数据挖掘在电子商务客户关系管理中的应用

ＡＰＰＬＩＥＤ　ＲＥＳＥＡＲＣＨ＜＜＜　数据挖掘在电子商务客户关系管理中的应用　文／甘露　摘要：有效及时的处理客户信息，并挖掘出客户的消费倾　竞争力，其必要性体现在以下三个方面：　向，实现精确营销成为电子商务时代企业的关注。本文主要阐　述数据挖掘在电子商务环境下客户关系管理中的具体应用及应　１．把握客户动态　信息时代客户快速地接收大量信息，导致偏好的不断改变。　用步骤，用实例说明了电子商务客户关系管理中数据挖掘的应　用价值。　关键词：数据挖掘；客户关系管理；ＩＤ３算法　前言：随着经济全球化和信息时代的到来，企业之间的竞　争日趋激烈，客户需求的不确定性增加，个性化和多元化趋势　增强，企业的经营风险Ｊ３ｎＮ。以产品为中心的企业经营理念面　临极大的挑战，而以客户为中心的关系管理成为企业管理战略　的必然选择。该过程中，企业遵循的一般原则是：以业务流程　再造为核心，以关心客户需求和提高客户满意度为目标。大量　的调查和行业分析家都表明建立和维持客户关系是取得竞争优　势的最重要的基础，而信息时代产生的海量信息，不再是传统　手工客户细分方式就能处理了，有效及时的处理客户信息，并　挖掘出客户的消费倾向，实现精确营销成为电子商务时代企业　的关注　、电子商务环境下客户关系管理存在的问题　尽管处在电子商务不断壮大的年代，各企业也重视对于客　户关系的建立与维持，但也存在不足之处，其主要表现在以下　几点：　１．客户范畴的认知不深　企业的客户，应该包括现有客户与潜在客户，现有客户要　维系，潜在客户要发掘。当前许多企业仅仅把目光落在眼前的　客户上，满足于现状，忽略了潜在客户的利润空间。　２服务缺乏创新　个性化服务只停留在观念的层次，个性化服务没有落实到　实际，或者说个性化服务不彻底，仅有形式的个性，实际上并　没有给客户提供多上贴心的服务。　３．大量有益信息未充分的挖掘和利用　电子商务网站每天都有的在线交易，生成的记录文件和登　记表数额巨大，这些数据是商家掌握客户的重要资源。但是数　据并不是信息，只有通过及时合理的分析数据才能获取重要信　息。但是这些数据资源中所蕴涵的大量有益信息至今却未能得　到充分的挖掘和利用。这也是电子商务环境下客户关系管理的　关键问题。　二、电子商务环境下客户关系管理应用数据额挖掘　的必要性　数据挖掘是一种透过数理模式来分析企业内储存的大量资　料，以找出不同的客户或市场划分，分析出消费者喜好和行为，　从大量数据中提取价值数据的工具。数据挖掘技术的兴起为解　决大量有益信息未充分的挖掘和利用带来了曙光。将数据挖掘　技术应用于电子商务，就可以找到有价值的信息，提高企业的　企业必须通过数据挖掘快速了解客户行动的改变，并立即做出　应对策略，才能掌握先机赢得客户。　２追踪市场变化　企业通过在电子商务环境下客户关系管理中使用数据挖掘　技术对所记录的客户历史信息进行挖掘得到有价值的信息，预　测市场潜在的消费需求，及时调整各种服务。及时追踪市场变化，　做出正确的针对性的决策，维持与客户的关系。　３实施个性化营销　电子商务环境下客户关系管理应通过数据挖掘针对客户的　行为模式进行分析和追踪，发现其行为方式与偏好，为客户量　身定做服务形式、产品以及定价，从而充分利用基于互联网的　销售和售后服务渠道，进行实时的、个性化的营销。　三、数据挖掘在电子商务客户关系管理中的具体应用　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。这种方式涉及面过宽不能做到有的放矢　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～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　己口１　１．口Ｅｌ　“　。　：ｉ　５９　＞＞＞应用研究　随着行业中竞争愈来愈激烈，人们普遍认识到获得一个新　如果直接使用这些数据作为决策树使用的原始数据，是不　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　可能生成决策树的。那么在这里，就先要使用特征化的技术，　原来老的客户，不让他们流失就成为ＣＲＭ的一个重要课题。在　来对数据进行面向属性的归纳，最终得到的数据库如表１所示　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，　表１客户兴趣度和区段数据　然后利用这些模型可以预测出现有客户中将来可能流失　属性　年龄　收入　客户　教育等级　购买数码相机　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。　１　＜＝３０　ＶｌＰ客户　大学　ＮＯ　２　＜＝３０　目　ＶＩＰ客户　呙中　Ｎｏ　四、数据挖掘在电子商务客户关系管理中的　３　＜＝３０　由　ＶｌＰ客户　大学　Ｎｏ　应用步骤　４　＜＝３０　由　普通客户　高中　Ｙｅｓ　数据挖掘技术在电子商务客户关系管理中的应用包　５　＜＝３０　低　普通客户　大学　Ｙｅｓ　括信息采集、信息分析和提供服务等。其中信息采集和　６　【３０，５０】　ＶＩＰ客户　大学　Ｙｅｓ　信息分析，主要是收集用户息、抽样分类以及对每一用　７　【３０，５０】　低　普通客户　高中　Ｙｅｓ　户进行归类，是提供个性化服务的基础。数据挖掘过程　般分为三个基本步骤：数据预处理，数据挖掘，评估　８　【３０，５０】　中　ＶＩＰ客户　高中　Ｙｅｓ　一与表示。　９　【３０，５０】　普通客户　大学　Ｙｅｓ　１数据预处理：数据预处理包括数据清理、数据集　１Ｏ　＞５０　中　ＶＩＰ客户　大学　Ｙｅｓ　成、数据选择和数据转换等过程。　１　１　＞５０　低　普通客户　大学　Ｙｅｓ　２．数据挖掘：　数据挖掘是知识发现的一个核心的　１２　＞５Ｏ　低　普通客户　高中　ＮＯ　步骤，根本任务是选择并执行特定的挖掘算法（包括选　１３　＞５０　由　普通客户　大学　Ｙｅｓ　取合适的模型和参数），在数据库中寻求感兴趣的模式。　１４　＞５０　中　ＶｌＰ客户　高中　ＮＯ　首先根据对问题的定义明确挖掘的任务或目的，然后决　定使用什么样的算法。选择数据挖掘的实现算法有两个因素要　通过对条件的计算得知有关年龄的信息对于分类有最大的　考虑：一是运用相关的算法来挖掘：二是满足用户或实际运行　帮助，提供最大的信息量，即信息增益《年龄）最大，所以应该　系统的要求。　选择年龄属性作为测试属性。选择年龄为测试属性之后将数据　３评估与表示：从上述过程中将会得出一系列的分析结果　分为三个子集，生成三个叶节点，对每个叶节点依次利用上面　和模式，多数情况会得出对目标问题多侧面的描述，这时就要　过程，依次对该分支的实例子集递归用该方法建立递归，逐步　进行评估，提供合理的决策支持信息。评估有两种方法：一是　求精，建立决策树，直到找到一个完全正确的决策树，如图１　另找一批数据对这一系列的分析结果和模式进行检验来判断其　所示。　是否能反映客观实践的规律性ｉ再一种办法是在实际运行的环　境中取出新鲜数据进行检验。　五、买例分析　例如对购买数码相机的客户的兴趣度进行分析。客户基本　信息包括：姓名、年龄、收入、教育背景、客户级别等。要选　择适当的数据建立一个应用数据挖掘ＩＤ３算法的数据集，例如　客户姓名对分析客户兴趣度并不重要，其次要确定该把哪个属　性作为根节点来进行划分，客户兴趣度评估指标体系表总共分　为五个方面产品类别、客户背景、收入、年龄、教育背景等级。　主题数据库是按照数据仓库的思想对业务数据库中的数据　重新按主题组织建立的数据库，里面的某些数据还不符合数据　图１生成的决策树　挖掘的要求。需要从建立的主题数据库中提取相应的字段，并　上述实例佐证了在电子商务客户关系管理中数据挖掘ＩＤ３　做必要的转化和离散化。对于客户兴趣度评估指标体系所需的　算法的应用价值，使用特征化技术对电子商务客户关系管理数　数据离散化：　据进行面向属性的根节点划分，之后利用决策树算法可生成决　年龄段｛Ａｇｅ）：根据分析结果中对客户年龄段的统计，把客　策树，对企业最大化客户商业价值具有实用性。　户年龄分为三个阶段：Ａ一小于３０岁；Ｂ一３Ｏ至５Ｏ岁；Ｃ一大　于５Ｏ岁。　结论　收入（Ｉｎｃｏｍｅ）：根据电子商务中统计出到的数据集合，把　利用数据挖掘能够较正确地发现客户特征、客户购买模式等　客户收入划分为三个标；隹：低一低于１５００元；中一１　５００至　有价值的客户信息，为企业日常运营决策提供了一个相当好的依　２５００元：高一高于２５００元。　据，并以此帮助企业发现新的商机，同时通过与客户更好的交流　客户背景（Ｃｕｓｔｏｍｅｒ）：根据客户实际购买产品的多少分为　和沟通，为客户提供更好的服务，来提高客户的满意度和忠诚度。　普通客户和ＶＩＰ客户。　可以预见将会有越来越多的企业使用数据挖掘来加强电子商务环　教育等级（Ｅｄｕｃａｔｉｏｎ）：根据客户受教育的程度分为高中和　境下的客户关系管理，从而促进企业的长远发展。（　大学。　（作者单位：湖南财政经济学院）　６０　１ＩＤＩｌ＂）＝¨Ｅ：Ｌ！　ＳＩ　ＨＩ：：　Ｉ２１＂１１　１．１＂１６