引言

    随着Internet的飞速发展，网络已经成了一个全球性的巨大的信息服务中心，大量信息在给人们带来方便的同时，也带来很多问题：一是信息过量，二是信息真假难辨，三是信息安全难以保证，四是信息形式不一致。人们开始考虑怎样才能不被信息淹没，而是从海量信息中发现有用的知识，充分提高信息的利用率，面对这种迫切需求，数据挖掘技术应运而生。

    1 数据挖掘的概念

    从技术上定义，数据挖掘（Data Mining，简称为DM）是一种半自动地从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取出隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘从数据中提取人们感兴趣的可用信息和知识，并将提取出来的信息和知识表示成概念、规则、规律和模式等便于人们理解与利用的形式。

    并且，数据挖掘是一个多学科交叉领域，它涉及到数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息提取、高性能计算和数据可视化等学科。根据挖掘任务，可分为分类/预测、数据总结、聚类、关联规则挖掘、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等。其挖掘对象有关系数据库、异质数据库、遗产数据库、空间数据库、时态数据库、文本数据源、多媒体数据库、面向对象数据库以及基因库等。其应用领域包括商业、科学研究、天文学、保险业、电信业、教育、DNA分析等。

    如果从企业角度说，数据挖掘是一种新的客户信息处理技术，其主要特点是对企业数据库中的大量业务数据进行抽取、转换、分析和其他模式处理，从中提取辅助企业决策的关键性数据。因此，数据挖掘也可被描述为：是提取有用信息的数据产生过程，是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则，并能够根据已有的信息对未发生行为做出结果预测，为企业经营决策、市场策划提供依据的过程。

    2 数据挖掘在企业客户关系管理中应用的必要性和作用

    目前一个企业是否有竞争力已不再完全取决于它的产品和生产运作效率，而在很大程度上取决于它是否建立和保持良好的客户关系。过去由于技术的限制，企业信息系统的开放性不足，因此全方位了解顾客，把握客户的特征与需求只能是一种理想。而在网络科技的快速发展条件下，加上日益成熟的数据仓库和数据挖掘技术，使得企业能更有效地掌握客户的行为及需求。如果企业把利润作为自己的目标，客户关系管理则是到达这个目标的最有用的工具，而数据挖掘则是这个工具的最佳引擎。

    数据挖掘是一个迅速发展的学科，而且是面向应用的。数据挖掘应用于CRM会提高企业的商业智能。数据挖掘与CRM的结合将是全方面的，即销售、营销和客户服务都可以从数据挖掘中获得决策支持。Data Miners的发起人Gordon S.Linoff认为：“数据挖掘通过整合企业的数据，帮助将正确的信息传到每一个客户。数据挖掘是CRM的必备组件之一”。

    随着信息技术的迅速发展，特别是数据库技术和计算机网络的广泛应用，企业拥有的数据量急剧增大。在大量的数据与信息中，蕴藏着企业运作的利弊得失，如果能够对这种海量的数据与信息进行快速有效的深入分析和处理，就能从中找出规律和模式，获取所需知识，帮助企业更好地进行企业运筹决策。数据挖掘在CRM中的应用模型如图1所示。

    图1 数据挖掘在CRM中的应用模型

    在对CRM的广泛理解中，最简单的含义就是：管理所有的与客户的相互作用。在实践中，这需要在客户关系的各个阶段使用与客户相关的信息来预测与客户的相互作用。我们将客户关系的各个阶段定义为客户生命周期。客户生命周期包括四个阶段：一是获得客户，二是提高客户的价值，三是保持上等效益客户，四是防止客户流失。[page]     数据挖掘在客户生命周期不同阶段中的具体应用。

    2.1 获得新客户

    企业的发展和壮大需要不断的获得新的客户。新的客户包括以前没有听过你产品的人，以前不需要你产品的人，以及以前你的竞争对手的客户。无论你希望得到的是哪一类客户，数据挖掘都能够帮助你辨别这些潜在客户群，并提高市场活动的响应率。

    数据挖掘可以帮助企业利用现有的客户记录和资料找出客户的一些共同特征，由此深入了解客户，还可以通过分类或聚类分析对客户进行群分后，再由模式分析预测哪些人可能成为其客户，以帮助销售人员找到正确的对象。例如一个计算机产品直销商利用现有的客户邮件地址数据库给潜在客户发送用于促销的新的计算机产品宣传册和将要开始的产品降价信息。不加区分的给每名客户都发送促销宣传册显然是一种很大的浪费，而有针对性的给有最大购买可能的顾客发送产品广告，才是一种高效节俭的营销策略。这时可以采用分类方法中常用的决策树归纳方法对数据库中的一部分数据（训练数据）进行分类学习得出数据集的决策树模型，如果模型的准确率经测试被认为是可以接受的，那么就可以使用这一模型建立的规则对数据库进行分类预测了。

    2.2 使用交叉销售提高现有客户的价值

    现代企业和客户之间的关系是经常变动的，一旦一个人或者一个公司成为企业的客户，企业就要尽力保持这种关系，并使之趋于完善。一般来说可以通过以下几种方法：一是最长时间的保持这种关系；二是最多次数的和你的客户交易：三是最大数量的保证每次交易的利润。这些都可通过交叉销售来实现。交叉销售是指企业通过与客户交流，向现有客户销售新的产品或服务的过程。对客户来讲，得到了更多更好的服务；对企业来讲，也会因增加了销售量而获利。

    用数据挖掘技术对交叉销售做分析时应包括三个步骤。一是分析现有客户的购买行为和消费习惯数据，然后用数据挖掘的一些算法对不同的销售方式的个体行为进行建模；二是用建立的预测模型对客户将来的消费行为进行预测分析，对每一种销售方式进行评价；三是用建立的分析模型对新的客户数据进行分析，以决定向客户提供哪一种交叉销售服务最合适。

    2.3 客户保持

    随着各个行业竞争的加剧，企业获得新客户的成本正在不断的上升，因此保持原有客户对所有企业来说就显得越来越重要，而且往往失去的客户要比新得到的客户贡献更多的利润。来自北美和欧洲的权威机构提供的统计数据表明，在全球500强企业中，它们在五年内大约流失50％的客户。企业争取一个新客户的成本是保留一个老客户的7-10倍，所以可以看出企业最关心的话题是企业如何才能留住客户，增加客户对企业的忠诚度。

    利用数据挖掘技术，例如决策树算法，就可以通过挖掘大量的客户信息来构建预测模型，较准确的找出易流失的客户群，并指定相应的方案，最大程度的保持住老客户。

    2.4 防止客户流失

    客户流失是企业难以控制的常见问题，流失现象会给企业带来很多不利影响。通过数据挖掘技术中的孤立点分析法可以发现客户的异常行为，并采取相应对策，避免客户流失。

    综上所述，我们得出CRM是一种管理技术，数据挖掘是一种数据处理和分析技术。后者是前者的运用工具，为其提供数据基础平台和技术支持。数据挖掘技术可以帮助CRM完成对大量客户信息的处理，挖掘出隐含的、先前未知的、对企业决策有潜在价值的知识和规则，包括客户特征、“黄金客户”、客户关注点以及客户忠诚度等等，并能够根据已有的信息对未来发生行为做出结果预测，科学确定各种业务的实施方案，为企业提供全方位的管理视角，完善企业的客户交流能力，最大化客户和企业的收益率。

    随着CRM在我国的进一步发展，企业对CRM中数据挖掘部分的要求也会越来越高，因此加强数据挖掘技术在CRM方面的应用研究，有利于促进企业CRM应用水平的提高。主要表现如下。

    2.4.1 挖掘潜在的客户，提高市场占有率

    如何快速发现更多潜在的客户，对一个企业来说是至关重要的，获取一个新客户大都是从潜在客户信息开始的。潜在客户信息主要包括Web上留言者、网上检索者、拨打免费电话者和填写申请表者的相关信息。通过数据挖掘可以对潜在客户信息进行分类和聚类分析，再由模式分析预测哪些可能成为新客户，以帮助业务人员找到正确的合作客户。Web数据挖掘还可以揭示客户的行为习惯，发现在不同情况下有相似行为的新客户，帮助公司识别出潜在的客户群，并提高对市场活动的响应力，采用积极的营销策略，不断挖掘新客户，从而提高市场占有率。[page]    2.4.2 提供个性化服务

    留住客户的竞争越来越激烈，公司获得新客户的成本也在不断地上升，因此保持原有客户对企业来说就显得越来越重要。数据挖掘可以把信息系统中的大量客户分成不同的类，针对不同的类提供不同的个性化服务来提高客户的满意度，从而留住客户。

    2.4.3 客户盈利能力分析和预测

    对一个公司来讲，如果不知道客户的经营情况，就很难做出合适的市场策略。很显然，不同客户对于公司来讲，其价值是不同的。数据挖掘技术可以用来分析和预测不同市场活动情况下客户盈利能力的变化，识别最有价值的客户以及这些客户过去的状态变迁，帮助公司制定适合的市场策略。

    2.4.4 客户信用风险预警和控制

    利用数据挖掘对公司信息管理系统中大量的数据进行分析和处理，可采用神经网络算法建立模型，然后对现有客户进行测试，探查出具有诈骗倾向的客户；也可采用数据挖掘中的孤立点分析技术，在对客户群进行分析时，找出与其他客户不同的客户来进行防范。对客户的信用风险进行分析和可能发生的欺诈行为进行预测，以便及时地对各种信用风险进行监视、评价、预警和管理，进而采取有效的监督措施，在信用风险发生之前对其进行预警和控制。

    总之，数据挖掘在中小企业中的广泛应用，能够及时开拓营销渠道，挖掘潜在的有价值的客户信息，针对不同的客户群及时提供不同的个性化服务，可以提高客户的满意度和忠诚度，提升客户信用的预测性和抗风险的能力，从而提高企业对市场的响应力和智能化水平。例如预测发展趋势、辅助决策、对客户进行分类、挖掘潜在客户等等。

    3 在客户关系管理中应用数据挖掘技术的要求

    3.1 确立合理的数据挖掘目标

    为保证数据挖掘能够正常、有效地开展和进行，其实施过程中必须有明确的远景规划和近期实现目标。管理者制定规划和目标时，既要考虑企业内部的现状和实际技术水平，同时也要看到外部市场对企业的要求与挑战。企业必须明确任务目标、进度和预期作用等内容。

    3.2 全面掌握客户的数据

    在接通客户关系管理系统并将原始数据导入新系统之前，数据挖掘人员要全面考察数据来源，获取数据的内容、质量和可靠性等情况信息。当采用适当的数据挖掘工具，执行这些枯燥而易出错的程序时，可使数据挖掘工作所花费的时间减少到相当于初次手工作业所需时间的10％左右，并可及早发现和纠正数据问题，大大降低成本和失败的风险。

    3.3 要建立数据标准

    进行数据挖掘和分析时，需将客户姓名、联系地址、产品信息等客户数据标准化，以确保一致性并将记录与统计逻辑相匹配，从而减少查看客户全景视图的数据重复。同时，要建立保证数据质量的相关流程和程序，以确保数据的适用性和质量。

    3.4 寻求高层管理者的理解与支持

    高层管理者对客户关系管理中数据挖掘的支持、理解和承诺，是数据挖掘成功的关键因素之一。缺乏管理者支持与承诺，会对数据挖掘的实施带来很大的负面影响。要得到管理者的支持与承诺，既可要求管理者对项目有相当的参与程度，进而能够对项目实施有一定理解；也可将实施过程中所影响到的部门的高层领导，设为数据挖掘项目的发起人或发起的主要参与者。