客户关系管理中客户细分的数据挖掘分析.docx

客户关系管理中客户细分的数据挖掘分析【摘要】主要研究客户关系管理中的客户细分的数据挖掘对客户关系管理、客户细分以及数据挖掘的内涵与相关理论进行了认真学习并对客户细分的数据挖掘方法进行了研究对客户关系为中心的企业管理模式提供了技术支持。【关键词】客户关系管理；客户细分；数据挖掘市场经济给企业发展带来了日益激烈的竞争环境企业开始重视客户资源的发掘与分析企业的工作重心逐渐从产品转移到客户。客户关系管理是客户细分的有效工具而数据挖掘技术就是客户细分有力的技术支撑。一、理论研究1.客户关系管理客户关系管理的目标是依靠高效优质的服务吸引客户同时通过对业务流程的全面优化和管理控制企业运行成本。客户关系管理是一种管理理念将企业客户视作企业发展最重要的企业资源采用企业服务优化等手段来管理客户关系。但是客户管理管理同样是一种管理技术将最佳商业实践和数据挖掘、数据仓库、销售自动化以及信息技术结合起来为企业销售、客户服务等提供了一整套业务自动化解决方案为企业实现从电子商务现代化企业模式提出了明确的方法。客户关系管理并不是单纯的信息技术或者管理技术也是一种企业生物战略通过对企业客户的分段充足强化客户满意的行为优化企业可盈利性将客户处理工作上升到企业级别不同部门负责和客户进行交互但是整个企业都需要向客户负责在信息技术的支持下实现企业和客户连接环节的自动化管理。2.客户细分客户细分由美国学者温德尔・史密斯在上世纪50年代提出认为客户细分是根据客户属性将客户分成集合。现代营销学中的客户细分是按照客户特征和共性讲客户群分为不同等级或者子群体寻找相同要素对不同类别客户心理与需求急性研究和评估从而指导进行企业服务资源的分配为企业获得客户价值的一种理论与方法。因此我们注意到客户细分其实是一个分类问题但是却有着显著的特点。（1）客户细分是动态的。企业不断发展变化用户数据不断积累市场因素的变化都会造成客户细分的变化。所以客户细分工作需要根据客户情况的变化进行动态调整减少错误分类提高多次细分中至少有一次是正确分类的可能性。（2）受众多因素影响。随着时间的推移客户行为和心理会发生变化所以不同时间的数据会反映出不同的规律客户细分方法需要在变化过程中准确掌握客户行为的规律性。（3）客户细分有不同的分类标准。一般分类问题强调准确性客户关系管理则强调有用性讲求在特定限制条件下实现特定目标。3.数据挖掘数据挖掘就是从大型数据库数据中提取有价值的隐含的事前未知的潜在有用信息。数据挖掘技术不断发展挖掘对象不再是单一数据库已经逐渐发展到文件系统、数据集合以及数据仓库的挖掘分析。二、客户细分的数据挖掘1.逻辑模型客户数据中有着若干离散客户属性和连续客户属性每个客户属性为一个维度客户作为空间点全部客户都能够形成多为空间作为客户的属性空间假设A={A1A2…Am}是一组客户属性属性可以是连续的也可以离散型这些属性就形成了客户m维属性空间。同时设g是一个描述客户属性的一个指标f（g）是符合该指标的客户集合即为概率外延则任一确定时刻都是n个互不相交集合。在客户价值概念维度上可分为“有价值客户”“潜在价值客户”“无价值客户”三种类型定义Rb如下：显然RB是一个等价关系经RB可分类属性空间为若干等价类每个等价类都是一个概念累建立客户细分就是客户属性空间和概念空间映射关系的建立过程。2.客户细分数据挖掘实施通过数据库已知概念类客户数据进行样本学习和数据挖掘进行客户属性空间与概念空间映射的自动归纳。首先确定一组概念类已知客户集合。首先确定一个映射：p：CL使cC如果cLi则p（c）=Li。cC求p（c）确定所属概念类。数据部分有客户数据存储和概念维数据构成客户数据存储有企业全部内在属性、外在属性以及行为属性等数据方法则主要有关联规则分析、深井网络分类、决策树、实例学习等数据挖掘方法通过对客户数据存储数据学习算法来建立客户数据和概念维之间的映射关系。3.客户细分数据分析建立客户动态行为描述模型满足客户行为非确定性和非一致性要求客户中心的管理体制下客户细分影响企业战术和战略级别决策的生成所以数据挖掘要能够弥补传统数据分析方法在可靠性方面的缺陷。（1）客户外在属性。外在属性有客户地理分布、客户组织归属情况和客户产品拥有情况等。客户的组织归属是可数社会组织类型客户产品拥有情况是客户是否拥有或者拥有哪些与其他企业或者其他企业相关产品。（2）内在属性。内在属性有人口因素和心理因素等人口因素是消费者市场细分的重要变量。相比其他变量人口因素更加容易测量。心