数据挖掘技术在电信行业CRM中应用研究.docx

数据挖掘技术在电信行业CRM中应用研究[内容摘要]本文在介绍数据挖掘技术和客户关系管理概念的基础上，以电信行业为背景，介绍了将数据挖掘技术应用到客户关系管理中的流程和方法。[关键词]数据挖掘、客户关系管理、电信行业一、数据挖掘方法和技术在客户关系管理中的应用数据挖掘的任务主要是关联分析、聚类分析、分类、预测、时序模式和偏差分析等，根据数据挖掘所能够完成的任务，数据挖掘的技术可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。在客户关系管理中，它可以应用到以下几个方面：客户群体分类分析、客户盈利能力分析、客户背景分析、客户满意度分析、交叉销售、客户信用分析、客户流失分析、客户的获得与保持等。（一）、客户群体分类分析客户细分是指将一个大的消费群体划分成一个个细分群的动作，同属一个细分群的消费者彼此相似，而隶属于不同细分群的消费者是不同的。细分可以让一个用户从比较高的层次上来查看整个数据库中的数据，细分也使得人们可以用不同的方法对待处于不同细分中的客户。有多种方式可以在细分上运用数据挖掘，通常用来建立细分群的数据挖掘方法是决策树方法和聚类方法。首先，数据挖掘可以用来根据客户的预测行为来定义客户细分群。如决策树的叶节点可视为一个独立的客户细分群，每个叶节点由某些特定的客户特征定义，对所有符合这些特征的客户存在一些预测行为。数据挖掘可以把大量的客户分成不同的类，在每一个类里的客户具有相似的属性，而不同类里的客户的属性也不同。大多数公司一般将客户分为VIP客户、主要客户、普通客户和小客户4类。电信客户分类一般是按照业务类型进行分类，主要分为大客户和普通客户。大客户又主要包括两类：其一指客户范围大，不仅包括普通的消费者，还包括企业的分销商、经销商、批发商和代理商；其二指客户的价值大，不同的客户对企业的利润贡献差异很大，20%的大客户贡献了企业80%的利润，因此，企业必须要高度重视高价值客户以及具有高价值潜力的客户。在大客户营销战略中的大客户是指后者，是指公司所辖地域内使用产品量大或单位性质特殊的客户，主要包括经济大客户、重要客户、集团客户与战略客户等。（二）、客户盈利能力分析客户盈利能力分析是数据挖掘的基础。数据挖掘技术是通过帮助你理解和提高客户盈利能力来发挥作用的，它可以用来预测在不同的市场活动情况下客户盈利能力的变化，通过分析已经发生的事实来发现信息和预测未来。数据挖掘技术可以从客户的交易记录中发现一些行为模式，并用这些行为模式来预测客户盈利能力的高低，但首先必须要设定一种计算客户盈利能力的方法。数据挖掘技术还可以用来揭示客户的行为习惯和预测发现一些在不同情况下有相似行为的新客户。通过数据挖掘技术可以优化一个市场活动以确定哪些顾客对提供的产品和服务感兴趣。（三）、交叉销售现代企业和客户之间的关系是经常变动的，一旦一个人或一个团体成为企业的客户，就要竭力使这种客户关系趋于完善，需要对现有的客户进行交叉销售。交叉销售是建立在双赢原则上的，对客户来讲，要得到更多更好满足需求的服务且从中受益，对企业来讲，也会因销售额的增长而获益。数据挖掘可以帮助企业分析出最优的合理的销售匹配。交叉销售就是指向现有的客户提供新的产品和服务的营销过程，那些购买了某种产品和服务的客户很有可能同时购买你能提供的某些他感兴趣的相关产品和服务，数据挖掘技术可以帮助企业发现这种行为模式并从中获利。交叉销售还有一种形式就是“升级销售”，即向客户提供与他们已购买的服务相关的增值服务。例如，电信公司向已经使用标准长途电话服务的客户推销优质长途电话服务。使用数据挖掘技术进行交叉营销分析一般是从分析现有客户的购买行为数据开始，将每个单项产品销售分析进行叠加，形成多项产品的交叉营销分析。首先收集关于现有客户消费习惯的数据，然后对这些数据进行挖掘，对所有的客户提供最合适的产品和服务。对交叉营销做分析时，具体的数据挖掘过程包括：对个体行为进行建模；用预测模型对数据进行评分；对得分矩阵进行最优化处理。建模过程时用数据挖掘的一些算法对数据进行分析，然后产生一些数学模型，这些模型用来对客户将来的行为进行预测分析。在交叉营销分析中，需要对每一种交叉营销的情况都要建立一个模型。在这些交叉营销分析模型建好以后，每一个模型都可以用来分析新的客户数据以预测这些客户将来的行为。评分过程就是计算这些数学模型的结果，评分过程的结果就是产生一个得分矩阵，矩阵的每一行代表一位顾客，每一列代表一种交叉销售的情况。最后一步就是对这个得分矩阵进行最优化处理，即对每一位顾客选出最适合的几种服务方案。使用数据挖掘技术建立预测模型可以帮助找出客户最适合的服务种类，来进行针对性的营销活动。在交叉销售中通常采用的数据挖掘算法是关联规则。（四）、客户的保持随着行业的竞争越来越激烈和获得一个新客户的开支越来越大，保持原有客