浅析数据挖掘技术在CRM系统中的应用

经济的发展，导致商品极大丰富，市场竞争日益激烈，社会商品逐渐趋于同质化，品质不再是顾客消费选择的主要标准，更多的顾客看重的是商家能够为其提供何种服务，以及服务的质量和及时程度。于是企业之间的竞争方式逐渐由过去的以产品为中心转变为以客户为中心，很多企业认识到如何正确处理好与客户的关系是在竞争中成功的关键，客户关系管理软件CRM系统便应运而生了。客户关系管理的任务就是对客户进行系统化的研究分析，找出与客户交互过程中的规律，以便提高客户的服务水平，形成精准营销，从而提高客户忠诚度，并因此给企业带来更多的利润。

从宏观上CRM系统可分为相互独立又紧密联系的三个部分：渠道层次的CRM系统、操作层次的CRM系统以及分析层次的CRM系统。所谓数据挖掘，就是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的人们不知道但又潜在有用的信息和知识的过程。它融合了数据库、人工智能、机器学习和统计学等多学科的理论和技术。数据挖掘不是简单的对数据的查询，而是对数据进行更深入的计算、分析、推理，发现数据之间的关系，从而完成从大量业务数据到决策信息的转换。数据挖掘技术在CRM系统中的典型应用主要有以下几个。

1、客户获取：客户获取的传统方式一般是通过大量的媒体广告、散发传单等方式吸引新客户。这种方式涉及面过广不能做到有的放矢而且企业投入太大。数据挖掘技术可以从以往的市场活动中收集到的有用数据(主要是指潜在客户反应模式分类)建立起数据挖掘模型。企业因此能够了解真正的潜在客户的特征分类，从而在以后的市场活动中做到有的放矢而不是传统的凭经验的猜想。

2、客户细分：细分就是指将一个大的消费群体划分成为一个个细分群体的动作，同属一个细分群体的消费者彼此相似，而隶属于不同细分群体的消费者是被视为不同的。比如将数据库中的数据按照年龄的不同来组织存放这样一个简单的动作就是细分。细分可以让用户从比较高的层次上来观察数据库中的数据，细分可以让人们用不同的方法对待处于不同细分群中的客户。数据挖掘中的分类、聚类等技术可以让用户对数据库中的数据按类别、年龄、职业、地址、喜好等企业感兴趣的属性进行客户细分。客户细分是企业确定产品和服务的基础.也是建立客户一对一营销的基础。

3、客户赢利能力分析：就企业的客户而言，企业的绝大部分利润是来自于小部分的客户，而对于企业来说很难确定哪些客户是高利润回报，哪些客户是低利润回报甚至是负利润回报的。数据挖掘技术能帮助企业区分利润回报不同的客户。从而可以将资源更多的分配在高利润回报的客户身上以产生更大的利润，同时减少低或负利润回报客户的投入。为此，在数据挖掘之前，企业应该建立一套计算利润回报的优化目标方法。可以是简单的计算，如某客户身上产生的收入减去所有相应的支出，也可以是较复杂的公式。然后利用数据挖掘工具从交易记录中挖掘相应的知识。

4、客户的保持：随着行业中竞争愈来愈激烈，人们普遍认识到获得一个新客户的开支比保持一个老客户的开支要大得多。所以如何保持原来老的客户，不让他们流失就成为CRM系统的一个重要课题。在实际应用中，利用数据挖掘工具为已经流失的客户建立模型，然后利用这些模型可以预测出现有客户中将来可能流失的客户，企业就能研究这些客户的需求，并采取相应的措施防止其流失，从而达到保持客户的目的。

随着企业的发展，企业每天都在制造海量的数据，为数据挖掘奠定了良好的物质基础，采用数据挖掘的CRM系统是符合现代企业要求的高效的客户关系管理系统。