基于数据挖掘的CRM体系在电子商务中应用研究.docx

基于数据挖掘的CRM体系在电子商务中应用研究

桂雯琪

【摘 要】随着电子商务的发展，用户网购体验越来越多，商家对客户的有效管理成为取胜的核心竞争力。本文阐述了数据挖掘技术在CRM体系中的应用，如何发挥作用以及对RFM模型分析的帮助，通过分析客户行为，实现精准营销。
【关键词】电子商务；CRM体系；数据挖掘；RFM模型
随着互联网技术的发展，电子商务以迅猛的发展势头席卷整个世界。据中国电子商务研究中心2015年底监测数据显示，世界上90%的数据产生于过去两年，60亿部智能手机相当于世界87%的人口，产生的大数据有多大呢？2015年产生的7.9泽字节相当于18个美国国会图书馆。2015年上半年中国网络零售市场交易规模达16140億元，相比2014年上半年的10856亿元，同比增长48.7%。从提供的数据可以看出，中国的网络零售市场正在从“增量”增长向“提质”增长转型，中国的网络零售市场正在主动谋求“升级”。
一、数据挖掘与CRM体系
电子商务时代，除了品质的保证外，客户关系的管理也是商家取胜的关键。如何实现引流，精准营销，得到客户的忠诚度，为客户提供好个性化服务是客户关系管理也即CRM的目标。从CRM整体结构来说，数据挖掘是整个CRM的核心，也是构成商业智能的基础。
二、电子商务中的数据挖掘在CRM体系中的应用
CRM中的数据挖掘指通过高等统计工具等的使用，利用分类、关联性、序列分析、群集分析、机器自我学习及其他统计方法，从数据库中庞大的数据中，收集与顾客相关的数据，对这些数据进行筛选、推演与模型建造等程序，找出隐藏的、未知的、但却对企业经营十分有用的信息，或者说是在数据与模式中的可把原始数据转换成商机并成为决策依据的新知识。
客户关系管理作为一种先进的管理模式，其实施要取得成功，必须有强大的技术和工具支持。而数据挖掘技术要想得到长足的发展，必须要和实际应用结合起来才能体现其强大的生命力。完整的数据挖掘不单可以做到准确的目标市场行销，当分析的工具和技术成熟时，加上数据仓库提供大量的储存顾客数据的能力，可让数据挖掘做到大量针对个人的数据定制，从而准确地对顾客作一对一的行销。企业对顾客有充分的了解，才能有效地和顾客建立关系，进而有效地进行行销，创造商机。数据挖掘可以应用到CRM的各个不同领域和阶段，具体来说，在CRM中，它可以应用在以下几个方面：
（1）现有客户的保持。客户关系管理理论中有一个经典的2/8原则，即80%的利润源于20%的人。通过数据挖掘中的分类分析算法对客户消费行为、盈利能力进行分析，从而将客户进行分类。数据挖掘分类分析可以把大量的客户分成不同的类，在每一个类别里的客户具有相似的属性。企业可以做到给不同类别客户提供完全不同的服务从而提高客户的满意度。将那些消费额最高、最为稳定的客户群，确定为“VIP客户”。根据分类，对不同档次的客户确定不同的营销策略，通过制定个性化的“一对一营销”策略实现企业留住高利润客户的目的。
（2）潜在客户的获取。在大多数商业领域中，业务发展的主要指标中都包括新客户的获取能力。新客户的获取包括发现那些对你的产品不了解的顾客，也可能是以前接受竞争对手服务的顾客。通过对这些客户的细分，可以帮助企业完成潜在客户的筛选工作。
（3）客户盈利能力分析。在客户群中，客户的盈利能力有很大的区别。如果不知道客户的盈利能力，就很难制定有效的营销策略，以获取最有价值的客户，或者提高有价值客户的忠诚度。数据挖掘技术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它从客户的交易历史记录中发现一些行为模式，并使用这些行为模式来预测客户盈利能力的高低，或者发现盈利能力较高的新客户。
（4）市场趋势的了解。为了增强竞争能力，企业需要对市场竞争态势进行分析，这有助于企业了解潜在加入者的威胁、顾客以及供应商的挑剔程度等等，还可以进行正确的市场细分并确定目标市场，建立销售组织。数据挖掘功能能够对产品、促销效果、销售渠道、销售方式等进行的分析，帮助企业了解不同区域的市场演变趋势，这有助于企业开发适销对路的产品或者使企业明确自己的发展方向，何时决定进入或者退出某个区域的市场等，更好地促进企业发展。
一个企业的客户一般可分为三类：①无价值或低价值的客户；②不会轻易走掉的有价值的客户；③不断地寻找更优惠的价值和更好服务的有价值的客户。传统的市场活动是针对前两类客户的，而现代客户关系管理认为，特别需要用市场手段来维护的客户是第三类客户，这样做会降低企业运营成本，数据挖掘可发现易流失的客户，企业就可以针对客户的需求采取相应措施。
三、电子商务中基于数据挖掘的CRM体系研究
（一）CRM中数据挖掘的方法
数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，这些模型和关系可以用来做出预测。在实施数据挖掘之前，先制定每一步的计划，有了好的计划才能保证数据挖掘有条不紊地实施并取得成功。基本的数据挖掘流程一般包括以下几部分：商业问题的理解、数据理解、数据准备、建立模型、模型的证实和评价以及扩展应用。如图所示。
根据CRM特点，CRM智能系统中数据挖掘方法主要有分类、聚类、关联规则。
（1）利用“分类”方法，发现潜在客户。通过分析示例数据库中的训练集，建立分类模型和挖掘出分类规则，然后用这个分类规则对其他数据库中的记录进行分类。通过大量的历史数据对客户进行分类，从而预测潜在客户的来源，精准市场营销，将潜在客户演化成实际客户。
（2）利用“聚类”方法，细分客户。通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，把相似的记录在一个集合里。它能够发现数据库中譬如“哪些顾客购买了A商品，他们有着什么样的共性”之类的知识。可以实现分类营销。
（3）利用“关联”方法和“序列”方法，提供增值服务，提升客户满意度。通过对记录数据的分析研究产生关联规则，继而利用关联规则挖掘隐藏在数据间的相互关系，它能发现数据库中譬如“90%的顾客在一次购买活动中购买商品A的同时是否购买商品B”之类的知识。
（二）基于数据挖掘技术的CRM重要分析模型RFM模型
在众多的客户关系管理（CRM）的分析模式中，RFM模型是被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。RFM模型据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费（Recency）、消费频率（Frequency）、消费金额（Monetary）。RFM模型较为动态地层示了一个客户的全部轮廓，这对个性化的沟通和服务提供了依据，同时，如果与该客户打交道的时间足够长，也能够较为精确地判断该客户的长期价值（甚至是终身价值），通过改善三项指标的状况，从而为更多的营销决策提供支持。
四、结束语
随着电子商务的发展，越来越多的顾客选择利用电子商务平台开展网上交易。对于电子商务来说，企业之间的竞争归根结底是对客户的竞争。商家如何利用好大数据，运用数据挖掘技术，开展良好的客户关系管理，维护好老客户，充分挖掘潜在客户，提高服务质量，提高客户的忠诚度，是实现精准营销的关键。
【参考文献】
[1]张兰；大数据时代B2C电子商务CRM体系的研究.福建电脑.2016年01期
[2]倪宁；大数据时代下电子商务平台的探索和研究.江苏商论.2014年05期
[3]张燕丽；基于大数据挖掘的CRM智能系统设计与实现.福建电脑.2015年12期
[4]力芸；电商企业的客户忠诚度模型挖掘研究.华东理工大学.2013年12月
[5]王付强；数据挖掘技术在网购平台客户关系管理中的应用研究.南京理工大学.2011年4月

-全文完-