CRM系統(tǒng)：基于數(shù)據(jù)挖掘技術(shù)的CRM 系統(tǒng)中客戶行為
基于數(shù)據(jù)挖掘技術(shù)的CRM 系統(tǒng)中客戶行為
葛淑杰
（黑龍江科技學(xué)院 計算機(jī)與信息工程系，黑龍江 哈爾濱 150027）
摘 要：為了解決在企業(yè)中實施客戶關(guān)系管理(CRM), CRM 系統(tǒng)中客戶行為的定量研究問題, 利用決策樹的數(shù)據(jù)挖掘相關(guān)技術(shù)和方法，
提出了UPTree 數(shù)據(jù)挖掘算法，并采用UPTree 算法對隱藏在大量客戶行為中的信息進(jìn)行挖掘，從而獲取了CRM 系統(tǒng)中潛在的客戶行為
規(guī)則，并給出這些行為規(guī)則的IF-THEN 的描述形式，為企業(yè)的科學(xué)決策提供依據(jù)。
關(guān)鍵詞：CRM； 數(shù)據(jù)挖掘；客戶行為
中圖分類號：TP 391 文獻(xiàn)標(biāo)識碼：A
Behavior of customers in CRM system based on data mining technology
GE Shu-jie
(Department of Computer and Information Engineering, Heilongjiang Institute of Science and
Technology, Harbin 150027, China)
Abstract：To study the customer behavior by carrying out Customer Relationship Management (CRM) in
enterprises, we use some relative technology and method of decision tree of data mining to propose a kind of
UPTree algorithm of data Mining, which is used to mine a great deal of information hidden in customer behavior.
So we can gain series of potential customer behavior rules , introducing IF-THEN description form of those
behavior rules to provide beneficial basis for scientific decision of enterprises.
Key words: CRM；data mining；behavior of customers
0 引 言
隨著信息技術(shù)與網(wǎng)絡(luò)化經(jīng)濟(jì)快速發(fā)展，商業(yè)
模式發(fā)生了根本性變化。很多行業(yè)所提供的產(chǎn)品和
服務(wù)日益商品化，企業(yè)產(chǎn)品同質(zhì)化傾向越來越強(qiáng)，
市場競爭越來越激烈，同時客戶對產(chǎn)品和服務(wù)的質(zhì)
量、個性化和價值的要求越來越高。在這種環(huán)境下，
建立和維持良好的客戶關(guān)系成為企業(yè)取得競爭優(yōu)
勢的最重要基礎(chǔ)。這就需要企業(yè)完整掌握客戶信
息，準(zhǔn)確把握客戶要求，快速響應(yīng)個性化需求，提
供便捷購買渠道和良好服務(wù)，提高客戶滿意度和忠
誠度。在這樣的前提下，客戶關(guān)系管理（CRM）應(yīng)
運(yùn)而生。這也是企業(yè)管理理念從傳統(tǒng)以產(chǎn)品、銷售
中心的客戶關(guān)系向以客戶滿意為中心的客戶關(guān)系
轉(zhuǎn)變的必然結(jié)果，建立以客戶為中心的管理體系是
關(guān)系到企業(yè)生存與發(fā)展的戰(zhàn)略決策。
1 客戶關(guān)系管理整體架構(gòu)
CRM 是通過收集、加工和處理涉及客戶行為
的大量信息，確定特定消費群體或個體的興趣、消
費習(xí)慣、消費傾向和消費需求，進(jìn)而推斷出相應(yīng)消
費群體或個體下一步的消費行為，然后以此為基
礎(chǔ)，對所識別出來的消費群體進(jìn)行特定內(nèi)容的定向
營銷，提高了營銷效果，為企業(yè)帶來更多的利潤。
客戶關(guān)系管理架構(gòu)從整體上來說，包括三個層
面的應(yīng)用，分別是客戶接入、業(yè)務(wù)流程管理以及決
策支持。其中客戶接入是利用電子商務(wù)、呼叫中心
等與客戶互動及快速響應(yīng)；業(yè)務(wù)流程管理是實現(xiàn)市
場、銷售、服務(wù)等部門的全程量化管理及工作自動
化；決策支持是利用數(shù)據(jù)倉庫/數(shù)據(jù)挖掘技術(shù)提供支
持[1]。
2 數(shù)據(jù)挖掘
2.1 數(shù)據(jù)挖掘概念
數(shù)據(jù)挖掘就是從大量的、不完全的、隨機(jī)的數(shù)
據(jù)中，提取隱含在其中的、人們事先不知道的、但
又潛在有用的信息和知識的過程，數(shù)據(jù)挖掘過程一
般由3 個階段組成：數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘以及解釋
評估。數(shù)據(jù)挖掘是整個知識發(fā)現(xiàn)過程的一個步驟，
是由一些特定的數(shù)據(jù)挖掘算法組成，其功能和目的
是：在可以接受的計算效率的限制條件下，生成一
個事實（F）的模式表達(dá)（E）的計算或列舉。數(shù)據(jù)
挖掘主要通過分類、回歸、聚類以及關(guān)聯(lián)等方法來
實現(xiàn)，本文所用的數(shù)據(jù)挖掘技術(shù)為分類挖掘[2]。
分類的直觀含義是基于訓(xùn)練集形成一個模型，
訓(xùn)練集中的類標(biāo)簽是已知的，使用該模型對新的數(shù)
據(jù)進(jìn)行預(yù)測，確定給定數(shù)據(jù)屬于哪一類標(biāo)簽。分類
的目的是發(fā)現(xiàn)一個模型去預(yù)測目標(biāo)函數(shù)的值，該模
型的結(jié)果可能的形式包括代數(shù)表達(dá)式、決策樹、神
經(jīng)網(wǎng)絡(luò)、一個復(fù)雜的算法、或者上述方法的聯(lián)合。
2.2 客戶關(guān)系管理系統(tǒng)中數(shù)據(jù)挖掘過程
隨著數(shù)據(jù)庫技術(shù)的迅速發(fā)展以及數(shù)據(jù)庫管理
系統(tǒng)的廣泛應(yīng)用，人們積累的數(shù)據(jù)越來越多。但是
在CRM 系統(tǒng)中真正具有更深層次的數(shù)據(jù)處理的系
統(tǒng)還不多，如目前的數(shù)據(jù)庫系統(tǒng)只能完成數(shù)據(jù)的錄
入、查詢、統(tǒng)計等功能，但無法發(fā)現(xiàn)數(shù)據(jù)中存在的
關(guān)系和規(guī)則，無法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測未來的發(fā)展
趨勢。所以，企業(yè)決策者希望CRM 系統(tǒng)在提供有
效管理大量客戶信息的同時，能夠?qū)ζ溥M(jìn)行更高層
次的分析，進(jìn)一步發(fā)現(xiàn)隱藏于客戶信息表中的、潛
在有用的信息和知識，最大限度地反映企業(yè)客戶的
某種規(guī)律性，找出有價值的信息，從而指導(dǎo)商業(yè)行
為，這個過程即CRM 系統(tǒng)中的數(shù)據(jù)挖掘.
3 數(shù)據(jù)選擇與預(yù)處理
本文的數(shù)據(jù)取自惠通電腦銷售實業(yè)總公司近
幾年的銷售記錄。該公司數(shù)據(jù)倉庫中保存了數(shù)萬條
的數(shù)據(jù)信息。但是，用戶感興趣的常常只是數(shù)據(jù)倉
庫的一個子集。因此不加區(qū)分地挖掘整個數(shù)據(jù)倉庫
是不現(xiàn)實的。另外，現(xiàn)實世界的數(shù)據(jù)一般是含噪聲
的、不完全的和不一致的。采用數(shù)據(jù)預(yù)處理可以改
進(jìn)數(shù)據(jù)質(zhì)量，從而有助于提高挖掘過程的精度和性
能。在關(guān)系數(shù)據(jù)庫中，選擇相關(guān)的數(shù)據(jù)集并進(jìn)行數(shù)
據(jù)預(yù)處理不僅使得挖掘更有效，而且能夠產(chǎn)生更有
意義的規(guī)則。
3.1 屬性相關(guān)性分析
在對數(shù)據(jù)倉庫進(jìn)行數(shù)據(jù)挖掘時，其中大部分屬
性與挖掘任務(wù)不相關(guān)，是冗余的，遺漏相關(guān)屬性或
留下不相關(guān)屬性都是有害的，不相關(guān)或冗余的屬性
增加了數(shù)據(jù)量，可能會減慢挖掘進(jìn)程，降低系統(tǒng)性
能。然而，對于用戶來說，確定哪些維/屬性應(yīng)當(dāng)包
含在類特征分析中則不是一件簡單的事情，所以應(yīng)
當(dāng)引進(jìn)相應(yīng)的方法進(jìn)行屬性相關(guān)性分析，以過濾掉
統(tǒng)計上不相關(guān)或弱相關(guān)的屬性。
3.2 屬性相關(guān)性分析方法
為了保證輸入量與輸出量之間有一定的相關(guān)
度，可以用信息增益來考察屬性間的相關(guān)性。1948
年，香農(nóng)（C. E. Shannon）提出了信息論，并對信
息量（Information）和熵（Entropy）進(jìn)行了定義[3]。
熵實際上是系統(tǒng)信息量的加權(quán)平均，也就是系
統(tǒng)的平均信息量，信息增益指標(biāo)的原理就取自信息
論。
設(shè)指向N 的訓(xùn)練集為S，其中包含m 個不同的
類，他們區(qū)分了不同的類Ci (for i=1, … , m)。設(shè)si
是S 中屬于類Ci 的記錄的個數(shù)。那么分裂之前，系
統(tǒng)的總熵：
I (s1, s2, … , sm) = -Σ (i=1 to m) pi log2(pi)
容易看出，總熵是屬于各個類的記錄的信息量
強(qiáng)力推薦：
天柏客戶關(guān)系管理系統(tǒng)
天柏客戶關(guān)系管理系統(tǒng)（CRM）是一款集專業(yè)性、實用性、易用性為一體的純B/S架構(gòu)的CRM系統(tǒng)，它基于以客戶為中心的協(xié)同管理思想和營銷理念，圍繞客戶生命周期的整個過程，針對不同價值的客戶實施以客戶滿意為目標(biāo)的營銷策略，通過企業(yè)級協(xié)同，有效的“發(fā)現(xiàn)、保持和留住客戶”，從而達(dá)到留住客戶、提高銷售，實現(xiàn)企業(yè)利潤最大化的目的。通過對客戶進(jìn)行7P的深入分析，即客戶概況分析(Profiling)、客戶忠誠度分析(Persistency)、客戶利潤分析(Profitability)、客戶性能分析(Performance)、客戶未來分析(Prospecting)、客戶產(chǎn)品分析(Product)、客戶促銷分析(Promotion)以及改善與管理企業(yè)銷售、營銷、客戶服務(wù)和支持等與客戶關(guān)系有關(guān)的業(yè)務(wù)流程并提高各個環(huán)節(jié)的自動化程度，從而幫助企業(yè)達(dá)到縮短銷售周期、降低銷售成本、擴(kuò)大銷售量、增加收入與盈利、搶占更多市場份額、尋求新的市場機(jī)會和銷售渠道，最終從根本上提升企業(yè)的核心競爭力，使得企業(yè)在當(dāng)前激烈的競爭環(huán)境中立于不敗之地。
關(guān)鍵詞：CRM,CRM系統(tǒng),CRM軟件,客戶關(guān)系管理,客戶管理軟件,客戶管理系統(tǒng),客戶關(guān)系管理軟件,客戶關(guān)系管理系統(tǒng)