數(shù)據(jù)挖掘技術在客戶關系管理信息系統(tǒng)中的應用研究

路健 王立坤 李曉玉

[摘 要]隨著服務經(jīng)濟的到來，商場從過去的以商品為中心轉向以客戶為中心。想要真正做到以客戶為中心，商場必須建立客戶關系管理信息系統(tǒng)，積累與商場客戶有關的數(shù)據(jù)信息，整合信息并利用數(shù)據(jù)挖掘技術實現(xiàn)客戶細分、交叉銷售、商品推薦、客戶價值分析、客戶獲得和客戶保持等。同時，還要將傳統(tǒng)客戶關系管理信息系統(tǒng)與數(shù)據(jù)挖掘技術相結合，以深入了解客戶，輔助商場管理人員決策，從而挖掘潛在客戶、提高客戶忠誠度，最終增加商場利潤。

[關鍵詞]數(shù)據(jù)挖掘技術;客戶關系管理;信息系統(tǒng)

doi：10.3969/j.issn.1673 - 0194.2020.24.048

[中圖分類號]F270.7;TP315[文獻標識碼]A[文章編號]1673-0194（2020）24-0-02

0? ? ?引 言

在大數(shù)據(jù)背景下，想要獲取客戶更多有價值的信息，商場需要建立自己的客戶關系管理系統(tǒng)。一方面，商場要管理客戶基本數(shù)據(jù)和消費數(shù)據(jù);另一方面，還要利用數(shù)據(jù)挖掘技術處理和分析這些數(shù)據(jù)，以挖掘出對管理決策有潛在參考價值的信息，從而輔助管理者做決策，達到維持老客戶、發(fā)現(xiàn)新客戶、提高客戶滿意度和忠誠度、獲取更多利潤的目的。

1? ? ?數(shù)據(jù)挖掘技術的應用流程

1.2? ?定義挖掘目標

對商場來說，挖掘目標一般是細分商場客戶，了解不同客戶的消費特征和貢獻度，找出值得關注的最有價值的客戶，制訂區(qū)別于一般客戶的營銷方案，實現(xiàn)精準營銷;預測客戶喜好，幫助客戶快速找到自己感興趣的商品，并進行有效推薦;分析歷史銷售數(shù)據(jù)，預測未來商品需求量，并制訂合理的采購計劃等。

1.2? ?數(shù)據(jù)準備

確定挖掘目標后，還要進行數(shù)據(jù)準備，數(shù)據(jù)準備的充分性直接影響挖掘算法的效率和精準度。數(shù)據(jù)準備工作主要包括數(shù)據(jù)取樣、數(shù)據(jù)探索、數(shù)據(jù)預處理。其中，數(shù)據(jù)預處理又包括數(shù)據(jù)清理、集成、變換和規(guī)約等工作。另外，對商場來說，數(shù)據(jù)一般來源于客戶基本信息和銷售信息。

1.3? ?挖掘建模

數(shù)據(jù)準備完成之后要進行挖掘建模，首先，考慮挖掘建模屬于哪類問題，如客戶分類、客戶聚類、商品關聯(lián)規(guī)則、商品智能推薦等;其次，根據(jù)對應問題選擇具體的算法構建模型。相關單位定義的數(shù)據(jù)挖掘目標不同，需要處理的問題也不同，采取的數(shù)據(jù)挖掘算法也不同。對商場來說，如果挖掘目標是細分客戶信息，則商場需要根據(jù)客戶消費記錄聚類客戶，選擇K-means等聚類算法;如果挖掘目標是找出各種商品之間的潛在關系，則應選擇Apriori算法。

2? ? ?客戶關系管理系統(tǒng)模塊設計概述

2.1? ?設計目標

客戶關系管理系統(tǒng)可以結合信息技術和數(shù)據(jù)挖掘技術深層次地挖掘和分析客戶信息，以了解客戶需求，制定營銷策略，進而維持老客戶、獲取新客戶?？蛻絷P系管理系統(tǒng)具有以下兩個設計目標：第一個目標是利用計算機儲存和處理復雜煩瑣的數(shù)據(jù)，幫助商場各部門員工提高工作效率，將他們從大量重復的人工操作中解脫出來，節(jié)省人力物力，提高數(shù)據(jù)處理的及時性和準確性;第二個目標是處理和分析數(shù)據(jù)庫中存儲的各類數(shù)據(jù)，利用數(shù)據(jù)挖掘技術實現(xiàn)客戶分類、客戶聚類、商品交叉銷售、商品智能推薦、客戶價值分析、客戶獲得和客戶保持等。

2.2? ?系統(tǒng)模塊設計功能

2.2.1? ?客戶管理功能

①客戶信息管理：管理客戶信息，包括添加、修改和刪除客戶基本信息等。②客戶信息查詢：根據(jù)需求瀏覽和查詢客戶基本信息以及消費信息。③客戶信息分析：分析客戶來源渠道以及客戶滿意度，根據(jù)客戶來源渠道制定合適的宣傳策略，以獲取新客戶;根據(jù)客戶對商場的滿意度制定相應的優(yōu)惠措施維護現(xiàn)有客戶。

2.2.2? ?客戶服務管理

①客戶問題管理：記錄客戶提出的問題，以方便為客戶提供更及時的服務。②回訪管理：主動回訪客戶，了解客戶對商場的滿意程度。③訂單管理：記錄客戶的訂單信息，以及時滿足客戶訂單要求。④兌獎信息管理：更新兌獎活動信息，同時記錄客戶積分兌獎信息。

2.2.3? ?營銷活動管理功能

①營銷活動管理：更新商場舉行的營銷活動的基本情況。②其他商場信息追蹤：追蹤其他商場的基本信息以及其營銷活動的信息，并有效分析追蹤到的信息，以了解市場動態(tài)，做出正確決策。③客戶消費統(tǒng)計分析：統(tǒng)計和分析客戶消費數(shù)據(jù)。根據(jù)銷售記錄分析客戶的消費情況，進行客戶細分、客戶價值分析、客戶流失分析，制定相應的交叉銷售策略和商品推薦策略。

2.2.4? ?進銷存管理功能

①銷售管理：記錄與客戶進行的每一次交易信息，還可以刪除、查詢銷售信息等。通過記錄客戶購買信息，自動增加客戶積分依據(jù)購買額。同時，根據(jù)商品銷售歷史數(shù)據(jù)預測商品以后的銷量，以制訂合理的采購計劃，滿足客戶需求。②采購管理：記錄每一次采購信息，包括修改、刪除和查詢采購信息等。③商品信息管理：管理商品的基本信息，包括添加、修改和刪除商品信息等，還可查詢商品銷售狀態(tài)以及商品促銷信息。④供應商信息管理：管理供應商基本信息，包括添加、修改和刪除供應商信息等，還可對供應商進行分類和評價，以在采購時選擇準確的供應商。⑤庫存信息查詢：商場員工可查詢各種商品的庫存信息。當客戶下訂單時，客服人員首先要查看庫存信息;當客戶購買商品時，銷售人員要先查看庫存信息。

3? ? ?數(shù)據(jù)挖掘技術在各模塊中的應用

3.1? ?客戶信息分析子模塊

匯總分析客戶來源渠道信息，針對占比高的來源渠道制訂一系列宣傳方案，以獲取新客戶。對客戶滿意度進行調查分析，匯總客戶的意見和建議，制定相應的整改措施，以維持老客戶。

3.2? ?其他商場信息追蹤子模塊

搜集整理競爭對手的營銷活動數(shù)據(jù)，并利用數(shù)據(jù)挖掘技術詳細分析競爭對手舉辦的營銷活動的主題、方式、效果等，以幫助決策者做出正確的營銷決策。

3.3? ?客戶消費統(tǒng)計分析子模塊

處理客戶的基本數(shù)據(jù)和消費數(shù)據(jù)后，可以利用決策樹算法實現(xiàn)客戶分類，利用K-Means算法實現(xiàn)客戶聚類，利用Apriori算法挖掘商品關聯(lián)規(guī)則，利用協(xié)同過濾算法發(fā)現(xiàn)相似客戶并預測客戶喜好。具體算法如下。

3.3.1? ?決策樹算法

決策樹算法是分類、預測等領域的典型算法，因其速度快、準確率高而被廣泛應用。首先，對數(shù)據(jù)進行預處理，利用歸納算法生成簡單的、可讀的規(guī)則集和決策樹;其次，利用決策樹分析測試數(shù)據(jù)。決策樹算法可以對商場客戶進行有效分類，從而構建客戶價值決策樹，根據(jù)客戶基本信息和消費信息合理劃分客戶，確定每個客戶所屬的類別并歸納出每類客戶的價值分布規(guī)律，針對不對客戶群制定不同的營銷策略。

3.3.2? ?K-Means算法

K-Means算法是實現(xiàn)聚類最常用、最典型的算法，該算法首先要確定分類個數(shù)K，然后在最小化誤差函數(shù)的基礎上，依據(jù)距離最小原則將原始數(shù)據(jù)劃分為K個類，一般采用歐幾里得距離作為度量指標，計算每個對象與各簇中心的距離，距離越近相似度就越大，可以歸為一類。RFM模型可用來衡量客戶價值和客戶貢獻度，其中，R（Recency）表示最近一次消費時間，F(xiàn)（Frequency）表示消費頻率，M（Monetary）表示消費金額。對商場來說，可以根據(jù)客戶的RFM消費行為特征數(shù)據(jù)，利用K-Means算法將客戶進行聚類，并評判每一類客戶群的價值，一般可將客戶劃分為高價值客戶、一般客戶和低價值客戶。聚類結果對個性化的溝通和服務提供依據(jù)，從而為商場做出精準的營銷決策提供支持。

3.3.3? ?Apriori算法

Apriori算法是關聯(lián)規(guī)則分析最常用、最典型的算法，其挖掘高頻率項集的核心思想是，通過連接產(chǎn)生候選項及其支持度，通過剪枝生成頻繁項集。對商場來說，利用Apriori算法可以進行各種商品之間的關聯(lián)規(guī)則分析，從大量的銷售統(tǒng)計數(shù)據(jù)中挖掘不同商品之間的關聯(lián)規(guī)則，可以快速識別客戶的購物偏好，以此為依據(jù)制定交叉銷售規(guī)則，當客戶購買某商品時可以推薦相關商品，引導客戶消費，提高客戶的購物體驗。

3.3.4? ?協(xié)同過濾算法

協(xié)同過濾算法是經(jīng)典的推薦算法，根據(jù)相似用戶的喜好自動預測用戶喜好。利用統(tǒng)計的用戶消費行為數(shù)據(jù)計算數(shù)據(jù)的相似度，進而找到相似用戶，匯總相似用戶喜歡的商品，并根據(jù)與用戶的相似度得出各個商品的推薦度，再根據(jù)推薦度推薦商品，提升成交概率，增加銷售額。

3.4? ?銷售管理子模塊

利用時間序列平滑預測法或者馬爾科夫預測法分析歷史銷售數(shù)據(jù)，以有效預測商品需求，并以此為依據(jù)制訂合理的采購計劃，滿足客戶對各類商品的需求。

3.5? ?供應商管理子模塊

利用數(shù)據(jù)挖掘技術實現(xiàn)供應商細分，根據(jù)供應商的各個屬性值對供應商進行分類，或者將層次分析法和模糊綜合評判法相結合，實現(xiàn)對各個供應商的評價分析。

4? ? ?結 語

將數(shù)據(jù)挖掘技術與商場客戶關系管理信息系統(tǒng)相結合，可以深入挖掘客戶信息以及銷售數(shù)據(jù)，從而輔助決策者制定決策，提高商場服務和營銷質量。例如，利用決策樹算法可以細分客戶;利用K-Means算法可以實現(xiàn)客戶聚類，且可以根據(jù)不同價值的客戶制定不同的營銷策略;利用Apriori算法可以挖掘商品關聯(lián)規(guī)則，制定交叉銷售策略;利用協(xié)同過濾算法可以發(fā)現(xiàn)相似客戶并預測客戶喜好，并進行有效推薦，以增強用戶體驗感，增加商場銷售額。

主要參考文獻

[1]王欣，薛雯，魏源彤.數(shù)據(jù)挖掘在客戶關系管理系統(tǒng)中的應用研究[J].東北電力大學學報，2015（4）：73-78.

[2]于興平，于騰飛，李洪建.數(shù)據(jù)挖掘技術在客戶關系管理系統(tǒng)的應用[J].信息與電腦，2019（2）：151-153.

[3]朱榮，周彩蘭，高瑞.基于數(shù)據(jù)挖掘的客戶關系管理系統(tǒng)研究[J].現(xiàn)代電子技術，2018（1）：182-185.