淘金：數據挖掘在CRM中的運用

2002/05/22

數據挖掘顯身手

　　在客戶(hù)關(guān)系管理（CRM）理論中有一個(gè)經(jīng)典的2/8原則，即80%利潤來(lái)自20%客戶(hù)。那么，這20%的客戶(hù)都有什么特征呢？

　　調查發(fā)現，大部分企業(yè)每年有20%～50%的客戶(hù)是變動(dòng)的。企業(yè)一方面在挖空心思爭取新客戶(hù)，另一面卻不斷失去老客戶(hù)。有沒(méi)有辦法找出，失去的是哪一類(lèi)型的客戶(hù)，得到的又是哪種類(lèi)型的客戶(hù)？

　　在競爭激烈的商業(yè)時(shí)代，資源占有成為決定企業(yè)生死成敗的關(guān)鍵。在客戶(hù)關(guān)系方面，企業(yè)總希望建立與客戶(hù)最穩固的關(guān)系，并最有效率地把這種關(guān)系轉化為利潤，即留住老顧客、發(fā)展新顧客并鎖定利潤率最高的客戶(hù)，這也就是CRM要重點(diǎn)研究的問(wèn)題。為了實(shí)現這個(gè)目標，企業(yè)就需要盡可能地了解客戶(hù)的行為，但這種了解不可能通過(guò)與客戶(hù)接觸直接獲得，因為企業(yè)不可能挨個(gè)與客戶(hù)交談，而且他們所需要的信息單個(gè)客戶(hù)往往無(wú)法提供。

　　企業(yè)所能做的，就是盡可能收集顧客的信息，借助各種分析方法，透過(guò)無(wú)序的、表層的信息挖出內在的知識和規律，這就當前十分流行的數據挖掘技術(shù)所研究的。在挖出大量信息之后，企業(yè)就可以根據這些規律或用這些信息設計數學(xué)模型，對未發(fā)生行為做出結果預測，為企業(yè)的綜合經(jīng)營(yíng)決策、市場(chǎng)策劃提供依據。

　　數據挖掘，又稱(chēng)數據庫中的知識發(fā)現(Knowledge Discovery in Database，KDD)，是指從大型數據庫或數據倉庫中提取有潛在應用價(jià)值的信息或模式。適應企業(yè)對資源的渴求，在CRM風(fēng)光無(wú)限之時(shí)，數據挖掘也走出研究室，紛紛落戶(hù)企業(yè)。一份最近的Gartner報告中列舉了在今后3～5年內對工業(yè)將產(chǎn)生重要影響的五項關(guān)鍵技術(shù)，KDD和人工智能并列第一。

數據挖掘挖什么？

　　在CRM中，數據挖掘是從大量的有關(guān)客戶(hù)的數據中挖掘出隱含的、先前未知的、對企業(yè)決策有潛在價(jià)值的知識和規則。

　　客戶(hù)特征：數據挖掘的第一步就是挖出顧客的特征描述。企業(yè)在了解客戶(hù)信息方面永不滿(mǎn)足，他們不僅會(huì )想方設法了解顧客的地址、年齡、性別、收入、職業(yè)、教育程度等基本信息，對婚姻、配偶、家庭狀況、疾病、愛(ài)好等等的收集也是不遺余力。也由于這個(gè)原因，在談到CRM的時(shí)候，個(gè)人隱私便成為一個(gè)敏感話(huà)題。

　　“黃金客戶(hù)”：通過(guò)客戶(hù)行為分析，歸類(lèi)出消費額最高、最為穩定的客戶(hù)群，確定為“黃金客戶(hù)”。針對不同的客戶(hù)檔次，確定相應的營(yíng)銷(xiāo)投入。對于“黃金客戶(hù)”，往往還需要制定個(gè)性化營(yíng)銷(xiāo)策略，以求留住高利潤客戶(hù)。所以，不要期待在CRM時(shí)代繼續人人平等。當然，成功的CRM不會(huì )讓顧客感覺(jué)到歧視。如果你不幸發(fā)現自己受到的待遇比別人低，很有可能別人是“黃金”，而你是“白銀”或者“黑鐵”。

　　客戶(hù)關(guān)注點(diǎn)：通過(guò)與客戶(hù)接觸，收集大量客戶(hù)消費行為信息，通過(guò)分析，得出客戶(hù)最關(guān)注的方面，從而有針對性地進(jìn)行營(yíng)銷(xiāo)活動(dòng)，把錢(qián)花在“點(diǎn)”上。同樣的廣告內容，根據客戶(hù)不同的行為習慣，有的人會(huì )接到電話(huà)，有的人就可能收到信函；同一個(gè)企業(yè)，會(huì )給他們的客戶(hù)發(fā)送不同的信息，而這些信息往往就是顧客感興趣的方面。不要驚訝于為什么企業(yè)給你送來(lái)的正是你最需要的、最滿(mǎn)意的，你和其他與你相似的顧客的數據，在企業(yè)的數據倉庫里經(jīng)不住百般“拷打”，已經(jīng)集體招供了。

　　客戶(hù)忠誠度：得出客戶(hù)持久性、牢固性及穩定性分析。對于高忠誠度客戶(hù)，要注意保持其良好印象，對于低忠誠度客戶(hù)，要么不要浪費錢(qián)財，要么就下大工夫把他們培養成忠誠客戶(hù)。去年圣誕節，一家美國公司一改以往給所有客戶(hù)發(fā)送圣誕卡的作法，只給他們認為最忠誠的客戶(hù)寄去了問(wèn)候。大概他們覺(jué)得，既然是要走的客戶(hù)，又何必再浪費一張賀卡和郵寄費呢？

數據挖掘怎樣挖？

　　在CRM中，必不可少的要素是將海量的、復雜的客戶(hù)行為數據集中起來(lái)的，形成整合的、結構化的數據倉庫（Data Wearhouse），這是數據挖掘的基礎。在此基礎上，就需要借助大量的知識和方法，把表面的、無(wú)序的信息整合，揭示出潛在的關(guān)聯(lián)性和規律，從而用于指導決策。

　　橫向關(guān)聯(lián)

　　是挖掘表面看似獨立的事件間的相互關(guān)系，例如“90%的顧客在一次購買(mǎi)活動(dòng)中購買(mǎi)商品A的同時(shí)購買(mǎi)商品B”之類(lèi)的知識。比如經(jīng)典的“尿布和啤酒”的故事，就是利用這種方法，發(fā)現二者之間有很高的相關(guān)系數，引起重視，然后深入分析后才找出內在原因的。

　　次序關(guān)聯(lián)

　　這種分析的側重點(diǎn)在于分析事件的前后序列關(guān)系，發(fā)現諸如“在購買(mǎi)A商品后，一段時(shí)間里顧客會(huì )接著(zhù)購買(mǎi)商品B，而后購買(mǎi)商品C”的知識，形成一個(gè)客戶(hù)行為的“A→B→C”模式。可以想見(jiàn)的是，一個(gè)顧客在買(mǎi)了電腦之后，就很有可能購買(mǎi)打印機、掃描儀等配件。不過(guò)，要是通過(guò)數據挖掘找出“刮胡刀→抽水馬桶→鉆石戒指”這樣的模式，估計企業(yè)客戶(hù)服務(wù)部門(mén)就要忙乎一陣搞明白其中潛在的聯(lián)系了。

　　分類(lèi)

　　分類(lèi)分析就是通過(guò)分析樣本客戶(hù)數據庫中的數據，為每個(gè)類(lèi)別作出準確的描述或建立分析模型或挖掘出分類(lèi)規則，然后用這個(gè)分類(lèi)規則對其它客戶(hù)的記錄進(jìn)行分類(lèi)。比如，信用卡公司根據顧客的信用記錄，把持卡人分成不同等級，并把等級標記賦與數據庫中的每個(gè)記錄。對于每一等級，找出它們共同點(diǎn)，比如：“年收入在10萬(wàn)元以上，年齡在40～50歲之間的外企白領(lǐng)”總體上信用記錄最高。有了這樣的挖掘結果，客戶(hù)服務(wù)部門(mén)就知道一個(gè)新的客戶(hù)的潛在價(jià)值，在客戶(hù)服務(wù)投入上就心中有底。

　　聚類(lèi)

　　這是分類(lèi)的逆向方法。聚類(lèi)把沒(méi)有分類(lèi)的記錄，在不知道應分成幾類(lèi)的情況下，按照數據內在的差異性大小，合理地劃分成幾類(lèi)，并確定每個(gè)記錄所屬類(lèi)別。它采用的分類(lèi)規剛是按統計學(xué)的聚類(lèi)分析方法決定的。比如，面對數據庫中“消費額”、“購買(mǎi)頻率”、“收入水平”等多個(gè)評價(jià)指標，沒(méi)有辦法按照一個(gè)指標去分類(lèi)，就可以通過(guò)聚類(lèi)按照數據間的自然聯(lián)系把分散的記錄“聚”成幾“堆”，然后再對每堆進(jìn)行深入分析。

　　數據挖掘融合了數據庫、人工智能、機器學(xué)習、統計學(xué)等多個(gè)領(lǐng)域的理論和技術(shù)，對數據進(jìn)行標準化、抽象化、規范化分類(lèi)、分析，從而淘出所需要的“金”。在技術(shù)上，客戶(hù)關(guān)系管理系統采用嵌入數據挖掘系統的方式，可以自動(dòng)地產(chǎn)生一些所需要的信息。深度的數據挖掘，還需要企業(yè)有統計學(xué)、決策科學(xué)、計算機科學(xué)方面的專(zhuān)業(yè)人才，制定出相應的挖掘規則，才能發(fā)揮出挖掘系統的優(yōu)勢。

　　注：全球最大的零售商沃爾瑪（Walmart）通過(guò)對顧客購物的數據分析后發(fā)現，很多周末購買(mǎi)尿布的顧客也同時(shí)購買(mǎi)啤酒。經(jīng)過(guò)深入研究后發(fā)現，美國家庭買(mǎi)尿布的多是爸爸。爸爸們下班后要到超市買(mǎi)尿布，同時(shí)要“順手牽羊”帶走啤酒，好在周末看棒球賽的同時(shí)過(guò)把酒癮。后來(lái)沃爾瑪就把尿布和啤酒擺放得很近，從而雙雙促進(jìn)了尿布和啤酒的銷(xiāo)量。這個(gè)故事被公認是商業(yè)領(lǐng)域數據挖掘的誕生。

賽迪網(wǎng)　2002/05/22