統計數據挖掘在知客CRM中的應用分析

21世紀是以網(wǎng)絡(luò )為代表的信息技術(shù)突飛猛進(jìn)的時(shí)代，隨著(zhù)網(wǎng)絡(luò )的飛速發(fā)展和經(jīng)濟全球化所帶來(lái)的激烈挑戰，信息技術(shù)已經(jīng)成為現代企業(yè)進(jìn)行經(jīng)營(yíng)管理不可或缺的支撐。企業(yè)可獲得的數據在急劇增長(cháng)，對客戶(hù)數據進(jìn)行全面收集、集成、分析與利用是知客CRM實(shí)施的基礎。如何管理和分析海量的客戶(hù)信息，并從中找出對CRM決策有價(jià)值的知識？這需要更先進(jìn)的技術(shù)和工具的支持，即數據挖掘技術(shù)。


一、統計學(xué)與數據挖掘的關(guān)系

數據挖掘與統計學(xué)都試圖從數據中發(fā)現某種結構，從而得到有價(jià)值的信息，所以從數據挖掘誕生時(shí)起，就與統計學(xué)有了不可分割的聯(lián)系。統計學(xué)、數據庫和人工智能共同構成數據挖掘技術(shù)的三大支柱。統計學(xué)是搜集、展示、分析以及解釋數據的科學(xué)，統計學(xué)并不是方法的羅列，而是處理數據的科學(xué)。數據挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中提取隱含的、事先不為人們所知的、潛在有用的信息和知識的過(guò)程。數據挖掘大部分核心功能的實(shí)現都以計量和統計分析方法作為支撐。數據挖掘本身是多學(xué)科交叉科學(xué)，應用了統計學(xué)、計算機、數據倉庫、神經(jīng)網(wǎng)絡(luò )等多種技術(shù)。
　　
二、統計數據挖掘技術(shù)在知客CRM中的應用
　　
要使數據挖掘在商業(yè)活動(dòng)中起作用，就要把它與基本的商業(yè)過(guò)程關(guān)聯(lián)起來(lái)。數據挖掘是企業(yè)同客戶(hù)打交道的諸多步驟中的第一個(gè)。它要發(fā)現的是商業(yè)活動(dòng)中各個(gè)因素與客戶(hù)行為之間的不直觀(guān)的關(guān)系。統計數據挖掘技術(shù)對于新客戶(hù)開(kāi)發(fā)、交叉銷(xiāo)售及預測、顧客維系、顧客細分、關(guān)系贏(yíng)利性識別等知客CRM功能都能提供良好的技術(shù)支撐。
　　
(一)應用流程
　　
1.顧客獲取。對大多數企業(yè)而言，發(fā)展新客戶(hù)、擴大客戶(hù)基礎的確是企業(yè)成長(cháng)的一種主要方式。通過(guò)數據挖掘實(shí)現顧客獲取就是利用客戶(hù)檔案找出客戶(hù)的一些共同特征，通過(guò)聚類(lèi)分析對客戶(hù)分群，再通過(guò)模式分析預測潛在客戶(hù)。通過(guò)預測潛在客戶(hù)對開(kāi)發(fā)活動(dòng)的反映，從中識別出反映積極的客戶(hù)，幫助市場(chǎng)人員對潛在客戶(hù)進(jìn)行篩選，然后有針對性的進(jìn)行營(yíng)銷(xiāo)活動(dòng)。
　　
2.客戶(hù)細分。客戶(hù)細分是根據企業(yè)需求，將客戶(hù)劃分為多個(gè)小的同質(zhì)群體的過(guò)程。同屬一個(gè)群體的客戶(hù)往往有相似的需求，這樣，營(yíng)銷(xiāo)人員就容易對其進(jìn)行營(yíng)銷(xiāo)組合，有針對性的實(shí)施營(yíng)銷(xiāo)策略。客戶(hù)細分中比較典型的數據挖掘技術(shù)是決策樹(shù)和聚類(lèi)分析方法。
　　
3.交叉銷(xiāo)售及預測。現代企業(yè)和客戶(hù)之間的關(guān)系是經(jīng)常變動(dòng)的，交叉銷(xiāo)售是使這種關(guān)系趨于穩定的一種手段。利用市場(chǎng)購物藍圖分析挖掘客戶(hù)對產(chǎn)品的消費模式，找出客戶(hù)最容易一起購買(mǎi)哪些產(chǎn)品，從而有效的決定產(chǎn)品組合、產(chǎn)品擺放等。利用序慣分析預測客戶(hù)在買(mǎi)了某一樣產(chǎn)品之后，多久就會(huì )買(mǎi)另一樣產(chǎn)品。這樣做的結果是：企業(yè)獲得了更高的商業(yè)利潤，客戶(hù)得到了所需要的產(chǎn)品和服務(wù)，從而使雙方達到雙贏(yíng)的狀態(tài)。
　　
4.顧客維系。隨著(zhù)獲取新客戶(hù)的成本不斷提高，對企業(yè)而言，維系老客戶(hù)，保持原有客戶(hù)的價(jià)值就顯得越發(fā)重要。在客戶(hù)保持中，通常涉及三個(gè)數據挖掘模型，首先建立模型用來(lái)預測和識別潛在流失者，然后挖掘和識別潛在流失者中的黃金客戶(hù)。最后對黃金客戶(hù)中的潛在流失者進(jìn)行分析挖掘，識別其行為模式，從而實(shí)行有針對性的營(yíng)銷(xiāo)策略以保持這些客戶(hù)。
　　
5.客戶(hù)贏(yíng)利性識別。對企業(yè)來(lái)說(shuō)，客戶(hù)的數量并非越多越好，而是能夠給企業(yè)帶來(lái)贏(yíng)利的客戶(hù)越多越好，因為不同客戶(hù)的贏(yíng)利能力對企業(yè)的貢獻率是不同的。企業(yè)通過(guò)設置計算贏(yíng)利能力的參數，利用數據挖掘對客戶(hù)信息、客戶(hù)歷史交易記錄和售后服務(wù)等信息進(jìn)行分析，對客戶(hù)進(jìn)行分類(lèi)，預測其未來(lái)的購買(mǎi)模式和購買(mǎi)行為。這樣就可以在市場(chǎng)營(yíng)銷(xiāo)的過(guò)程中對有價(jià)值或潛在的客戶(hù)投入更多精力和財力，向他們提供及時(shí)的個(gè)性化服務(wù)，既可以留住這些客戶(hù)，又可以有針對性地開(kāi)展交叉銷(xiāo)售，提高其對企業(yè)的贏(yíng)利能力。
　　
(二)主要統計方法
　　
1.運用描述性統計分析方法對數據進(jìn)行初步分析。描述性分析是對初步整理后的數據資料進(jìn)行分析，并用統計量描述這些資料的一種方法。它主要包括了相對指標分析、圖表法、集中趨勢和離散趨勢分析、相關(guān)分析等。
　　
相對指標是運用對比的方法，反映某些相父事物之間數量聯(lián)系程度的綜合指標。利用相對指標可以表明現象的相對水平、普遍程度及比例關(guān)系，可以使某些不能直接對比的總量找到對比的基礎，可以比較事物的發(fā)展程度、內部結構及比例，可以使不能用總量指標直接對比的非同類(lèi)現象之間進(jìn)行比較。
　　
圖表法屬于描述統計學(xué)，它就是以圖形或表格的形式來(lái)表示總體變量值的分布狀況，它的表達形式比較簡(jiǎn)明、直觀(guān)。統計表格根據它的內容可以分為頻次表、百分比表、累計表。常用的頻次表包括直方圖、折線(xiàn)圖和曲線(xiàn)圖。由于計算機的運用，制作圖表都看可以通過(guò)軟件來(lái)實(shí)現，例如Excel，SPSS等軟件。
　　
統計圖是以圖形表示變量的分布情況，與統計表相比，雖然不如它精確，但卻更直觀(guān)、生動(dòng)、醒目。常用的統計表有餅圖、條形圖、直方圖和折線(xiàn)圖。
　　
2.進(jìn)行復雜數據挖掘前的統計降維方法一因子分析方法。由于數據的結構有時(shí)候會(huì )非常復雜，不便于直接用來(lái)做數據挖掘。這時(shí)候需要對復雜數據進(jìn)行統汁降維分析，從二簡(jiǎn)化數據結構。因子分析是一類(lèi)降維的相關(guān)分析技術(shù)，用來(lái)考察一組變量之間的協(xié)方差或者相關(guān)系數結構，并用以解釋這些變量與因子之間的關(guān)聯(lián)。目前的因子分析包括探索性因子分析與驗證性因子分析。探索性因子分析是往事先不知道影響因素的基礎上，完全依據資料數據，利用統計軟件，根據一定的原則進(jìn)行因子分析，最后得到因子的過(guò)程。而確定性因子分析是充分利用先驗信息，在已知因子的情況下檢驗所搜集的數據資料是否按照事先預定的結構方式產(chǎn)生作用。本文所討論的是探索性因子分析，通過(guò)對數據資料的因子分析實(shí)現降維，從而為進(jìn)一步的數據挖掘做準備。
　　
(三)需要注意的問(wèn)題
　　
1.對數據的要求。由于大多運營(yíng)商現有的面向事物的數據在質(zhì)量、完整性和一致性方面存在很多問(wèn)題，因此在利用這些數據進(jìn)行數據挖掘之前，必須先對其進(jìn)行抽取、凈化和處理。
　　
2.對人員素質(zhì)的要求。統計數據挖掘分析系統必須與實(shí)際緊密相聯(lián)，在數據挖掘的多個(gè)環(huán)節中，都要求使用和分析人員不光具備數據挖掘的相關(guān)知識，還必須有對企業(yè)經(jīng)營(yíng)管理流程和行業(yè)背景的深刻理解。
　　
3.統計數據挖掘存在較長(cháng)的應用周期，數據挖掘所發(fā)現的知識和規則必須讓決策者理解并采納，才能將知識轉化為生產(chǎn)力，并通過(guò)實(shí)踐不斷檢驗和完善數據挖掘所產(chǎn)生的模型和規則，以使模型更具實(shí)用價(jià)值。