数据挖掘技术在人寿保险CRM系统中的应用研究.docx

数据挖掘技术在人寿保险CRM系统中的应用研究现代生产与管理技术文章编号:1006-3269(2004)01-0039-04数据挖掘技术在人寿保险CRM系统中的应用研究陈永强胡雷芳(杭州师范学院电子商务研究开发中心浙江杭州310012)摘要:越来越多的企业开始使用CRM系统并加强客户价值分析为个性化营销提供依据.但系统数据的深度利用还有待开发.本文以保险公司为例尝试将数据挖掘技术应用到CRM系统中并提出了保险业的客户价值、客户细分等数据挖掘模型利用调查问卷收集的客户数据在SASEnterpriseMiner中对模型中相关因素进行模拟挖掘为际是一个利用分析工具在海量数据中发现模型和数据间的关系的过程这些模型和关系可以用来做出预测.因此数据挖掘可以描述为:按企业既定业务目标揭示隐藏的、并进一步将.:数据)、客户群体划分(CustomerClassification)、背景分析(Pro)、交叉销售(Cross-selling)等市场分析行为以及客户流失分析(ChurnAnalysis)、客户信用记分(CreditScoring)、欺诈发现(FraudDetection)等等.保险公司开展数据挖掘提供参考.关键词:数据挖掘;CRM;保险公司;客户价值中图分类号:O29文献标识码:A发展起来的.、零售超市、的管理者所认知.几乎每个企业都想尽一切办法通过产品创新、提高服务质量等来吸引客户保持客户提高客户的忠诚度.特别是在银行、电信、保险、证券等行业客户的基数大可流动性强竞争又日趋激烈如何吸引潜在的客户、如何留住老顾客及准确地分析客户的需求成为管理者的难题.数据挖掘技术的出现给这些企业带来了希望这些企业可以借助数据挖掘工具在海量的客户资料中找寻有价值的商业信息如通过对客户资料的挖掘可以推断客户的偏好、价值为个性化的营销提供参考.2保险公司如何采用数据挖掘技术2.1确定数据挖掘的步骤数据挖掘首先就是要准备数据如创建数据表处理不完整的数据以及确定挖掘什么主题等等.总之在实施数据挖掘之前先要制定具体的挖掘步骤确定挖掘的目标这样才能保证挖掘的顺利进行取得满意的结果.数据挖掘的步骤也不是一成不变而是不断重复某些步骤的其基本的步骤如图1所示.1数据挖掘的商业应用数据挖掘(DataMining简称DM)简而言之就是一类深层次的数据分析方法.数据挖掘的过程实图1数据挖掘过程的步骤收稿日期:2003-11-03作者简介:陈永强(1967-)男浙江桐庐人助理研究员MBA.主要研究方向:网络营销.在数据挖掘中被研究的主题是整个过程的基础它驱动了整个数据挖掘过程也是检验最后结果39GroupTechnologyProductionModernizationVol.21No.12004现代生产与管理技术和指引分析人员完成数据挖掘的依据.图1的步骤是按一定顺序完成的而且数据挖掘是周而复始的过程.即从一个主题中产生的想法需要深入分析从而导致新的主题新的主题可能产生又一个新的主题.因此数据挖掘的过程并不是自动的许多工作需要人工完成.2.2确定面向客户的挖掘主题确定数据挖掘的主题也就是确定研究的目标和研究的范围.在人寿保险行业如确定以客户为主题在以客户为主题的数据挖掘中客户标示代码(ID)是区分不同客户的标志其它包含的客户信息应该是较为全面的数据挖掘时需要把有关客户的各种信息数据综合在“客户”这一主题中形成客户的一致性信息集合其中主要包括了客户基本信息:如客户ID、客户基本状况(历史客户或是潜在客户)等.如下:①人口统计的特征数据:如性别、年龄、客户婚姻状况、家庭状况、受教育程度、职业、职务、个人以及家庭收入水平等.②客户购买或者消费信息:数量、重复购买的频次、望等.③买的产品成本、、老顾客的成本节约部分、客户的转换成本等.④客户满意度信息:客户对于产品和服务的反馈信息、客户对于产品和服务的推荐、客户是否使用其它替代品、客户对于该产品和服务品牌的认同度和忠诚度等.⑤不同粒度的综合数据:其它数据部分.根据面向客户的主题可参照的分析模型如下.2.2.1客户价值模型在整个顾客生命周期中都涉及到企业与客户的交互关系客户对企业的利润和费用的贡献.所以很多研究提出了生命周期价值的概念(LifetimeVal2ueLTV).被普遍使用的生命周期价值的定义是:在客户与企业关系开始到结束的整个客户生命周期的循环中单个客户对企业费用和成本的直接贡献(交易)和间接贡献(推荐提出新产品建议等)的全部价值总和(HoekstraHuizingh1999).所以客户生命周期价值应该是:客户生命周期价值V=潜在价值PV(Potential40Value)+当前价值CV(CurrentValue)LTVj=ΣCQjt(1+r)t=0pp-t+Σ(CSjtCPjt)t=p+1n(1+r)(t=0…p…n)[1]