数据挖掘在电商企业CRM中的应用

汪 莹，王光岐

(中国矿业大学(北京)管理学院，北京 100083)

近年来，我国电商行业发展迅速，整个行业的市场形势也逐渐严峻：一是电商企业数量增多，规模变大，企业间的竞争逐渐激烈；二是客户需求多样化，电商的服务越来越同质化；三是客户对商品价格、质量等信息掌握越来越充分，对电商的服务要求越来越严格化。电商企业必须与市场建立良好的客户关系，才能在严峻的市场形势下稳定并提升市场份额。

电商行业与传统行业不同，它是基于互联网平台对客户进行销售和服务，客户在网络平台浏览、购买过程中，产生了大量的数据流量，这些流量以数据的形式被电商企业轻松获取。基于这一独特优势，电商企业可以通过对大量数据进行数据挖掘，获得客户的需求信息，为客户提供个性化服务，更好地开展客户关系管理。

一、数据挖掘与电商企业CRM的关系

(一)数据挖掘与电商企业CRM的内涵

数据挖掘是指从海量的已有数据信息中，根据自身要求，通过不同模型、算法进行深入挖掘，得到隐藏在数据背后的有价值的信息[1-2]。

CRM是客户关系管理的简称，通过对客户的系统化研究、资源整合及对业务流程的全面管理，更好地服务、吸引和保持客户，实现企业以客户为导向的市场战略[3-4]。

基于数据挖掘的电商企业CRM，是通过电商企业掌握并拥有关于客户的大数据，运用数据挖掘技术，提取出有价值的客户信息，维持现有并挖掘潜在的客户及市场，改善客户关系，从而获得行业竞争优势，实现企业价值更大化[5-6]。

(二)数据挖掘在电商企业CRM中的作用

数据挖掘在电商企业CRM中的应用可以为电商企业带来巨大的商业价值，从客户管理角度来说，这种价值可以通过以下作用表现出来：

1.获取新客户

在保持老客户的基础上，不断挖掘潜在客户，是电商企业争夺市场的关键。通过神经网络、决策树等数据挖掘方法建立模型，对数据深入挖掘，识别潜在客户，从而有针对性开展营销活动，使潜在客户成为真实客户[7]。

2.客户细分

客户细分是电商企业为不同客户提供不同服务的基础。利用数据挖掘中的排序、决策树或者聚类的方法对数据仓库中大量的客户信息进行挖掘。依据客户性别、收入状况、消费习惯等将客户信息分类，使同一细分市场里的客户具有相似的偏好和需求。通过客户细分，对不同客户群体提供个性化服务。

3.交叉营销

交叉营销是在电商企业与客户“双赢”的基础上，电商企业向老客户提供新服务、销售新产品的过程。通常采用关联分析、聚类分析等方法实施对客户的交叉销售，实现最优的销售匹配。

4.客户保持

据统计，企业获得新客户成本远比保持老客户高，因此保持老客户，尤其是高价值率的老客户，对电商企业至关重要[8]。通过利用回归分析、决策树、聚类分析等数据挖掘方法，识别出顾客流失的共同特征，基于对这些特征进行分析，采取相应的防范措施。

5.客户盈利能力分析

运用数据挖掘技术，可以分析和预测不同环境下客户盈利能力的变化情况，帮助电商企业制定最优的市场营销策略。通过数据挖掘技术，建立客户生命价值预测模型，可以预测客户在未来时期内带来的总利润[9]。

二、基于数据挖掘的电商企业CRM的构建与实现

(一)基于数据挖掘的电商企业CRM的体系构建

结合数据挖掘与电商企业CRM相互关系，构建基于数据挖掘的CRM体系结构，如图1所示。其中客户数据是基础，数据挖掘是关键，商业应用是目的。该体系结构包括：

1.客户接触

客户接触是指电商企业与客户间的联系途径，包含网络浏览、网络销售、网络客服、网络问卷、电话咨询等。客户与电商企业在接触过程中，产生大量的历史信息，这些信息以数据的形式被保留。

图1 基于数据挖掘的电商企业CRM的体系结构

2.数据存储

在客户接触过程中产生的大量数据，这些数据包含了大量客户信息，对于电商企业是一项重要资源。电商企业需要对数据进行预处理后，储存于数据仓库或数据集市中。电商企业中CRM的数据存储方式包括前区数据库、后区数据库、产品数据集市和客户数据集市等[10]。

3.数据挖掘

数据挖掘是指在客户数据准备阶段形成的数据集合的基础上进行信息挖掘，发现隐藏在大量客户数据背后的对电商企业客户关系管理有用的知识和模式。它是整个体系中的核心。在数据挖掘的过程中，还需不断地与模型库和知识库进行交互，在吸收模型库和知识库有价值信息的同时，也将挖掘出来的结果保存到模型库和知识库中[11]。

4.商业应用

电商企业运用数据挖掘的最终目的是商业应用，只有商业应用才能创造价值。电商企业将数据挖掘产生的有价值的信息分别输送给销售、物流、服务、管理等不同部门，从而便于各部门更好地开展客户关系管理工作。

基于数据挖掘的电商企业CRM的体系，就是通过客户接触收集客户信息，然后把收集的数据进行预处理和导入数据仓库进行数据存储，然后根据预定的商业目标采取相应的数据挖掘模型完成数据挖掘，最后根据挖掘出来的客户行为模式进行商业应用，调整企业经营，增强对客户的服务。

(二)基于数据挖掘的电商企业CRM的实现过程

数据挖掘与CRM业务系统的集成是智能CRM的核心，数据挖掘需要自动地分析各部门数据，并将分析结果应用于业务系统(图2)。基于数据挖掘的电商企业CRM的实施是一个循序渐进的过程，是不断更新、不断调整的状态[12]。数据挖掘的实现包括以下步骤：

1.商业问题理解

基于商业角度理解项目实施的动因和目标是电商企业首要问题，然后将这些动因和目标转化成数据挖掘技术可以理解的问题定义，同时应该确认该商业问题的类型，并设计出达到预期目标的初步计划。

图2 数据挖掘在电商企业CRM中的实现过程

2.数据选择

在明确商业问题所属应用类型后，首先应开展数据搜集工作，然后进行理清数据的各类活动，包括辨别数据质量问题，理解假设隐含的信息等，最终检测出有价值的数据子集。

3.数据预处理

在完成数据选择工作后，为了提高数据的质量，需要对数据进行转化、合并等处理。通过数据预处理，可以消除数据噪音，增强数据挖掘结果的准确性。数据预处理包括三个阶段：访问数据、成立建模数据集、清理数据。

4.模型建立

模型的建立是数据挖掘过程中的核心工作。依据预期的商业目标，在完成数据预处理的情况下，寻找并选择最优的数据挖掘技术，同时建立训练数据与测试数据，利用训练数据采用的算法建立模型和解释模型。

5.评估与校验

完成模型建立后，运用训练数据对模型进行评估和校验。若评估与校验结果与预期目标误差较大，则应根据误差分析，重新开始前述过程，重新建立模型，当模型的评估与校验误差达到预期后，该过程结束。

6.部署与应用

标准模型建立完成后，可以在电商企业内部署并开展应用，为决策提供支持。需要注意的是，在应用的过程中还需不断地测试模型的成功概率，如果发现不满意的情况，需要及时修正和完善模型。

三、总结

数据挖掘在电商企业CRM中的应用，给电商企业带来的好处主要包括以下四个方面：

1.实现信息处理的智能化

面对网络平台产生的大数据，在CRM系统中引入诸如智能化数据分析、智能化决策支持等基于数据挖掘技术的智能化处理功能，通过对客户行为特征和规律的挖掘来获取商业信息，为电商企业营销甚至发展战略提供参考。

2.促进个性化营销服务

基于数据挖掘的电商企业CRM的思想是与客户建立起学习型关系。通过深入了解客户不同需求，改进产品和服务，提供有针对性的营销策略，最终提升客户满意度。

3.形成交流渠道的集成化

基于数据挖掘的电商企业CRM将通过Web访问、E-mail、呼叫中心等多种客户交流渠道采集的信息进行整合，统一集中到CRM数据仓库中。相对完整和一致的数据是有效进行数据挖掘的前提和保障，同时，也使得客户通过各种渠道与电商企业交流时，感觉无缝、连贯性，提高效率。

4.实现数据的集中管理和共享化

基于数据挖掘的电商企业CRM 对客户数据采用数据仓库集中管理，而数据仓库具有共享性这一优点。特别地，它将销售、物流、服务和管理信息在后台无缝集成，并保持这些数据的连贯性和完整性，方便为客户提供全面的服务。

参考文献：

〔1〕 孟繁敏.浅谈基于数据挖掘的客户关系管理[J].中国管理信息化,2012,15(9):90-92.

〔2〕 段晓华.数据挖掘技术在电子商务客户关系管理中的应用研究[J].湖南文理学院学报(自然科学版), 2010,22(2):90-94.

〔3〕 瞿艳平.国内外客户关系管理理论研究述评与展望[J].财经论丛,2011(3):111-116.

〔4〕 张哲.基于数据挖掘技术的中小企业客户关系管理研究[J].经济论坛,2011(7):202-204.

〔5〕 甘露.数据挖掘在电子商务客户关系管理中的应用[J].电子商务,2011(6):59-60.

〔6〕 李治.数据挖掘在电子商务客户关系管理中的应用[J].科技信息,2011(11):86-87.

〔7〕 赵洁.数据挖掘在医院客户关系管理中的应用研究[D].北京:北京交通大学,2012.

〔8〕 董宁.数据挖掘技术在CRM中的应用[J].计算机工程与设计,2007,28(6):1429-1432.

〔9〕 刘霞,王爱民.数据挖掘技术在CRM中的应用[J].现代管理科学,2004(3):84-85.

〔10〕 周萍.数据挖掘在客户关系管理中的应用研究[D].济南:山东大学,2009.

〔11〕 吴彦熹.数据挖掘在客户关系管理中的应用[J].商场现代化,2006(18):46-47.

〔12〕 孟繁敏.浅谈基于数据挖掘的客户关系管理[J].中国管理信息化,2012,15(9):90-92.