1 數(shù)據(jù)挖掘技術(shù)
數(shù)據(jù)挖掘的主要技術(shù)手段包括關(guān)聯(lián)規(guī)則挖掘、分類分析、聚類分析、估計(jì)、預(yù)測(cè)、時(shí)序模式和偏差分析等。支持上述技術(shù)的核心研究?jī)?nèi)容是相應(yīng)的數(shù)據(jù)挖掘算法研究，包括貝葉斯算法、決策樹、時(shí)序算法、聚類算法、關(guān)聯(lián)算法、神經(jīng)網(wǎng)絡(luò)算法和回歸算法。
2 數(shù)據(jù)挖掘的核心價(jià)值與應(yīng)用分析
在企業(yè)客戶管理中應(yīng)用數(shù)據(jù)挖掘技術(shù)，不僅使客戶管理更高效、更實(shí)用，還能預(yù)測(cè)客戶將來的各種消費(fèi)行為，為企業(yè)實(shí)施更精確的客戶管理和市場(chǎng)營(yíng)銷提供決策依據(jù)。客戶管理是CRM系統(tǒng)的一部分，但比CRM系統(tǒng)有關(guān)客戶部分的功能更詳細(xì)、更齊全、更完善、更符合企業(yè)的實(shí)際需要。
客戶管理的目標(biāo)非常明確，防范老客戶流失，從老客戶那里獲取更大的價(jià)值。
目前企業(yè)客戶管理應(yīng)用比較混亂，大致分為3種情況：①以業(yè)務(wù)系統(tǒng)為主，客戶管理為輔的信息系統(tǒng)，如進(jìn)銷存系統(tǒng)、ERP系統(tǒng)等，以實(shí)現(xiàn)業(yè)務(wù)為核心內(nèi)容，但往往會(huì)涉及到一部分客戶信息，嚴(yán)格來講，這部分軟件不屬于客戶管理范疇。②以銷售、市場(chǎng)營(yíng)銷為核心內(nèi)容的信息系統(tǒng)，如銷售管理系統(tǒng)等，以實(shí)現(xiàn)銷售計(jì)劃為核心，重點(diǎn)最大限度的促進(jìn)銷售，更多的關(guān)注客戶的消費(fèi)心理、消費(fèi)行為，注重提升客戶的忠誠(chéng)度，但這不是客戶系統(tǒng)的全部?jī)?nèi)容。③CRM系統(tǒng)，它是一個(gè)比較龐大的客戶關(guān)系管理信息系統(tǒng)，主要包括銷售、銷售過程、客戶管理、客戶分析等若干模塊，相對(duì)于大多數(shù)企業(yè)而言，成本較高。同時(shí)，操作型CRM較多，分析型CRM較少。
客戶管理的混亂，為企業(yè)利用客戶關(guān)系帶來了不便，也為挖掘客戶關(guān)系中的有價(jià)值信息增加了難度。
3 挖掘算法的選擇與建模
當(dāng)企業(yè)建立起數(shù)據(jù)倉(cāng)庫(kù)后。可采用不同的數(shù)據(jù)挖掘算法為客戶管理提供直接、有效的數(shù)據(jù)與參考。企業(yè)活動(dòng)中，與客戶管理相關(guān)業(yè)務(wù)大多與銷售過程有關(guān)，包括客戶購(gòu)物、企業(yè)營(yíng)銷、客戶分類管理和銷售預(yù)測(cè)等。對(duì)客戶購(gòu)物行為的分析，可以為個(gè)性化營(yíng)銷提供客觀依據(jù)，最有效的營(yíng)銷是針對(duì)有消費(fèi)興趣潛力的客戶群，通過挖掘關(guān)聯(lián)關(guān)系，尋找有價(jià)值的客戶分類，能夠提高客戶管理的有效性。
數(shù)據(jù)挖掘雖然是一個(gè)智能的數(shù)據(jù)分析工具，但其準(zhǔn)確性會(huì)受到多個(gè)方面因素的影響，如數(shù)據(jù)的準(zhǔn)確性、合法性、算法選擇的準(zhǔn)確性、輸人選擇的正確性等，在實(shí)際應(yīng)用中，不同的人、不同的挖掘策略與方案將會(huì)有不同的結(jié)果，應(yīng)用業(yè)務(wù)人員和數(shù)據(jù)挖掘人員一起。共同探討正確性。下面針對(duì)上述具體應(yīng)用，提出可行的挖掘方案，以供參考。
3．1 挖掘客戶購(gòu)物行為信息的算法與模型
用戶在挑選商品時(shí)，往往存在一個(gè)習(xí)慣：先挑選最需要的商品，然后根據(jù)商品推薦或興趣來挑選其他商品，市場(chǎng)營(yíng)銷人員中可以分析每個(gè)用戶的購(gòu)物行為和愛好，為將來的個(gè)性化營(yíng)銷提供依據(jù)，并為每個(gè)客戶提供最具人性化的營(yíng)銷方式，這要使用序列聚類算法。
實(shí)現(xiàn)此功能需要兩個(gè)基本信息，一是訂單信息，關(guān)注客戶的一次購(gòu)物行為；二是訂單產(chǎn)品明細(xì)，主要關(guān)注商品放入訂單的先后順序。
在業(yè)務(wù)庫(kù)中，有客戶企業(yè)表、客戶訂單表、訂單產(chǎn)品明細(xì)表、產(chǎn)品信息表4個(gè)業(yè)務(wù)表，如圖1所示，在創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)后，客戶企業(yè)表、產(chǎn)品信息表將變成維表。訂單表、訂單產(chǎn)品明細(xì)將變成事實(shí)表，把不需要的字段刪除，并把不合理的數(shù)據(jù)進(jìn)行清理、轉(zhuǎn)換，采用微軟序列聚類算法即可實(shí)現(xiàn)此功能需求。
其數(shù)據(jù)挖掘模型如下：
根據(jù)以往的銷售歷史，分析用戶的銷售行為，其重點(diǎn)在于歷史數(shù)據(jù)中每個(gè)訂單要有產(chǎn)品購(gòu)買的先后順序，結(jié)合序列聚類算法即可完成，此模型的輸入列是訂單編號(hào)，預(yù)測(cè)列是一個(gè)嵌套表，包括產(chǎn)品序號(hào)和產(chǎn)品編號(hào)(或名稱)兩個(gè)可預(yù)測(cè)試列。
3．2 挖掘消費(fèi)興趣實(shí)現(xiàn)有效營(yíng)銷的算法與模型
企業(yè)進(jìn)行新產(chǎn)品宣傳或促銷時(shí)，有效做法是把信息發(fā)送給感興趣的客戶，而不是發(fā)給所有人，基于以前所做的客戶檔案和客戶對(duì)產(chǎn)品調(diào)查的反饋結(jié)果，采用數(shù)據(jù)挖掘算法可以找出那些感興趣的客戶，即節(jié)省成本，又提高效率。
此功能的關(guān)鍵是根據(jù)以前所做的產(chǎn)品調(diào)查反饋信息，預(yù)測(cè)哪些因素影響客戶的購(gòu)買，并分析愿意購(gòu)買客戶的特征，基于這些特征，把客戶表里的所有信息重新篩選一遍，只向那些具有購(gòu)買特征的客戶發(fā)送營(yíng)銷信息。
實(shí)現(xiàn)此功能的算法有4個(gè)：貝葉斯、決策樹、神經(jīng)網(wǎng)絡(luò)、聚類，基于驗(yàn)證考慮，盡可能采用每一種算法來測(cè)試，以獲得更準(zhǔn)確的分析數(shù)據(jù)，如圖2所示，其數(shù)據(jù)模型如下：
也可以采用決策樹、聚類、神經(jīng)網(wǎng)絡(luò)算法，分別對(duì)應(yīng)如下：
(1)Microsoft_Decision_Trees：決策樹
(2)Microsoft_Clustering：聚類
(3)Microsoft_Neural_Network：神經(jīng)網(wǎng)絡(luò)
根據(jù)以往的調(diào)查數(shù)據(jù)，可以分析出這些輸入列與可預(yù)測(cè)列(是否購(gòu)買)之間的關(guān)系，找那些已購(gòu)買產(chǎn)品或愿意購(gòu)買產(chǎn)品的客戶重要特征，然后把促銷信息、新產(chǎn)品信息發(fā)給具有這些重要特征的客戶。