潘維民 2001/03/01
數據倉庫與CRM有著(zhù)難以割舍的密切關(guān)系。CRM的很多工作都是以數據倉庫為基礎展開(kāi)的。CRM充分利用數據倉庫的分析結果,制定市場(chǎng)策略,產(chǎn)生市場(chǎng)機會(huì ),并通過(guò)銷(xiāo)售和服務(wù)等部門(mén)與客戶(hù)的交流,來(lái)提高企業(yè)的利潤。
CRM與數據倉庫的關(guān)系
CRM的實(shí)施主要涉及企業(yè)的三個(gè)部門(mén):市場(chǎng)、銷(xiāo)售和服務(wù)。市場(chǎng)、銷(xiāo)售和服務(wù)部門(mén)對CRM都有不同的要求,而且這三個(gè)部門(mén)之間有許多相互合作的地方。因此,需要協(xié)調這三個(gè)部門(mén),共同為客戶(hù)提供方便的服務(wù)。同時(shí),企業(yè)的其它部門(mén),如生產(chǎn)、財務(wù)等,也要和CRM緊密協(xié)作。
CRM的業(yè)務(wù)模型
CRM在市場(chǎng)部門(mén)的主要作用是產(chǎn)生市場(chǎng)機會(huì ),而后通過(guò)銷(xiāo)售和服務(wù)等部門(mén)的協(xié)作,來(lái)把握這些市場(chǎng)機會(huì )。
市場(chǎng)專(zhuān)家在對客戶(hù)行為數據分析的基礎上,制定市場(chǎng)策略,給出發(fā)現重點(diǎn)客戶(hù)的方法,這些方法可以產(chǎn)生市場(chǎng)機會(huì )。
市場(chǎng)機會(huì )由銷(xiāo)售和服務(wù)等部門(mén)的業(yè)務(wù)流程處理后,進(jìn)一步與客戶(hù)溝通,從而把握市場(chǎng)機會(huì )。客戶(hù)的行為通過(guò)客戶(hù)行為反饋到客戶(hù)行為分析數據中。在這些反饋數據的基礎上,市場(chǎng)專(zhuān)家可以對已經(jīng)存在的市場(chǎng)策略進(jìn)行評估,從而改進(jìn)市場(chǎng)策略和重點(diǎn)客戶(hù)發(fā)現的方法。
數據清潔與集中
各個(gè)企業(yè)在長(cháng)期的運營(yíng)過(guò)程中,積累了大量的數據。為了有效地利用這些數據,以提高企業(yè)決策的準確性,就需要使用數據倉庫技術(shù)。
對于企業(yè)來(lái)說(shuō),大量的數據分散在不同的OLTP系統中,客戶(hù)的信息也分散在不同的系統中。如果只對某個(gè)系統的數據進(jìn)行分析,以作為決策支持的依據,顯然有信息不全面、分析不準確的缺點(diǎn)。數據倉庫可以解決這些問(wèn)題。根據企業(yè)決策的需求,數據倉庫將決策分析用的數據集中在一起。
分散的數據也帶來(lái)了數據不清潔的問(wèn)題。同一個(gè)客戶(hù)的信息在不同系統中的數據不一致,而且有些數據可能是不真實(shí)的。
另外,分散的業(yè)務(wù)系統中的數據是面向業(yè)務(wù)的,而不是面向決策的。數據倉庫建設過(guò)程中,解決了數據不清潔問(wèn)題,并將數據轉換為決策分析所需要的類(lèi)型。
通過(guò)對分散數據的集中、清潔和轉換,數據倉庫中存儲著(zhù)清潔、一致、全面和面向決策的數據。這些數據為了方便用戶(hù)的分析與查詢(xún),設計成多維模型結構。
數據分析
數據倉庫中存儲了大量面向決策分析的數據。對這些數據進(jìn)行充分的分析,并將分析結果傳遞給用戶(hù),才能完成數據倉庫的作用。在數據倉庫項目中,數據分析的手段主要有:OLAP、報表和數據挖掘等三種。
數據倉庫的作用
數據倉庫是CRM項目的靈魂。首先,數據倉庫將客戶(hù)行為數據和其它相關(guān)的客戶(hù)數據集中起來(lái),為市場(chǎng)分析提供依據。其次,數據倉庫將對客戶(hù)行為的分析以OLAP、報表等形式傳遞給市場(chǎng)專(zhuān)家。市場(chǎng)專(zhuān)家利用這些分析結果,制定準確、有效的市場(chǎng)策略。同時(shí),利用數據挖掘技術(shù),發(fā)現交叉銷(xiāo)售、增量銷(xiāo)售、客戶(hù)保持和潛在客戶(hù)的方法,并將這些分析結果轉化為市場(chǎng)機會(huì )。通過(guò)數據倉庫的分析,可以產(chǎn)生不同類(lèi)型的市場(chǎng)機會(huì )。針對這些不同類(lèi)型的市場(chǎng)機會(huì ),企業(yè)分別確定客戶(hù)關(guān)照業(yè)務(wù)流程。依照這些客戶(hù)關(guān)照業(yè)務(wù)流程,銷(xiāo)售或服務(wù)部門(mén)通過(guò)與客戶(hù)的交流,達到關(guān)照客戶(hù)和提高利潤的目的。最后,數據倉庫將客戶(hù)的市場(chǎng)機會(huì )的反應行為,集中到數據倉庫中,作為評價(jià)市場(chǎng)策略的依據。
客戶(hù)行為分析
客戶(hù)的行為可以分為兩個(gè)方面:整體行為分析和群體行為分析。整體行為分析用來(lái)發(fā)現企業(yè)的所有客戶(hù)的行為規律。然而,只有整體行為分析是不夠的。企業(yè)的客戶(hù)千差萬(wàn)別,眾多的客戶(hù)在行為上可以劃分為不同的群體。這些群體有著(zhù)明顯的行為特征。行為分組(Behavior
Segmentation)是CRM的一個(gè)重要組成部分。
據Gartner Group預測,企業(yè)的客戶(hù)關(guān)系將越來(lái)越復雜。這個(gè)復雜性的度量公式為:客戶(hù)關(guān)系復雜度=客戶(hù)群體個(gè)數×產(chǎn)品個(gè)數×渠道個(gè)數×合作伙伴數量。對同一產(chǎn)品,客戶(hù)的交易行為也有很大差別,如利用信用卡購買(mǎi)、通過(guò)合作伙伴購買(mǎi)等。這樣不同的產(chǎn)品組合和不同的交易行為,對企業(yè)的價(jià)值的貢獻也有很大不同。
圖1 CRM中的數據倉庫
行為分組是按著(zhù)客戶(hù)的不同種類(lèi)的行為,將客戶(hù)劃分成不同的群體。通過(guò)行為分組,企業(yè)可以更好地理解客戶(hù),發(fā)現群體客戶(hù)的行為規律。通過(guò)對客戶(hù)的理解和客戶(hù)行為規律的發(fā)現,企業(yè)可以制定相應的市場(chǎng)策略。同時(shí),通過(guò)對不同客戶(hù)的群組之間的交叉分析,可以使企業(yè)發(fā)現客戶(hù)群體間的變化規律。
客戶(hù)理解
客戶(hù)理解又可以稱(chēng)為群體特征分析。通過(guò)行為分組,將客戶(hù)劃分成不同的群組,這些群體客戶(hù)在行為上有著(zhù)許多共同的特征。這些行為特征,必須和已知的資料結合在一起,才能被企業(yè)所利用。因此,需要對這些不同的行為分組的特征進(jìn)行分析。特征分析至少有以下幾個(gè)方面的功能:
1. 哪些人具有這樣的行為?是年輕人,還是老年人?
2. 哪里人具有這樣的行為?是北京人,還是上海人?
3. 具有這樣行為的人,給企業(yè)帶來(lái)的利潤有多大?
4. 具有這樣行為的人,對企業(yè)是忠誠的嗎?
行為規律分析
行為規律分析,是發(fā)現群體客戶(hù)的行為規律。行為規律分析,至少有以下方面的功能:
1. 這些客戶(hù)都擁有企業(yè)的哪些產(chǎn)品?
2. 這些客戶(hù)的購買(mǎi)高峰是什么時(shí)候?是在節假日,還是在工作日?
3. 這些客戶(hù)通常的購買(mǎi)行為是在哪些地方發(fā)生?是在合作商戶(hù)處,還是在營(yíng)業(yè)廳等?
通過(guò)對這些客戶(hù)的行為分析,能夠為企業(yè)在確定市場(chǎng)活動(dòng)的時(shí)間、地點(diǎn)與合作商等方面,提供確鑿的依據。
組間交叉分析
通過(guò)對群體客戶(hù)的特征分析和行為規律分析,使企業(yè)在一定程度上了解了自己的客戶(hù)。但是客戶(hù)的組間交叉分析有著(zhù)非常重要的作用。例如,一些客戶(hù)在兩個(gè)不同的行為分組中,且這兩個(gè)分組對企業(yè)的價(jià)值相差有較大,然而,這些客戶(hù)在基本資料等其它方面非常相似。這時(shí),就要充分分析客戶(hù)發(fā)生這種現象的原因,這就是組間交叉分析的重要內容。通過(guò)組間交叉分析,企業(yè)可以了解以下內容:
1. 哪些客戶(hù)能夠從一個(gè)行為分組,躍進(jìn)到另一個(gè)行為分組中?
2. 行為分組之間的主要差別在哪里?
3. 客戶(hù)從一個(gè)對企業(yè)價(jià)值較小的組,提升到對企業(yè)有較大價(jià)值的組的條件是什么?相反的原因是什么?
通過(guò)這些分析,使企業(yè)能夠準確地制定市場(chǎng)策略和市場(chǎng)活動(dòng),從而為企業(yè)帶來(lái)較大的利潤。
重點(diǎn)客戶(hù)發(fā)現
在“客戶(hù)經(jīng)濟學(xué)”中,有很多關(guān)于重點(diǎn)客戶(hù)的理論。如開(kāi)發(fā)新客戶(hù)的費用是保留一個(gè)老客戶(hù)的費用的5倍,成功地保留老客戶(hù)能夠使企業(yè)的利潤翻番等。
重點(diǎn)客戶(hù)發(fā)現過(guò)程,通常是由一系列數據處理和轉換過(guò)程以及數據挖掘來(lái)組成的。通過(guò)這樣的過(guò)程,針對每個(gè)種類(lèi)的客戶(hù)確定一個(gè)和多個(gè)分析發(fā)現流程,從而自動(dòng)發(fā)現這些重點(diǎn)客戶(hù)。
性能評估
根據客戶(hù)行為分析,企業(yè)可以準確地制定市場(chǎng)策略和市場(chǎng)活動(dòng)。然而,這些市場(chǎng)活動(dòng)是否能夠達到預定的目標,是改進(jìn)市場(chǎng)策略和評價(jià)客戶(hù)行為分組性能的重要依據。同樣,重點(diǎn)客戶(hù)的發(fā)現過(guò)程,也需要對其性能進(jìn)行分析,在此基礎上修改重點(diǎn)客戶(hù)發(fā)現過(guò)程。這些性能評估都是建立在客戶(hù)對市場(chǎng)反饋的基礎上。
針對行為分組和重點(diǎn)客戶(hù)發(fā)現過(guò)程,性能分析至少有以下功能:
1. 對每個(gè)市場(chǎng)目標設計一系列評估模板,從而使企業(yè)能夠及時(shí)跟蹤市場(chǎng)。同時(shí),在性能評估報告中,給出了一些統計指標來(lái)度量市場(chǎng)活動(dòng)的效率。
2. 在一定的時(shí)間范圍給出行為分組的報告。
系統結構
在CRM項目中實(shí)現數據倉庫系統,是CRM系統成敗的關(guān)鍵之一。在CRM系統中,數據倉庫的邏輯結構如圖1所示。
數據主要有四個(gè)方面的來(lái)源:客戶(hù)信息、客戶(hù)行為、生產(chǎn)系統和其它相關(guān)數據。這些數據通過(guò)抽取、轉換和裝載過(guò)程,形成數據倉庫,并通過(guò)OLAP和報表,將客戶(hù)的整體行為分析和企業(yè)運營(yíng)分析等傳遞給數據倉庫用戶(hù)。
在數據倉庫中,利用數據倉庫的ETL工具,針對行為分組和重點(diǎn)客戶(hù)發(fā)現的需要,產(chǎn)生相應的數據集市(DM)。在數據集市的基礎上,實(shí)現行為分組系統和重點(diǎn)客戶(hù)發(fā)現過(guò)程。最后,將分析的結果與數據倉庫結合起來(lái),將分析與性能評價(jià)等傳遞給CRM用戶(hù)。監控和調度系統負責調度行為分組系統和重點(diǎn)客戶(hù)發(fā)現系統的運行更新間隔。
雖然數據倉庫與CRM密不可分,但是CRM除了市場(chǎng)分析之外,還有銷(xiāo)售和服務(wù)等方面的功能。不同的企業(yè)應該根據自己的實(shí)際情況,選擇實(shí)現銷(xiāo)售、服務(wù)和市場(chǎng)的策略。但無(wú)論如何,對于客戶(hù)量巨大、市場(chǎng)策略對企業(yè)影響較大的企業(yè),CRM要以數據倉庫為核心。
|