優(yōu)化CRM系統的操作和分析技術(shù)
2003/07/07
高端客戶(hù)關(guān)系管理（CRM）系統是怎樣昂貴，怎樣有益呢？根據AMR調查公司的資料顯示，應用CRM系統的公司需要支付一大筆許可費用，數額相當于應用他們自己系統的三倍。根據Giga
Information Group的估計，高端CRM系統花費的成本大致是每個(gè)使用者3000美元。如果這聽(tīng)起來(lái)是很大一筆錢(qián)，那么考慮一下CRM的優(yōu)勢。最近的一份研究中提到，Insight
Technology Group認為應用CRM解決方案的組織能預期銷(xiāo)售額增長(cháng)42%，銷(xiāo)售成本下降35%，銷(xiāo)售周期縮短25%，顧客滿(mǎn)意度增長(cháng)20%。投資回報率更是有大幅度增長(cháng)。
為了獲得那些受益，CRM系統一定要滲透整個(gè)企業(yè)。它的目標應該是利用操作型CRM和分析型CRM技術(shù)來(lái)提供絕對的顧客滿(mǎn)意。對于一個(gè)完整的CRM系統來(lái)說(shuō)，有兩大實(shí)質(zhì)性要點(diǎn)：一個(gè)成熟的Web門(mén)戶(hù)網(wǎng)站，這個(gè)網(wǎng)站能貫穿于整個(gè)組織，提供一個(gè)綜合的客戶(hù)概貌；先進(jìn)的分析技術(shù)，該技術(shù)能使復雜的數據分析技術(shù)在強大的預測模型開(kāi)發(fā)過(guò)程中以及客戶(hù)管理戰略中得以使用。
操作型CRM：提供整體的客戶(hù)觀(guān)點(diǎn)
大多數公司都存在的問(wèn)題——特別是那些在過(guò)去的十年中，和客戶(hù)渠道接觸點(diǎn)的增殖性密切相關(guān)的問(wèn)題——是什么？這個(gè)問(wèn)題就是組織不同部門(mén)對于同一個(gè)客戶(hù)有不同的看法和觀(guān)點(diǎn)。比如，一個(gè)客戶(hù)可能和同一個(gè)銀行簽定了一份轎車(chē)租約，同時(shí)在該銀行中也有存款和支票賬戶(hù)。然而，因為有關(guān)每一個(gè)客戶(hù)或者產(chǎn)品的數據通常存放在分散的多操作系統中，因此，對于客戶(hù)的觀(guān)點(diǎn)是不唯一的，商務(wù)使用者也許不知道特定客戶(hù)對于組織有多么重要。
從客戶(hù)角度看，使用者常常不知道獲得信息的方法，這些信息主要是指通過(guò)一種單一的媒介產(chǎn)生的客戶(hù)和公司之間的交互信息。他們必須要打一個(gè)免費電話(huà)進(jìn)行訂單查詢(xún)，通過(guò)郵件客戶(hù)服務(wù)獲得有關(guān)賬戶(hù)狀況具體的信息或者進(jìn)行文件聲明及發(fā)票的查閱。門(mén)戶(hù)網(wǎng)站將這種低層的圖片轉變成為穩定的交互式窗口，允許在使用者——顧客、員工和供應鏈合作伙伴之間進(jìn)行直接的、高效的互動(dòng)。
圖一向我們展示了一種CRM技術(shù)架構，它以Web門(mén)戶(hù)網(wǎng)站作為客戶(hù)、合作伙伴、員工和供應商之間的通路，并以此作為它的主要特征。
第一代門(mén)戶(hù)網(wǎng)站產(chǎn)品的重要特征包括：
個(gè)性化服務(wù)：在收集信息基礎上形成一個(gè)使用者概況，在存儲于客戶(hù)概況（元數據）的基礎上為每一個(gè)門(mén)戶(hù)網(wǎng)站使用者過(guò)濾信息內容。
安全服務(wù)：為內部和外部使用者執行組織安全規則。
出版服務(wù)：對于使用者來(lái)說(shuō)是一種互動(dòng)機制，說(shuō)明交易內容的位置和意義。
訪(fǎng)問(wèn)服務(wù)：有助于使用者找到和獲得門(mén)戶(hù)網(wǎng)站的相關(guān)內容。
期刊訂閱服務(wù)：在有規則訂閱的基礎上，通過(guò)郵件、傳真或者其他方法傳遞交易信息。
下載中心：為現行用戶(hù)管理交易內容和信息的傳播。
工作流程服務(wù)：提供與工作流程產(chǎn)品諸如普通郵件、語(yǔ)音郵件、PDA等建立互動(dòng)聯(lián)系。
協(xié)作服務(wù)：允許門(mén)戶(hù)網(wǎng)站使用者和其他人進(jìn)行交流——這包括諸如Web聊天、即時(shí)通知等特點(diǎn)。
注冊精靈：簡(jiǎn)化使用者概況信息的收集
大批量輸入服務(wù)：允許訂閱人增加大量?jì)热荩T如時(shí)事通訊，分銷(xiāo)軟件等。
數字儀表板：允許使用者鞏固個(gè)人團隊、公司以及外部信息。
根據Gartner公司的研究顯示，先進(jìn)的門(mén)戶(hù)網(wǎng)站產(chǎn)品也有以下特征：
數據庫和已有應用整合：將企業(yè)的數據庫和已有應用程序進(jìn)行整合；
擴展的搜索能力：搜索其他數據庫或者甚至其他搜索引擎和返回組合結果的裝置。
廣泛的脫機支持：允許PDA使用者脫機工作，為未來(lái)的連接儲存信息。
這些動(dòng)態(tài)的門(mén)戶(hù)網(wǎng)站對企業(yè)價(jià)值底線(xiàn)能有什么貢獻呢？使顧客滿(mǎn)意。如果顧客在使用你的Web站點(diǎn)時(shí)有一個(gè)愉快的經(jīng)歷。如果他們在不存在故障的情況下完成整個(gè)交易周期，那么他們很可能會(huì )再次訪(fǎng)問(wèn)你的站點(diǎn)。他們更有可能成為具有“粘性”的客戶(hù)。這些具有“粘性”的客戶(hù)能為你的公司帶來(lái)無(wú)窮的價(jià)值。根據哈佛商業(yè)評論近期的一份報告顯示，客戶(hù)保留度每增長(cháng)5%，公司利潤會(huì )增長(cháng)100%，這是一個(gè)簡(jiǎn)單的方程式。使客戶(hù)滿(mǎn)意相當于使客戶(hù)忠誠。使顧客忠誠相當于保留顧客，增加顧客度保留相當于增加利潤。
然而，門(mén)戶(hù)網(wǎng)站僅僅是CRM方程式的一方面。要具備真實(shí)的、強大的分析能力，你需要擁有強大的分析技術(shù)。也許目前在市場(chǎng)中最強的分析技術(shù)是數據挖掘。
分析型CRM：下一代數據挖掘技術(shù)
目前有許多數據挖掘技術(shù)在使用，諸如古典統計學(xué)（包括線(xiàn)性回歸等）、準則推斷以及遺傳算法。它們中的大部分能和簡(jiǎn)單的數據挖掘任務(wù)相匹配。然而，在過(guò)去的二十年中，有兩種技術(shù)誕生了：決策樹(shù)和神經(jīng)網(wǎng)絡(luò )。這些數據挖掘技術(shù)能被用來(lái)發(fā)現深澳的知識和構建復雜的預測模型。因為它們相當復雜，每一種技術(shù)都能寫(xiě)出一大篇文章，所以這里只是點(diǎn)到各種技術(shù)的關(guān)鍵點(diǎn)，討論一下它怎樣能在你的分析型CRM中使用。
決策樹(shù)
你可以從它的名字中猜到，決策數是一種樹(shù)型分析模型。樹(shù)枝代表了用來(lái)定義或者細分客戶(hù)的不同問(wèn)題。比如，假設一家音樂(lè )俱樂(lè )部想要分析為什么一些會(huì )員不會(huì )再次申請它的會(huì )員資格（該俱樂(lè )部會(huì )員采取月申請制）。為了形成決策樹(shù)，公司召集了一批由100個(gè)忠誠顧客、100個(gè)非忠誠或者已經(jīng)公司已經(jīng)失去的顧客組成的測試小組。然后，公司開(kāi)始提出一系列問(wèn)題，要求顧客形容一下忠誠的顧客和非忠誠的顧客是什么樣子的。整個(gè)決策樹(shù)就如圖二所示。
正如你所看到的，決策樹(shù)顯示了大部分失去的顧客是在40歲以下的，他們的顧客年齡不足三年，對于公司每月紙質(zhì)雜志的調查持一種不喜歡的態(tài)度。決策樹(shù)是一個(gè)非常強大的知識體系。它給了公司關(guān)于非忠誠的客戶(hù)是怎么樣子的一個(gè)非常清晰的概念。當然，雖然在過(guò)去，你非常精通于市場(chǎng)細分，但是有了決策樹(shù)，市場(chǎng)細分有了大量能夠用來(lái)預測消費行為的信息。
然而，在進(jìn)行市場(chǎng)細分獲得大量特殊數據說(shuō)明細分是無(wú)效的之前，這種細分是低水平的，也是片面的。決策樹(shù)能預測特殊行為——如說(shuō)有可能發(fā)生購買(mǎi)行為的改變。比如，根據這棵決策樹(shù)顯示的信息來(lái)看，該音樂(lè )俱樂(lè )部能夠預測到大部分小于30歲的顧客在將來(lái)可能流失。這個(gè)發(fā)現可能會(huì )使俱樂(lè )部發(fā)展紙制雜志的替代品。也許那些較年輕的顧客會(huì )更喜歡電子雜志，也會(huì )比較喜歡公司通過(guò)郵件方式提醒他們俱樂(lè )部每月的精選品和可以獲得的折扣。
你也可以將決策樹(shù)看作一種為更加復雜的數據挖掘技術(shù)創(chuàng )造輸入數據的工具。比如，來(lái)自決策樹(shù)的新發(fā)現的信息能夠傳入神經(jīng)網(wǎng)絡(luò )，形成更加先進(jìn)的、功能更加強大的預測模型。這樣，有關(guān)非忠誠顧客的數據資料成為開(kāi)發(fā)更廣泛、更復雜的客戶(hù)行為模型的數據之一。這種更復雜的模型能夠使用人工智能神經(jīng)網(wǎng)絡(luò )。
神經(jīng)網(wǎng)絡(luò )
人的大腦通過(guò)神經(jīng)網(wǎng)絡(luò )學(xué)習，神經(jīng)網(wǎng)絡(luò )由神經(jīng)元、軸突、樹(shù)枝狀結晶和神經(jīng)鍵組成。大腦接受輸入信息，分析它們，然后輸出特征或模式的識別信息。最近幾年，許多研究都已經(jīng)開(kāi)始深入探究創(chuàng )造人工神經(jīng)網(wǎng)絡(luò )。
目前能使用的人工神經(jīng)網(wǎng)絡(luò )由許多種，但是我想有兩種人工神經(jīng)網(wǎng)絡(luò )是最具潛力的，它們是反向傳播神經(jīng)網(wǎng)絡(luò )（或多層前饋神經(jīng)網(wǎng)絡(luò )，簡(jiǎn)稱(chēng)BPN）和Kohonen特征映射網(wǎng)絡(luò )。但是在這兩種人工神經(jīng)網(wǎng)絡(luò )中，BPN類(lèi)型的神經(jīng)網(wǎng)絡(luò )使用的更加廣泛，所以，這邊我重點(diǎn)討論一下這種類(lèi)型的神經(jīng)網(wǎng)絡(luò )是怎樣運作的，它能做什么。
反向傳播神經(jīng)網(wǎng)絡(luò )
一個(gè)BNP包括三個(gè)層次：
輸入節點(diǎn)，該節點(diǎn)能接受來(lái)自各種顧客接觸點(diǎn)的數據。這些數據形成BPN的經(jīng)驗數據組。
分析層，該層經(jīng)常被認為是“隱藏層”，因為它對于輸入和輸出節點(diǎn)使用者來(lái)說(shuō)是透明的。分析層使用輸入節點(diǎn)數據通過(guò)識別行為模式和解釋信息來(lái)評價(jià)經(jīng)驗數據組。
輸出節點(diǎn)，該節點(diǎn)通知使用者通過(guò)分析曾獲得的模式和行為信息，同時(shí)利這信息形成預測模型。
之所以將其稱(chēng)之為反向傳播網(wǎng)絡(luò )，主要是因為它能反饋來(lái)自輸出節點(diǎn)的錯誤。在輸出節點(diǎn)上，錯誤信息比較容易被發(fā)現。
金融機構可以使用的BPN簡(jiǎn)單的模型，可以參考圖三。
假設該集團的數據組包括了100000個(gè)現有和潛在的顧客。數據組中所有成員至少滿(mǎn)足一個(gè)列示于每個(gè)輸出節點(diǎn)邊上的特征條件，比如說(shuō)，他們的年齡小于35歲或者是在35-40之間，男性或者女性，房東或者租借人。BPN從所有的輸入節點(diǎn)中獲得數據，并且以此編譯一個(gè)預測型模型。這個(gè)簡(jiǎn)單的模型告訴使用者，年齡在35-40歲之間的男性房東最有可能購買(mǎi)共同基金和金融市場(chǎng)產(chǎn)品。這是BNP能預測的信息。
然而，這種分析不是自然而然得出的。使用BPN（或者神經(jīng)網(wǎng)絡(luò )技術(shù)）的局限性是BPN——像人的大腦——一定要接受練習以識別正確的模式并進(jìn)行準確的信息翻譯。這個(gè)練習的過(guò)程往往需要花費大量的時(shí)間。同時(shí)，整個(gè)練習過(guò)程的完成需要向BNP提出一系列知道成果的問(wèn)題和額外的輸入價(jià)值，也需要使用數學(xué)運算法則改變和再運用那些基于眾多BPN提供的正確或者不正確的答案的重點(diǎn)。練習階段會(huì )一直繼續，直到BPN提供的答案能夠和使用者希望的答案基本吻合。當練習輸出符合期望輸出時(shí)，然后BPN將被認為是成熟的，而且能夠被用來(lái)分析、解釋、預測未知結果的輸入數據。
Kohonen特征映射網(wǎng)絡(luò )
Kohonen特征映射網(wǎng)絡(luò )也是一種令人激動(dòng)的神經(jīng)網(wǎng)絡(luò )技術(shù)。Kohonen映射技術(shù)比BPN技術(shù)出現的時(shí)間更短，但是這種技術(shù)非常有潛力。不像反向神經(jīng)傳播網(wǎng)絡(luò )，Kohonen映射網(wǎng)絡(luò )沒(méi)有隱藏的分析層。相反，網(wǎng)絡(luò )的輸出層做了所有的工作。網(wǎng)絡(luò )使用極其復雜的數學(xué)運算法則組織和分析輸入數據。
比如，假定一個(gè)輸入的信息有X個(gè)特征，并且在模式的Z空間由矢量Y代表。Kohonen網(wǎng)絡(luò )使用運算法則將輸入數據組映射至輸出摸式之中。輸出節點(diǎn)能自我組織，在大量數據組練習之下，產(chǎn)生了正確的特征映射。用簡(jiǎn)潔、清晰的語(yǔ)言表達，這意味著(zhù)網(wǎng)絡(luò )產(chǎn)生了基于輸入特征的客戶(hù)-行為模式圖。
在既定的數據組環(huán)境下，網(wǎng)絡(luò )逐字學(xué)習，使用戶(hù)能預測客戶(hù)可以做什么。但是，Kohonen映射網(wǎng)絡(luò )存在和BPN一樣的局限性。練習時(shí)間相對較長(cháng)，數據組一定要很大。
優(yōu)勢：從充分利用你擁有的大部分信息
即使練習過(guò)程相對較長(cháng)，但是一個(gè)強大的成熟的神經(jīng)網(wǎng)絡(luò )——或者是BPN或者是Kohonen特征映射網(wǎng)絡(luò )——在客戶(hù)價(jià)值（或者至少在收入增長(cháng)方面）是物有所值的。神經(jīng)網(wǎng)絡(luò )能被用來(lái)改善和提高各種數據挖掘任務(wù)的有效性，諸如：
市場(chǎng)細分：通過(guò)由認識模式和群集技術(shù)發(fā)現的信息進(jìn)行市場(chǎng)細分。圖三中的BPN例子利用了模式識別，發(fā)現在35-40歲的男房主最有可能有金融市場(chǎng)和共同基金賬戶(hù)。
客戶(hù)概況描述：通過(guò)由聚集運算法則發(fā)現的信息，在基于內在相似性的基礎上將各條信息組合在一起。Kohonen映射網(wǎng)絡(luò )通常被用來(lái)創(chuàng )造成熟的數據叢，該數據叢能提供各方面觀(guān)點(diǎn)的新信息和詳細的顧客概況。
銷(xiāo)售渠道/活動(dòng)有效性分析：通過(guò)由群集和局外人分析發(fā)現的信息來(lái)分析銷(xiāo)售渠道/活動(dòng)的有效性。局外人分析是發(fā)現反常數據的過(guò)程，那些反常的數據信息通常能扭曲其他正常的信息。它能夠被用來(lái)作為分析過(guò)程的一部分，分析過(guò)程只要是分析為什么不同的銷(xiāo)售渠道/活動(dòng)的有效性有的高，有的低，或者為什么一些渠道活動(dòng)參與者有巨大的成功或者是失敗。
結論：
這些門(mén)戶(hù)網(wǎng)站和神經(jīng)網(wǎng)絡(luò )技術(shù)不僅已經(jīng)相當成熟了，而且具有非常強大的作用。如果正確使用這些技術(shù)，他們能夠極大的提高CRM系統的功能。此外，他們還覆蓋了CRM光譜的兩端：門(mén)戶(hù)網(wǎng)站增強操作型CRM的功能，神經(jīng)網(wǎng)絡(luò )增加分析型CRM的能力。使用這些技術(shù)，發(fā)揮他們最大潛力的訣竅是要知道什么時(shí)候使用他們、什么時(shí)候停止使用他們而依靠人為接觸和經(jīng)驗。成功的最大秘訣是以最適當的比例組合人力和技術(shù)資源。
IT168
相關(guān)鏈接:
亚洲精品网站在线观看不卡无广告,国产a不卡片精品免费观看,欧美亚洲一区二区三区在线,国产一区二区三区日韩
东阿县|
武功县|
湖南省|
眉山市|
建水县|
信宜市|
汉沽区|
辰溪县|
安西县|
基隆市|
当涂县|
庐江县|
蒙城县|
分宜县|
乐陵市|
福建省|
同江市|
孝昌县|
吕梁市|
疏附县|
太谷县|
泸水县|
漳浦县|
黑水县|
广南县|
旌德县|
浪卡子县|
安多县|
固阳县|
砚山县|
潞城市|
潮安县|
滁州市|
平顶山市|
白河县|
中牟县|
辰溪县|
望城县|
凤冈县|
易门县|
临澧县|
http://444
http://444
http://444
http://444
http://444
http://444