CRM系統(tǒng):數(shù)據(jù)挖掘在通信行業(yè)客戶關(guān)系管理中的應(yīng)用

數(shù)據(jù)挖掘在通信行業(yè)客戶關(guān)系管理中的應(yīng)用 曾耀輝 （廣東南方電信規(guī)劃咨詢?cè)O(shè)計(jì)院有限公司惠州分公司 惠州 516003） 摘 要 數(shù)據(jù)挖掘（Data Mining），是指從大量數(shù)據(jù)中，提取正確的、新穎的、潛在有用的并能夠被理解的知識(shí) 的過程。本文介紹了數(shù)據(jù)挖掘在通信行業(yè)客戶關(guān)系管理中的應(yīng)用過程，以及應(yīng)注意的問題。指出，通過 利用數(shù)據(jù)挖掘技術(shù)建立基于數(shù)據(jù)挖掘技術(shù)的客戶關(guān)系管理模式，終將極大地提升企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)，提高 企業(yè)的競(jìng)爭(zhēng)水平。 關(guān)鍵詞 客戶關(guān)系管理 數(shù)據(jù)挖掘 通信企業(yè) 客戶流失 1 數(shù)據(jù)挖掘的概念和流程 1.1 數(shù)據(jù)挖掘的概念 數(shù)據(jù)挖掘（Data Mining），也叫知識(shí)發(fā)現(xiàn)、數(shù)據(jù) 開采等，是指從大量數(shù)據(jù)中，提取正確的、新穎的、潛 在有用的并能夠被理解的知識(shí)的過程。 數(shù)據(jù)挖掘能進(jìn)行 分類預(yù)測(cè)、聚類分析、關(guān)聯(lián)規(guī)則和序列模式的發(fā)現(xiàn)、相 關(guān)分析、異常監(jiān)測(cè)和趨勢(shì)分析[1]。 數(shù)據(jù)挖掘技術(shù)是目前數(shù)據(jù)倉庫領(lǐng)域廣泛使用的數(shù)據(jù) 分析手段。 它的分析思想是利用已知的數(shù)據(jù)通過建立數(shù) 學(xué)模型的方法找出隱含的業(yè)務(wù)規(guī)則， 在很多行業(yè)中都有 成功的案例。比如信用卡欺詐預(yù)測(cè)、通信行業(yè)惡意呼叫 行為分析等。 按照所挖掘的數(shù)據(jù)模式的不同，可以將數(shù)據(jù)挖掘方 法劃分為以下4 種［2］。 （1）關(guān)聯(lián)規(guī)則發(fā)現(xiàn)，關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中 項(xiàng)集之間有價(jià)值的關(guān)聯(lián)或相互聯(lián)系。 （2）分類和預(yù)測(cè)，分類和預(yù)測(cè)用于提取描述重要數(shù) 據(jù)類的模型并運(yùn)用該模型預(yù)測(cè)未來的數(shù)據(jù)趨勢(shì)。 （3）聚類分析，聚類就是將數(shù)據(jù)對(duì)象分組成為多個(gè) 類或簇，在同一個(gè)簇中的對(duì)象之間具有較高的相似度， 而不同簇中的對(duì)象差別較大。 （4）序列模式分析，序列模式分析和關(guān)聯(lián)分析相 似，其目的也是為了挖掘數(shù)據(jù)之間的聯(lián)系，但序列模式 分析的側(cè)重點(diǎn)在于分析數(shù)據(jù)間的前后序列關(guān)系。 通常一個(gè)完整的數(shù)據(jù)挖掘過程由業(yè)務(wù)問題定義、 數(shù) 據(jù)過濾、預(yù)處理、分析、準(zhǔn)備、模型選擇與建立、模型 的評(píng)估與檢驗(yàn)、模型應(yīng)用與鞏固等多個(gè)步驟組成。以下 介紹運(yùn)用數(shù)據(jù)挖掘技術(shù)分析客戶流失的一般過程。 1.2 數(shù)據(jù)挖掘流程 通信企業(yè)保存著客戶的相關(guān)信息， 呼叫數(shù)據(jù)及計(jì)費(fèi) 等大量的數(shù)據(jù)，這些業(yè)務(wù)數(shù)據(jù)雖看似普通，卻能釋放出 關(guān)于客戶流失方面的珍貴信息， 數(shù)據(jù)挖掘技術(shù)與海量數(shù) 據(jù)有密不可分的關(guān)系，以及其強(qiáng)大的數(shù)學(xué)算法，使得它 能夠根據(jù)這些數(shù)據(jù)建立有關(guān)客戶流失的預(yù)測(cè)模型， 從而 分析出客戶流失的主要原因并且采取相應(yīng)措施有效地挽 留有流失傾向的客戶。 數(shù)據(jù)挖掘是一個(gè)周而復(fù)始的過程， 許多軟件供應(yīng)商 和數(shù)據(jù)挖掘顧問公司都提供一些數(shù)據(jù)挖掘過程模型， 來 指導(dǎo)他們的用戶一步步的進(jìn)行數(shù)據(jù)挖掘工作，比如 SPSS 的5A 和SAS 的SEMMA。但基本的數(shù)據(jù)挖掘步 驟包括以下幾個(gè)步驟。 1.2.1 定義業(yè)務(wù)問題 業(yè)務(wù)問題定義要明確數(shù)據(jù)挖掘技術(shù)解決的是何種商 務(wù)問題，對(duì)客戶流失管理來說就是要定義何為流失。移 動(dòng)通信領(lǐng)域的客戶流失有三方面的含義: 一指客戶從本 移動(dòng)運(yùn)營商轉(zhuǎn)網(wǎng)到其他通信運(yùn)營商， 這是流失分析的重 點(diǎn)；二指客戶使用的手機(jī)品牌發(fā)生改變，從本移動(dòng)運(yùn)營 商的高價(jià)值品牌轉(zhuǎn)向低價(jià)值品牌， 如中國移動(dòng)的用戶從 全球通客戶轉(zhuǎn)為神州行客戶；三指客戶ARPU（指每用 戶月平均消費(fèi)量）降低，從高價(jià)值客戶成為低價(jià)值客戶。 在客戶流失分析中有兩個(gè)核心變量：財(cái)務(wù)原因/ 非財(cái) 務(wù)原因、主動(dòng)流失/被動(dòng)流失。客戶流失可以相應(yīng)分為 4種類型，其中非財(cái)務(wù)原因主動(dòng)流失的客戶往往是高價(jià) 值的客戶。他們會(huì)正常支付服務(wù)費(fèi)用，并容易對(duì)市場(chǎng)活 動(dòng)有所響應(yīng)。這種客戶是通信企業(yè)真正需要保住的客 戶。 1.2.2 數(shù)據(jù)處理 這一過程所花的時(shí)間和精力要占整個(gè)數(shù)據(jù)挖掘項(xiàng)目 的50％～90％，它包括4 個(gè)步驟。 （1）數(shù)據(jù)過濾，這一步驟可以確保收集的數(shù)據(jù)符合 分析的需要。 （2）數(shù)據(jù)預(yù)處理，這一步驟應(yīng)確保原始數(shù)據(jù)和輸入 標(biāo)準(zhǔn)一致，將分布在不同的數(shù)據(jù)庫中的數(shù)據(jù)和輸入標(biāo)準(zhǔn) 一致，將分布在不同的數(shù)據(jù)庫中數(shù)據(jù)，集合和合并到單 一的營銷數(shù)據(jù)庫，并協(xié)調(diào)來自多個(gè)數(shù)據(jù)源的數(shù)據(jù)在數(shù)值 上的差異，使數(shù)據(jù)屬性標(biāo)準(zhǔn)化。 （3）數(shù)據(jù)分析，在建立良好的預(yù)測(cè)模型之前，必須 對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行初步分析，初步認(rèn)識(shí)，找出對(duì)預(yù) 測(cè)輸出影響最大的數(shù)據(jù)字段，和決定是否需要定義導(dǎo)出 字段。 （4）數(shù)據(jù)準(zhǔn)備，這是建模前數(shù)據(jù)處理的最后一步， 也是數(shù)據(jù)挖掘過程的核心。 主要有4個(gè)部分：選擇變量、選擇記錄、創(chuàng)建新變 量、轉(zhuǎn)換變量，使之和選定用來建立模型的算法一致。 1.2.3 建立模型 在多個(gè)可供選擇的模型中找出最佳模型， 初始模型 可能沒法達(dá)到數(shù)據(jù)挖掘的目的，需要多次反復(fù)。在尋找 最優(yōu)模型過程中，可能要修改正在使用的數(shù)據(jù)，甚至修 改問題的定義。 1.2.4 評(píng)估和解釋模型 這個(gè)階段是對(duì)數(shù)據(jù)挖掘階段構(gòu)建的模型進(jìn)行比較和 評(píng)估，生成一個(gè)相對(duì)最優(yōu)模型，并對(duì)此模型用業(yè)務(wù)語言 加以解釋。模型驗(yàn)證的標(biāo)準(zhǔn)方法是從預(yù)處理數(shù)據(jù)中隨機(jī) 抽取兩個(gè)樣本，一個(gè)校準(zhǔn)樣本用于構(gòu)建模型，一個(gè)樣本 用于驗(yàn)證校準(zhǔn)樣本產(chǎn)生的模型。 通常一個(gè)好的模型運(yùn)用 到驗(yàn)證樣本中能得到較好的效果，如果效果差，就需要 重新構(gòu)建模型。 1.2.5 運(yùn)用和鞏固模型 對(duì)模型在實(shí)際應(yīng)用中的表現(xiàn)進(jìn)行監(jiān)控， 將數(shù)據(jù)挖掘 的結(jié)果同運(yùn)營市場(chǎng)反饋緊密聯(lián)系起來， 如果模型表現(xiàn)不 好，應(yīng)實(shí)時(shí)適應(yīng)市場(chǎng)調(diào)整挖掘模型，對(duì)模型做進(jìn)一步的 考察和修正，以反映業(yè)務(wù)運(yùn)作規(guī)律的變化。 2 客戶關(guān)系管理中數(shù)據(jù)挖掘的應(yīng)用條件 目前通信運(yùn)營商都具有業(yè)務(wù)營運(yùn)系統(tǒng)、業(yè)務(wù)受許多 理網(wǎng)站、客戶服務(wù)呼叫中心等客戶信息系統(tǒng)，也擁有許 多成熟的數(shù)據(jù)庫應(yīng)用系統(tǒng)，這些系統(tǒng)具有如下特點(diǎn)。 （1）目前通信運(yùn)營系統(tǒng)實(shí)質(zhì)上是實(shí)現(xiàn)了數(shù)據(jù)的物理 集中，業(yè)務(wù)系統(tǒng)之間則相互獨(dú)立。 （2）眾多的客戶數(shù)據(jù)、市場(chǎng)營銷數(shù)據(jù)、賬務(wù)數(shù)據(jù)以 不同的數(shù)據(jù)格式和訪問方式分散在不同的系統(tǒng)中，過于 分散、冗余，沒有形成整體的、唯一的、集中的客戶數(shù) 據(jù)，不能滿足數(shù)據(jù)挖掘過程中數(shù)據(jù)必須具有單一視圖的 要求。 （3）這些系統(tǒng)都是聯(lián)機(jī)事務(wù)處理（On-Line Transaction, OLTP）系統(tǒng)，實(shí)時(shí)處理在線事務(wù)，不能適應(yīng)數(shù) 據(jù)挖掘應(yīng)用大規(guī)模、頻繁的檢索和查詢操作。 數(shù)據(jù)挖掘技術(shù)本身不是萬能的，一個(gè)完善的CRM 系統(tǒng)應(yīng)該以數(shù)據(jù)挖掘技術(shù)為核心，要有效的支持客戶關(guān) 系管理，必須建立企業(yè)級(jí)的客戶信息數(shù)據(jù)倉庫，能夠把 強(qiáng)力推薦： 天柏客戶關(guān)系管理系統(tǒng) 天柏客戶關(guān)系管理系統(tǒng)（CRM）是一款集專業(yè)性、實(shí)用性、易用性為一體的純B/S架構(gòu)的CRM系統(tǒng)，它基于以客戶為中心的協(xié)同管理思想和營銷理念，圍繞客戶生命周期的整個(gè)過程，針對(duì)不同價(jià)值的客戶實(shí)施以客戶滿意為目標(biāo)的營銷策略，通過企業(yè)級(jí)協(xié)同，有效的“發(fā)現(xiàn)、保持和留住客戶”，從而達(dá)到留住客戶、提高銷售，實(shí)現(xiàn)企業(yè)利潤最大化的目的。通過對(duì)客戶進(jìn)行7P的深入分析，即客戶概況分析(Profiling)、客戶忠誠度分析(Persistency)、客戶利潤分析(Profitability)、客戶性能分析(Performance)、客戶未來分析(Prospecting)、客戶產(chǎn)品分析(Product)、客戶促銷分析(Promotion)以及改善與管理企業(yè)銷售、營銷、客戶服務(wù)和支持等與客戶關(guān)系有關(guān)的業(yè)務(wù)流程并提高各個(gè)環(huán)節(jié)的自動(dòng)化程度，從而幫助企業(yè)達(dá)到縮短銷售周期、降低銷售成本、擴(kuò)大銷售量、增加收入與盈利、搶占更多市場(chǎng)份額、尋求新的市場(chǎng)機(jī)會(huì)和銷售渠道，最終從根本上提升企業(yè)的核心競(jìng)爭(zhēng)力，使得企業(yè)在當(dāng)前激烈的競(jìng)爭(zhēng)環(huán)境中立于不敗之地。