出相应的客户。 这里可首先假设类属性是“是否为优质客户”,然后采用分类法，最后确定出优质客户的评估标准。 分类法可以帮助企业快速确定相应客户，进而提供相应服务。 同样为了防止客户流失，首先要了解顾客的需求。 首先设类属性是“顾客是否流失”,再利用数据挖掘方法对大量的客户信息进行分析，建立数据模型，以确定客户的特点和属性，为其提供个性化服务。
2. 2. 2 关联分析
关联分析就是在训练集的基础上，通过分析记录集合，推导出相关性的结果，目的是为了挖掘出隐含在数据间的相互关系，发现客户数据信息之间的相互依赖或某种规律性。 交叉销售是指银行向客户推销新的产品或服务，客户可以得到相应的服务而受益，银行也因营业额的增长而获得利润。 关联分析法可以在对客户过去的购买数据的分析找出影响客户购买产品的因素，即找出客户的投资行为与其他属性如性别、年龄、职位等的关联关系，并建立预测模型对客户以后的购买进行预测，分析哪些用户对金融产品感兴趣，哪些用户对理财产品感兴趣，从而实施有效的营销[4].
2. 2. 3 聚类分析
与分类分析不同，聚类分析的数据集合还没有进行任何分类。 聚类分析是对数据库中的记录数据进行分析，按照类内相似度最大，类间相似度最小的原则分类。 聚类即平常所说的“物以类聚”,是把一组个体按照相似性分成若干类别。 业务人员面对服务营销的特定需要和大量的客户信息，希望得到有效的帮助和提示，进而对特定的客户分类群体采取相应措施进行营销。 通过聚类分析方法，对大量的客户数据信息进行处理，对客户分类划分，可以发现每个类别客户的不同特点，从而提供针对性的服务，为其提供相应的服务和产品，快速准确地找到潜在客户，提高工作效率，降低营销成本。
聚类分析主要有统计方法、机器学习方法、神经网络方法等，在实际应用中经常和分类分析方法结合起来使用。 例如，分析人员可先利用聚类分析对要分析的数据划分类别，然后用分类分析方法进一步分析不同类别的数据集合，挖掘出各类别的分类规则，最后使用分类规则对整个数据集合重新进行划分，通常能获得较好的分类结果。 通过两种方法的结合使用得到满意的划分结果。
3 结语
数据挖掘是客户关系管理中的关键技术，本文主要探讨数据挖掘在客户关系管理上的应用，对聚类、分类、关联分析等挖掘技术进行了详细的介绍。 数据挖掘通过对大量的客户信息进行分析和处理，为银行管理人员提供客户分类、盈利能力以及潜在的用户等有用信息，找出各种数据之间的关联性，从而能够为客户提供满意的服务，加强了客户关系管理的维护和建设，为决策人员提供准确的指导信息，辅助决策者制定最优的营销策略，降低了运营成本和决策风险。
参 考 文 献
[1]王小燕，周建民。 数据挖掘技术在商业银行中的应用研究[J]. 华南金融电脑，2005,13（ 5） : 94 -96.
[2]陈建成。 数据挖掘技术在客户关系管理系统中的应用[J]. 电脑与电信，2007（ 2） : 41 -43.
[3]左爱群，杜 波。 数据挖掘在银行客户关系管理系统中的应用[J]. 武汉工业学院学报，2006,25（ 3） : 52 -55.
[4]尹晓丽，方旭昇。 数据挖掘技术在银行 CRM 中的应用[J]. 经济研究导刊，2009（ 20） : 112 -113.
