CRM系统：零售业CRM中的数据挖掘技术

零售业CRM中的数据挖掘技术① 王红霞1) 　陈根才2) (浙江水利水电专科学校1) 　杭州　310018) 　(浙江大学计算机学院2) 　杭州　310027) 摘　要:从零售业CRM和数据挖掘的概念入手,讨论了零售业CRM中采用的各种数据挖掘技术,如关联分析、分类分 析、聚类分析等,分析了数据挖掘技术在市场营销、销售与客户服务三个领域的典型应用。最后对数据挖掘在零售业CRM 的作用和发展前景作了总结。 关键词: CRM　数据挖掘　关联规则 中图分类号:TP31 Data Mining Techniques Applied in Retailing’s CRM Wang Hongxia1) 　Chen Gengcai2) (Zhejiang Water Conservancy and Hydropower College1) ,Hangzhou 　310018) (College of Computer Science , Zhejiang University2) , Hangzhou 　310027) Abstract :Beginning with the concepts CRM(Customer Relationship Management) and the DM(Data Mining) , the thesis discusses some key Data Mining techniques in the retailing CRM, such as associational analysis ,classification analysis and clustering analysis. It an2 alyzes the typical applications of DMin the fields of market management , marketing and Customer Services. In the last ,it reaches a conclu2 sion of the significance and the prospect of DM in retailing CRM, which is of great importance to the success for retail enterprises. Key words :CRM(Customer Relationship Management) , Data Mining , Association Rules 1 　引言 加入WTO 后,零售业是我国对外开放力度最 大的领域之一。中国企业要和国外对手同场竞技, 不光在技术、质量上,更重要的是在管理上。同时, 随着多年的市场经济改革,我国早已由卖方市场时 代进入买方市场时代。现在,各式各样的超市、商 场和专卖店随处可见,其质量、价格相差并不是很 大。在这种局面下“, 顾客就是上帝”已然不是一句 空洞的口号,而应当是零售企业在市场立足的管理 原则。总之,全球化和市场化带来的对客户资源的 竞争,使得CRM(客户关系管理) 成为零售企业在 新的市场环境下新的赢利战略和手段。零售企业 必须加快CRM研究。 其次,在我国零售企业实施CRM具有可行性。 零售业是我国建设市场经济过程中,信息化起步较 早、发展较快的行业。经过多年的努力,我国零售 企业积累了丰富的经验和数据,其中相当一部分企 业拥有较完善的软硬件基础设施和价值链构成,能 较快、较准确地了解客户。不断发展的信息技术 (尤其是数据挖掘技术) 为零售企业挖掘和整理有 价值的客户数据提供了条件。这些,都为在我国零 售企业实施CRM创造了条件。 CRM是指以客户为中心的包括市场营销、销 售和客户服务的企业业务流程自动化并使之得以 重组。它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。其目标是通过 合适的渠道,在合适的时间,提供合适的产品给合 适的客户, 2 　数据挖掘技术及其在零售业CRM 中的应用 2. 1 数据挖掘理论 数据挖掘(Data Mining ,DM) 又称数据库中的 知识发现( Knowledge Discovery in Database , KDD) , 就是应用一系列技术从大型数据库或者数据仓库 的数据中提取人们感兴趣的信息和知识,这些知识 或信息是隐含的、事先未知而潜在有用的,提取的 知识表示为概念(Concepts) 、规则( Rules) 、模式 (Patterns) 等形式[2 ] 。数据挖掘过程一般由3 个阶 段组成:数据准备、数据挖掘和解释评估。数据挖 掘可以描述为各个阶段的不断反复。 1) 数据准备是数据挖掘的第一个阶段,是非 常重要的一个阶段。数据准备的好坏影响数据挖 掘的效率、准确性和数据挖掘模式的特性。 2) 数据挖掘是运用选定的数据挖掘方法,从 数据中提取用户需要的知识。首先,决定如何产生 假设,是让数据挖掘系统为用户产生假设,还是用 户自己对数据库可能包含的知识提出假设。前一 种称为发现型的数据挖掘;后一种称为验证型的数 据挖掘,在问题进一步明确后,在数据结构和内容 进一步调整的基础上,就可以建立模型。 3) 解释评价,从上述过程中将会得出一系列 的分析结果、模式和模型,多数情况会得出对目标 问题多侧面的描述,这时就要综合他们的规律性, 提供合理的决策支持信息。评价的一种方法是直 接使用原先建立的模型样本和样本数据来进行检 验;另一种办法是寻找一批数据并对其进行检验,已知这些数据能反映客观实践的规律性;还有一种 方法是在实际运行的环境中取出新鲜数据进行检 验。 在数据挖掘的数据准备阶段执行着数据选取、 数据预处理和数据变换的功能,为数据挖掘进行数 据准备,其功能和数据仓库的构建和数据维护基本 相同。事实上,数据挖掘也可以建立在一般业务数 据库的基础上,但数据仓库对数据的组织更利于提 高数据挖掘的效率,因为数据仓库中完备的、经过 组织的大量数据为数据挖掘提供了很好的基础,当 数据挖掘在数据仓库的基础上进行时,数据库中知 识发现的最初2 个阶段———数据选取、数据预处理 的工作已基本完成,知识发现的过程从数据变换开 始,主要确定对具体挖掘问题有用的维并采用特定 的挖掘算法对数据进行采集。 2. 2 零售业CRM中的主要DM分析技术 数据挖掘是零售业CRM 中的核心技术,其关 键功能在于通过分析顾客已购买商品及这些商品 之间的内在联系,确定顾客的购买习惯和关联购买 倾向,从而帮助零售商制定营销策略,在一定程度 上实现商业智能。下图为DM在CRM 软件中的应 用模型: 在当前的零售业CRM 应用实践中,比较典型 的挖掘技术有关联分析、序列模式分析、分类分析、 聚类分析等[3 ] 。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 设I = {i1 ,i2 ,. . . ,im}是一组物品集,D 是一组 事务集(称之为事务数据库) 。其中每个事务T 是 一组物品,满足TAI。设A 是一个物品集,且满足 A AT ,则称T 支持物品集A。 关联规则是如下形式的逻辑蕴涵:A ] B ,A < I , B < I ,且A ∩B =Φ。关联规则具有如下两个重 要的属性: 支持度: P(A ∪B) ,即A 和B 这两个项集在事 务集D 中同时出现的概率。 强力推荐： 天柏客户关系管理系统 天柏客户关系管理系统（CRM）是一款集专业性、实用性、易用性为一体的纯B/S架构的CRM系统，它基于以客户为中心的协同管理思想和营销理念，围绕客户生命周期的整个过程，针对不同价值的客户实施以客户满意为目标的营销策略，通过企业级协同，有效的“发现、保持和留住客户”，从而达到留住客户、提高销售，实现企业利润最大化的目的。通过对客户进行7P的深入分析，即客户概况分析(Profiling)、客户忠诚度分析(Persistency)、客户利润分析(Profitability)、客户性能分析(Performance)、客户未来分析(Prospecting)、客户产品分析(Product)、客户促销分析(Promotion)以及改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程并提高各个环节的自动化程度，从而帮助企业达到缩短销售周期、降低销售成本、扩大销售量、增加收入与盈利、抢占更多市场份额、寻求新的市场机会和销售渠道，最终从根本上提升企业的核心竞争力，使得企业在当前激烈的竞争环境中立于不败之地。 关键词：CRM,CRM系统,CRM软件,客户关系管理,客户管理软件,客户管理系统,客户关系管理软件,客户关系管理系统