CRM系统：CRM 中客户分类方法的研究与应用

CRM 中客户分类方法的研究与应用 周欢 (扬州职业大学信息工程学院，江苏扬州225000) 摘要：在企业管理中，如何将不同客户按照对企业的贡献程度分类并加以实现，以辅助制定经营策略，成为研究热点。针 对具体的燃气行业进行了分析，提出了一套适用其的客户分类指标。并且借鉴蚁群算法，做了相应的改进，与聚类分析方法 相结合，将此算法在企业现有数据的基础上进行了实现，得到了较好的聚类结果。 关键词：客户关系管理; 客户分类; 聚类分析; 数据挖掘; 蚁群 中图法分类号：TP311 文献标识码：A 文章编号：1000-7024 (2008) 03-0659-03 Study of classifying customers method in CRM ZHOU Huan (Department of Information Engineering, Yangzhou Polytechnic College, Yangzhou 225000, China) Abstract：Nowadays, it is popular to research on how to classify the customers depending on their contributions to the enterprise. A new method on this is given. Firstly, a measurement of classifying the customers is given. Then, an algorithmof combination clustering based on swarm intelligence is improved. Experiments show that the algorithm has good clustering qualities when it is used to partition customers. Key words：customer relationship management; customers' classify; clustering analysis; data mining; ant colony algorithm 引言 客户关系管理CRM 是正在兴起的一种旨在改善企业与 客户之间关系的新型管理机制。它是一套先进的管理思想及 技术手段，通过将人力资源、业务流程与专业技术进行有效的 整合，最终为企业涉及到客户或消费者的各个领域提供了完 美的集成，使得企业可以以更低的成本、更高的效率来满足客 户的需求。 准确的客户分类是企业有效地实施客户关系管理的基 础。客户分类是根据客户属性来划分客户集合，通过获得的 客户类别来分析和预测客户的消费模式。建立起一对一的客 户服务体系，实行差异化的客户管理。 1 客户分类 1.1 客户分类指标的选择 客户分类结果的正确与否取决于分类指标和分类方法的 选择。就分类指标而言，其要能反映客户特征以及企业进行 客户管理的目的。由于客户分类问题涉及的因素众多，且分 类的标准因分类的目的不同而不同，因此没有一种通用的方 法适合各种客户分类问题。各企业应根据客户数据库中已有 的类型信息的不同和自身管理的需要进行具体的分类。目前 较常见的客户分类方法有基于量化客户价值的分类和基于指 标组合的客户分类方法，而指标组合的客户分类常采用客户 利润率、忠诚度和信用度的组合来分类客户[1]。本文所做的工 作，就是结合了燃气行业目前的实际情况，总结燃气公司过去 用户分类方法的不足，提出了一种不同的用户分类指标。 1.2 客户分类方法的选择 另外，在分类方法的选择方面，现在普遍采用聚类分析方 法[2]，即是将数据分组成为多个类。同一个类内部的对象具有 较高的相似度，不同类之间的对象差别较大。其目的是挖掘 数据潜在的自然分组结构和关系。应用在市场研究领域，聚 类分析是市场细分、寻找不同目标市场及其人员特征非常简 单而又非常有效的方法。现在比较成熟的聚类分析技术有： 分裂法、层次法、基于密度的方法、基于网格的方法和基于模 型的方法等[3]，总体来说，所有聚类方法可以分为两大类，一类 是基于“距离”的概念，如：传统的基于欧氏几何距离的聚类算 法，常见的有K-Means、K-Mediods 算法，这类算法的缺点在于 处理大数据集和高维数据集时效果不好，另一方面它所能发 现的聚类个数常常依赖于用户参数的指定，而这对用户来说 经常是很困难的。另一类是要人们确定一些参数或者函数的， 这对高维空间的数据来说是很难确定的，这类方法包括了基 于密度和模型的方法。至于基于网格的方法，它的缺点就是 聚类质量较差。 如今，有一种算法，即蚁群算法，因为其能以最小智能但 自治的个体利用个体与个体和个体与环境的交互作用实现完 全分布式控制，具有组织性、可扩展性和健壮性等优点，在组 合优化领域得到广泛关注。所以决定采用基于蚁群算法的聚 类组合算法来进行客户的分类工作。该算法的基本思想是将 待聚类对象随机分布在一个环境中(一般是一个二维网格)，简 单个体如蚂蚁测量当前对象在局部环境中的群体相似度，并 通过概率转换函数得到拾起或放下对象的概率，并以这一概 率行动。同时调整群体相似系数，经过群体大量的相互作用， 得到若干聚类中心。最后，采用聚类方法进行聚类的标识和 收集。本文工作期间，借鉴了蚁群聚类算法的思想，做了相应 的改进，并且用它实现了燃汽行业客户分类的过程，具有较好 的效果。该算法首先将客户在各个指标上的值作为维空间 中的一个点随机分布于一个维空间区域内，并且设置初始聚 类中心；然后依据概率转移函数决定某一个点是否隶属于某 一类，同时不断修正聚类中心；最后计算各类的类间距，对于 类间距过小的两个类，再将其合并，直至所有类间距大于某一 阈值，由此获得不同偏好特征的客户群体模式。 2 用户的细分标准 传统上，燃汽公司习惯于将众多燃汽用户按预先设定好 的分类划分，如普通居民、锅炉、直燃机、餐饮、工业窑炉(生产 线)、加气站等。并根据用户的分类确定服务政策和办法，分 配服务资源。但这种用户分类方法的缺点是显而易见的，它 是机械和静态的，没有考虑到用户的差异性和发展变化，更主 要的是，没有考虑到不同用户对于公司的终身价值问题。而 现今在考虑了用户对燃气公司的价值、对供气均衡性的影响、 维修服务的需求等因素，本文确立了以下6 个指标作为描述 用户的变量： (1) 年平均用气量(AVY)：用户自投运来总消费气量/运行 时间，主要反映用户的用气规模，以便确定该用户对公司利润 贡献的大小。 (2) 高峰用气占全年的比例：冬季4 个月消费气量/全年消 费气量，主要反映用户用气的均匀性。有些用户虽然年平均 用气量(AVY)较大，但主要集中在冬季的个别月份，高峰期对 管网的运行带来很大的压力，低峰时对公司丝毫没有贡献，这 类用户在细分模型中要与那些均匀性用户区分开。 (3) 年平均维护工作时：年维修、抢修、抄表、安全检查等 消耗的工时，主要反映维护成本。不同用户对于维修、维护、 检查等的服务需求是不同的，设立这一指标也是为了反应用 户对燃汽公司实际利润的贡献。 (4) 实际供气量与最大供气能力的比值：实际用气量/该用 户设计最大供气能力，主要反映该用户的发展潜力。 (5) 天然气消费量占全部清洁能源消费量的比例：天然气 消费量/电力、柴油、天然气等全部清洁能源消费量，主要反映 替代品对该用户的竞争程度和用户的增长潜力。 (6) 年用气量平均增长率：主要反映用户消费的增长情况。 3 用户分类的实现 3.1 基本蚁群聚类算法 在介绍具体的算法之前，先介绍基本定义： 定义1 群体相似度是一个待聚类对象(模式) 与其所在 的一定局部环境中所有其它模式的综合相似度。群体相似度 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