在當今市場(chǎng)上，商業(yè)的成功離不開(kāi)有效的客戶(hù)關(guān)系管理（Customer Relationship Management，CRM）?？蛻?hù)關(guān)系管理的本質(zhì)是更有效地進(jìn)行競爭?？蛻?hù)關(guān)系管理的目標是縮減銷(xiāo)售周期和銷(xiāo)售成本、增加收人、尋找擴展業(yè)務(wù)所需的新的市場(chǎng)和渠道、以及提高客戶(hù)的價(jià)值、滿(mǎn)意度、贏(yíng)利性和忠實(shí)度。企業(yè)實(shí)施客戶(hù)關(guān)系管理，可以更低成本、更高效率地滿(mǎn)足客戶(hù)的需求，從而可以最大程度地提高客戶(hù)滿(mǎn)意度及忠誠度，挽回失去的客戶(hù)，保留現有的客戶(hù)，不斷發(fā)展新的客戶(hù)，發(fā)掘并牢牢地把握住能給企業(yè)帶來(lái)最大價(jià)值的客戶(hù)群。

　　客戶(hù)關(guān)系管理最基本的含義就是管理所有與客戶(hù)的相互作用。隨著(zhù)客戶(hù)信息的絕對容量的急劇增大，企業(yè)與客戶(hù)的相互作用日益復雜，數據挖掘被推到了客戶(hù)關(guān)系管理的最前端。利用在傳統的數據庫技術(shù)基礎上發(fā)展起來(lái)的數據挖掘等先進(jìn)的智能化信息技術(shù)，利用神經(jīng)網(wǎng)絡(luò )等分析技術(shù)，挖掘出潛在的有用信息，用于企業(yè)輔助決策。

　　一、數據挖掘及其在客戶(hù)關(guān)系管理中的地位與內容以電子商務(wù)環(huán)境下的企業(yè)客戶(hù)關(guān)系管理為主線(xiàn)，輔之以建立在數據庫或數據倉庫基礎上的各種數據挖掘技術(shù)，在吸引客戶(hù)、留住客戶(hù)、升級客戶(hù)的過(guò)程中實(shí)現不斷提升企業(yè)核心競爭力的目標。數據挖掘處于客戶(hù)關(guān)系管理系統的核心地位。

　　數據挖掘是通過(guò)使用數據分析和數據建模技術(shù)來(lái)發(fā)現數據之間的關(guān)系和趨勢的過(guò)程。數據挖掘能夠從大量的數據中，抽取出潛在的、對決策存在價(jià)值的知識、模型或規則。數據挖掘中最基本、最簡(jiǎn)單的分析步驟就是描述數據，但是數據描述并不足以提供行動(dòng)計劃，必須用從已知結果中確立的模式來(lái)建立預測性模型，從而提供行動(dòng)計劃。然后用其它的方法對其進(jìn)行測試。一個(gè)好的模型不應該被真實(shí)情況所困惑，這個(gè)模型能夠用來(lái)指導你理解業(yè)務(wù)。

　　對于企業(yè)而言，數據挖掘能夠根據已有的信息對未發(fā)生行為做出結果預測，有助于揭示已知的事實(shí)，發(fā)現業(yè)務(wù)發(fā)展的趨勢，預測未知的結果，為企業(yè)經(jīng)營(yíng)決策、市場(chǎng)策劃提供依據。

　　“以客戶(hù)為中心”的數據挖掘內容涵蓋了客戶(hù)需求分析、客戶(hù)忠誠度分析、客戶(hù)等級評估分析等三部分，有些還包括產(chǎn)品銷(xiāo)售。其中，客戶(hù)需求分析包括：消費習慣、消費頻度、產(chǎn)品類(lèi)型、服務(wù)方式、交易歷史記錄、需求變化趨勢等因素的分析?？蛻?hù)忠誠度分析包括：客戶(hù)服務(wù)持續時(shí)間、交易總數、客戶(hù)滿(mǎn)意程度、客戶(hù)地理位置分布、客戶(hù)消費心理等因素的分析?？蛻?hù)等級評估分析包括：客戶(hù)消費規模、消費行為、客戶(hù)履約情況、客戶(hù)信用度等因素的分析。產(chǎn)品銷(xiāo)售分析包括：區域市場(chǎng)、渠道市場(chǎng)、季節銷(xiāo)售等因素的分析。

　　二、數據挖掘在客戶(hù)關(guān)系管理各階段的應用在客戶(hù)關(guān)系管理中，需要在客戶(hù)關(guān)系的各個(gè)階段使用與客戶(hù)相關(guān)的信息來(lái)預測與客戶(hù)的相互作用，可以將客戶(hù)關(guān)系管理的各個(gè)階段定義為客戶(hù)生命周期?？蛻?hù)生命周期包括三個(gè)階段：獲得客戶(hù)；提高客戶(hù)的價(jià)值；保持有效益的客戶(hù)。數據挖掘技術(shù)幫助企業(yè)管理客戶(hù)生命周期的各個(gè)階段。

　　1. 數據挖掘在客戶(hù)獲得中的應用

　　客戶(hù)關(guān)系管理的第一步是識別潛在客戶(hù)，然后將他們轉變成真正的客戶(hù)。傳統的獲得客戶(hù)的途徑一般包括廣泛的媒體廣告、大量的電話(huà)行銷(xiāo)、市中心及車(chē)站碼頭的廣告牌等。做廣告，大多選擇讀者群和直接目標客戶(hù)群重疊最大的主流媒體。但數據挖掘可以幫助管理獲取新客戶(hù)的成本和改善這些活動(dòng)的效果。

　　Big Bank and Credit Card Company（BB&CC）每年進(jìn)行25次直接郵寄活動(dòng)，每次活動(dòng)都向一百萬(wàn)人提供申請信用卡的機會(huì )。“轉化率”用來(lái)測量那些變成信用卡客戶(hù)的比例，這是一個(gè)關(guān)于BB&CC每一次活動(dòng)效果的百分比。使人們填寫(xiě)信用卡申請僅僅是第一步，BB&CC必須判斷提交申請的客戶(hù)是否有良好的信用風(fēng)險，然后決定接受他們成為自己的客戶(hù)還是該拒絕他們的申請。統計顯示大約6%的人在接到郵寄后會(huì )提出申請，但他們中只有16%滿(mǎn)足信用風(fēng)險要求，結果郵件列表中的人大約有1%成為了BB&CC的新客戶(hù)。BB&CC的6%的響應率意味著(zhù)每次活動(dòng)中的100萬(wàn)人中僅有6萬(wàn)人對郵寄的請求產(chǎn)生響應，并且在6萬(wàn)人中只有1萬(wàn)人滿(mǎn)足信用風(fēng)險條件而成為客戶(hù)。BB&CC面臨的難題是更有效地影響那僅有的1萬(wàn)人。

　　BB&CC的每份郵寄成本約1美元，也就是說(shuō)每次郵寄活動(dòng)的總成本為100萬(wàn)美元。在接下來(lái)的兩年里，那1萬(wàn)人將為BB&CC產(chǎn)生大約125萬(wàn)美元（每人約125美元）的收益，結果從一次郵寄活動(dòng)獲得凈利潤為25萬(wàn)美元。數據挖掘可以改善這個(gè)回報率。盡管數據挖掘也不能精確的識別最后那1萬(wàn)信用卡用戶(hù)，但它可以幫助使促銷(xiāo)活動(dòng)的投入更有效。

　　首先，BB&CC發(fā)送了5萬(wàn)個(gè)郵件做測試并仔細分析結果，使用決策樹(shù)建立預測模型來(lái)顯示誰(shuí)將對郵寄做出響應，用神經(jīng)網(wǎng)絡(luò )建立信用評分模型。接著(zhù)BB&CC結合這兩個(gè)模型來(lái)發(fā)現那些滿(mǎn)足信用評定而且最可能對“懇求”產(chǎn)生響應的人群。BB乙CC運用這一模型再從郵件列表中剩下的95萬(wàn)人中選擇70萬(wàn)發(fā)送郵件。結果顯示：從這75萬(wàn)（包括測試的5萬(wàn)）件郵件中，BB&CC獲得了9千份信用卡申請。換句話(huà)說(shuō)，響應率從1%提高到了1.2%增加了20 %。雖然目標只達到了1萬(wàn)個(gè)中的9千個(gè)，但模型是沒(méi)有完美的，剩下的1千是無(wú)利可圖的。

　　請注意，郵寄的純利潤增加了$125,000，甚至你扣除由于數據挖掘而產(chǎn)生的軟件、硬件即人力資源方面的$40,000，純利潤還增加了$85,000。建模的投入轉化成了200%的收益。

　　2. 通過(guò)數據挖掘提高現有客戶(hù)的價(jià)值

　　現在企業(yè)和客戶(hù)之間的關(guān)系是經(jīng)常變動(dòng)的，一旦一個(gè)人或者一個(gè)公司成為你的客戶(hù)，你就要盡力使這種客戶(hù)關(guān)系對你趨于完美。一般來(lái)說(shuō)你可以通過(guò)這三種方法：

　　第一，最長(cháng)時(shí)間地保持這種關(guān)系；第二，最多次數地和你的客戶(hù)交易；第三，最大數量地保證每次交易的利潤。

　　因此我們就需要對我們已有的客戶(hù)進(jìn)行交叉銷(xiāo)售和個(gè)性化服務(wù)。

　　交叉銷(xiāo)售是指企業(yè)向原有客戶(hù)銷(xiāo)售新的產(chǎn)品或服務(wù)的過(guò)程。一個(gè)購買(mǎi)了嬰兒車(chē)的客戶(hù)很有可能對你們生產(chǎn)的嬰兒尿布或其它嬰兒產(chǎn)品感興趣。個(gè)性化服務(wù)可以使得重復銷(xiāo)售、每一客戶(hù)的平均銷(xiāo)售量和銷(xiāo)售的平均范圍等方面有一個(gè)很大提高。數據挖掘使用聚類(lèi)來(lái)進(jìn)行商品分組，這些聚類(lèi)用來(lái)在有人看到其中的一個(gè)產(chǎn)品時(shí)向他做出建議，建議的方式可以是向客戶(hù)發(fā)送Email，這些Email包含了由數據挖掘模型預測的會(huì )吸引客戶(hù)的新產(chǎn)品信息。結果就會(huì )使推薦更加客戶(hù)化。

　　對于企業(yè)來(lái)說(shuō)，真正關(guān)心的問(wèn)題在于如何發(fā)現這其中內在的微妙關(guān)系。利用數據挖掘的一些算法（統計回歸、邏輯回歸、決策樹(shù)、聚類(lèi)分析、神經(jīng)網(wǎng)絡(luò )等）對數據進(jìn)行分析，產(chǎn)生一些數學(xué)公式，可以幫助企業(yè)發(fā)現這其中的關(guān)系。

　　對于原有客戶(hù)，企業(yè)可以比較容易地得到關(guān)于這個(gè)客戶(hù)的比較豐富的信息，大量的數據對于數據挖掘的準確性來(lái)說(shuō)是有很大幫助的。在企業(yè)所掌握的客戶(hù)信息，尤其是以前購買(mǎi)行為的信息中，可能正包含著(zhù)這個(gè)客戶(hù)決定他下一個(gè)的購買(mǎi)行為的關(guān)鍵，甚至決定因素。這個(gè)時(shí)候數據挖掘的作用就會(huì )體現出來(lái)，它可以幫助企業(yè)尋找到這些影響他購買(mǎi)行為的因素。

　　一般情況下，有兩個(gè)模型是必需的。

　　第一個(gè)模型預測一些人是否為被建議買(mǎi)附加產(chǎn)品而感到不愉快；第二個(gè)模型用來(lái)預測哪些提議更容易被接受。

　　3. 通過(guò)數據挖掘進(jìn)行客戶(hù)保持

　　現在各個(gè)行業(yè)的競爭都越來(lái)越激烈，企業(yè)獲得新客戶(hù)的成本正不斷地上升，因此保持原有客戶(hù)對所有企業(yè)來(lái)說(shuō)就顯得越來(lái)越重要。比如在美國，移動(dòng)通信公司每獲得一個(gè)新用戶(hù)的成本平均是30。美元，而挽留住一個(gè)老客戶(hù)的成本可能僅僅是通一個(gè)電話(huà)。業(yè)界公認，獲得一個(gè)客戶(hù)的成本是保持一個(gè)客戶(hù)成本的6-8倍，而且往往失去的客戶(hù)比新得到的客戶(hù)要貢獻更多的利潤。

　　數據挖掘可以幫助你將大量的客戶(hù)分成不同的類(lèi)，在每個(gè)類(lèi)里的客戶(hù)抓有相似的屬性，而不同類(lèi)里的客戶(hù)的屬性將會(huì )不同。你完全可以做得到給不同類(lèi)的客戶(hù)提供完全不同的服務(wù)來(lái)提高客戶(hù)的滿(mǎn)意度?？蛻?hù)分類(lèi)的好處顯而易見(jiàn)，即使是很簡(jiǎn)單的分類(lèi)也可以給企業(yè)帶來(lái)一個(gè)令人滿(mǎn)意的結果。比如說(shuō)如果你知道你的客戶(hù)有85%是老年人，或者只有20%是女性，相信你的市場(chǎng)策略都會(huì )隨之而不同。細致而切實(shí)可行的客戶(hù)分類(lèi)對企業(yè)的客戶(hù)保持策略有很大益處。

　　通過(guò)數據挖掘進(jìn)行客戶(hù)保持一般應該建立三個(gè)模型。一個(gè)模型用來(lái)確定要離開(kāi)的用戶(hù)，第二個(gè)模型用來(lái)選擇可以帶來(lái)收益的潛在的離開(kāi)者，第三個(gè)模型為這些潛在的離開(kāi)者選配最適宜的提議。