摘 要：crm是适应企业“以产品为中心”到“以客户为中心”的经营模式的战略转移和关系营销的需要而发展起来的新的管理理念。数据挖掘技术能很好的进行数据的分析、处理，发现有价值的客户信息。探讨了数据挖掘技术在客户关系管理中的相关应用。
关键词：客户关系管理；数据挖掘；顾客价值
1 引言
客户关系管理作为一种“以客户为中心”的先进的经营管理理念，能够实现通过客户利益的最大满足促进企业利润极大增长的经营目标。为顾客提供高质量的服务，不断提高客户的满意度和忠诚度，已经成为新形势下
企业管理的一项重要工作。因此，有学者指出，我们已经进入了客户关系时代。客户关系管理的核心是客户价值管理，其目的不断提高客户的满意度和忠诚度从而达到获取企业竞争优势。
2 数据挖掘技术简介
数据挖掘（data mining，简称dm）是从大型数据库或数据仓库中发现并提取隐藏在其中的有用信息的一种新技术，是数据库研究中的一个很有应用价值的领域。它可以从大量的数据中抽取出潜在的、有价值的知识、模型或规则，有助于企业发现业务的趋势，揭示已知的事实，预测未知的结果。
数据挖掘的方法主要有：（1）概念/类描述。概念描述以简洁汇总的形式描述给定的任务相关数据集，提供数据价值的一般特性，一般应用于ｃｒｍ中的描述式数据挖掘。 （2）关联分析。关联分析发现关联规则，广泛用于购物蓝、商务管理和决策分析，是商业分析中应用最为广泛的一种数据挖掘方法和模式。（3）分类和预测分析。分类和预测是ｃｒｍ中数据分析的两种重要形式，可以用于提取描述重要数据类的模型或预测未来的数据趋势。（4）聚类分析。属于无指导学习。对象根据最大化类内的相似性、最小化类内的相似性的原则进行聚类或分组。（5）孤立点分析。对于欺诈探测、定制市场及其它ｃｒｍ任务是非常有用的。 （6）演变分析。用于ｃｒｍ中的趋势分析、相似性搜索、与时间有关的序列模式挖掘和周期模式挖掘。（7）复杂类型的数据挖掘。是数据挖掘技术的当前一个重要的研究领域，极大提升了ｃｒｍ数据分析能力的深度和广度，主要包括：多媒体数据挖掘、文本挖掘和ｗｅｂ挖掘等。
3 数据挖掘在客户关系管理中的应用
数据挖掘对于crm应用具有巨大的基础辅助作用，它可以应用于获取新客户、保持优质客户和提升客户价值等crm的各个方面。也正是有了数据挖掘的支持，才使crm的理念和目标得以实现，满足了现代电子商务时代的需求和挑战。数据挖掘在客户关系管理中主要应用于以下方面：
（1）客户细分（customer segmentation）。
客户细分是指将一个消费群体划分成一个个细分群的过程，同属于一个细分群的消费者彼此相似，而隶属于不同细分群的消费者被视为差异十分明显。
采用数据挖掘方法的客户细分，属于数据驱动的客户细分（data driven segmentation）。客户细分需要进行客户特征分析，即用数据来描述或给出客户或潜在客户特征的分析过程。
（2）客户获取（customer acquisition）。
在crm中，业务发展的主要指标里包括新客户的获取能力。数据挖掘技术可以用于对潜在客户群进行筛选，并把得出的潜在客户名单和这些客户感兴趣的优惠措施系统地结合起来，以增加市场推广活动产生的反馈率。为了有效实施客户获取策略，需要对客户反应行为模式进行分析。
（3）客户保持（customer retention）。
随着行业中的竞争愈来愈激烈，获得一个新客户的开支愈来愈大，而保持客户比获取新客户节约成本，所以保持原有客户的工作也愈来愈有价值。如何使用数据挖掘来对不同的旨在保留客户的活动中进行建模将对整个客户保持工作起着重要的作用。客户流失或客户转移是许多行业都会出现的问题。
改进保留客户的一种途径就是在客户真正流失之前采取行动，这也就是流失模型价值所在。流失模型能预测账号在被激活后减少或停止使用一种产品或服务的行为。由于客户流失对公司利润有重大的影响，很多公司都把流失模型作为客户忠诚度计划的主要关注点。
（4）交叉营销（cross-selling）。
公司与客户之间的商业关系是一种持续的不断发展的关系。在客户与公司建立起这样双向的商业关系后，可以有很多种方法来优化这种关系：①延长这种关系的时间：②在维持这样的关系期间增加互相的接触；③在每一次互相接触中获得更多的利润。公司和客户都可以从中获益，从而达到双赢的结果。
使用数据挖掘技术进行交叉营销的分析一般是从分析现有客户的购买行为数据开始。首先要得到关于现有客户消费习惯的数据。其实，大部分多项产品的交叉营销研究与单项销售所需的分析并无太大区别。多项产品的交叉营销可以看作是单向产品销售的叠加，其中的关键在于要对所有的客户提供最合适的产品和服务。这样客户所接受的这些服务才能同时给卖方和买方带来最大的获益。
（5）客户风险分析（customer risk analysis）。
风险分析是提供产品或服务时存在潜在损失的行业所特有的。数据挖掘方法可以为风险分析建立分类定位模型。常见的风险类型出现在银行业和保险业。银行在放贷时存在金融风险。利用风险分析可以预测一个对象如期还贷或不还贷的可能性。一种贷款如抵押贷款或汽车贷款是安全贷款，另一种贷款如信用卡贷款为不安全贷款。
欺诈风险（fraud risk）是许多公司关心的另一个风险领域，对银行和保险公司更是如此。欺诈检测模型通过了解客户的典型消费行为帮助公司减少损失。如果客户的消费习惯变化极大，则风险处理就采取措施停止或监控直到这种情况可评估为止。
4 结语
客户关系管理是企业保持市场竞争力的重要手段和必不可少的重要环节。数据挖掘作为一种先进的数据分析方法，是实现对客户数据进行深入分析的有效工具。数据挖掘技术的引入高质量地实现了客户关系管理的目标，充分发挥了客户关系管理的作用。基于数据挖掘的客户关系管理（crm）可以最大限度地了解客户需求，提高顾客满意度，从而攫取市场分额和提升盈利能力，提升企业竞争优势。
参考文献
［1］罗纳德.s.史威福特．客户关系管理——加速利润和优势提升［m］ ．北京：中国经济出版社，2002．
［2］jiawei han，michelline kamber．数据挖掘慨念与技术［m］ ．北京：机械工业出版社，2002．
［3］michael ，gordon ．数据挖掘——客户关系管理的科学与艺术［m］ ．北京：中国财政经济出版社，2004．
［4］王宗军，贾云昆．客户关系导向的企业战略初探 ［j］ ．
武汉大学学报（哲学
社会科学版），2004，（3） ．
［5］王海波，仲秋雁．基于数据挖掘的客户关系管理体系结构研究［j］．大连理工大学学报（社会科学版），2004，（6） ．
本文链接：http://www.qk112.com/lwfw/jsjlw/jisuanjiyingyong/244678.html
