CRM系統(tǒng):數(shù)據(jù)挖掘在通信行業(yè)客戶關系管理中的應用

數(shù)據(jù)挖掘在通信行業(yè)客戶關系管理中的應用 曾耀輝 （廣東南方電信規(guī)劃咨詢設計院有限公司惠州分公司 惠州 516003） 摘 要 數(shù)據(jù)挖掘（Data Mining），是指從大量數(shù)據(jù)中，提取正確的、新穎的、潛在有用的并能夠被理解的知識 的過程。本文介紹了數(shù)據(jù)挖掘在通信行業(yè)客戶關系管理中的應用過程，以及應注意的問題。指出，通過 利用數(shù)據(jù)挖掘技術建立基于數(shù)據(jù)挖掘技術的客戶關系管理模式，終將極大地提升企業(yè)的競爭優(yōu)勢，提高 企業(yè)的競爭水平。 關鍵詞 客戶關系管理 數(shù)據(jù)挖掘 通信企業(yè) 客戶流失 1 數(shù)據(jù)挖掘的概念和流程 1.1 數(shù)據(jù)挖掘的概念 數(shù)據(jù)挖掘（Data Mining），也叫知識發(fā)現(xiàn)、數(shù)據(jù) 開采等，是指從大量數(shù)據(jù)中，提取正確的、新穎的、潛 在有用的并能夠被理解的知識的過程。 數(shù)據(jù)挖掘能進行 分類預測、聚類分析、關聯(lián)規(guī)則和序列模式的發(fā)現(xiàn)、相 關分析、異常監(jiān)測和趨勢分析[1]。 數(shù)據(jù)挖掘技術是目前數(shù)據(jù)倉庫領域廣泛使用的數(shù)據(jù) 分析手段。 它的分析思想是利用已知的數(shù)據(jù)通過建立數(shù) 學模型的方法找出隱含的業(yè)務規(guī)則， 在很多行業(yè)中都有 成功的案例。比如信用卡欺詐預測、通信行業(yè)惡意呼叫 行為分析等。 按照所挖掘的數(shù)據(jù)模式的不同，可以將數(shù)據(jù)挖掘方 法劃分為以下4 種［2］。 （1）關聯(lián)規(guī)則發(fā)現(xiàn)，關聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中 項集之間有價值的關聯(lián)或相互聯(lián)系。 （2）分類和預測，分類和預測用于提取描述重要數(shù) 據(jù)類的模型并運用該模型預測未來的數(shù)據(jù)趨勢。 （3）聚類分析，聚類就是將數(shù)據(jù)對象分組成為多個 類或簇，在同一個簇中的對象之間具有較高的相似度， 而不同簇中的對象差別較大。 （4）序列模式分析，序列模式分析和關聯(lián)分析相 似，其目的也是為了挖掘數(shù)據(jù)之間的聯(lián)系，但序列模式 分析的側(cè)重點在于分析數(shù)據(jù)間的前后序列關系。 通常一個完整的數(shù)據(jù)挖掘過程由業(yè)務問題定義、 數(shù) 據(jù)過濾、預處理、分析、準備、模型選擇與建立、模型 的評估與檢驗、模型應用與鞏固等多個步驟組成。以下 介紹運用數(shù)據(jù)挖掘技術分析客戶流失的一般過程。 1.2 數(shù)據(jù)挖掘流程 通信企業(yè)保存著客戶的相關信息， 呼叫數(shù)據(jù)及計費 等大量的數(shù)據(jù)，這些業(yè)務數(shù)據(jù)雖看似普通，卻能釋放出 關于客戶流失方面的珍貴信息， 數(shù)據(jù)挖掘技術與海量數(shù) 據(jù)有密不可分的關系，以及其強大的數(shù)學算法，使得它 能夠根據(jù)這些數(shù)據(jù)建立有關客戶流失的預測模型， 從而 分析出客戶流失的主要原因并且采取相應措施有效地挽 留有流失傾向的客戶。 數(shù)據(jù)挖掘是一個周而復始的過程， 許多軟件供應商 和數(shù)據(jù)挖掘顧問公司都提供一些數(shù)據(jù)挖掘過程模型， 來 指導他們的用戶一步步的進行數(shù)據(jù)挖掘工作，比如 SPSS 的5A 和SAS 的SEMMA。但基本的數(shù)據(jù)挖掘步 驟包括以下幾個步驟。 1.2.1 定義業(yè)務問題 業(yè)務問題定義要明確數(shù)據(jù)挖掘技術解決的是何種商 務問題，對客戶流失管理來說就是要定義何為流失。移 動通信領域的客戶流失有三方面的含義: 一指客戶從本 移動運營商轉(zhuǎn)網(wǎng)到其他通信運營商， 這是流失分析的重 點；二指客戶使用的手機品牌發(fā)生改變，從本移動運營 商的高價值品牌轉(zhuǎn)向低價值品牌， 如中國移動的用戶從 全球通客戶轉(zhuǎn)為神州行客戶；三指客戶ARPU（指每用 戶月平均消費量）降低，從高價值客戶成為低價值客戶。 在客戶流失分析中有兩個核心變量：財務原因/ 非財 務原因、主動流失/被動流失。客戶流失可以相應分為 4種類型，其中非財務原因主動流失的客戶往往是高價 值的客戶。他們會正常支付服務費用，并容易對市場活 動有所響應。這種客戶是通信企業(yè)真正需要保住的客 戶。 1.2.2 數(shù)據(jù)處理 這一過程所花的時間和精力要占整個數(shù)據(jù)挖掘項目 的50％～90％，它包括4 個步驟。 （1）數(shù)據(jù)過濾，這一步驟可以確保收集的數(shù)據(jù)符合 分析的需要。 （2）數(shù)據(jù)預處理，這一步驟應確保原始數(shù)據(jù)和輸入 標準一致，將分布在不同的數(shù)據(jù)庫中的數(shù)據(jù)和輸入標準 一致，將分布在不同的數(shù)據(jù)庫中數(shù)據(jù)，集合和合并到單 一的營銷數(shù)據(jù)庫，并協(xié)調(diào)來自多個數(shù)據(jù)源的數(shù)據(jù)在數(shù)值 上的差異，使數(shù)據(jù)屬性標準化。 （3）數(shù)據(jù)分析，在建立良好的預測模型之前，必須 對預處理后的數(shù)據(jù)進行初步分析，初步認識，找出對預 測輸出影響最大的數(shù)據(jù)字段，和決定是否需要定義導出 字段。 （4）數(shù)據(jù)準備，這是建模前數(shù)據(jù)處理的最后一步， 也是數(shù)據(jù)挖掘過程的核心。 主要有4個部分：選擇變量、選擇記錄、創(chuàng)建新變 量、轉(zhuǎn)換變量，使之和選定用來建立模型的算法一致。 1.2.3 建立模型 在多個可供選擇的模型中找出最佳模型， 初始模型 可能沒法達到數(shù)據(jù)挖掘的目的，需要多次反復。在尋找 最優(yōu)模型過程中，可能要修改正在使用的數(shù)據(jù)，甚至修 改問題的定義。 1.2.4 評估和解釋模型 這個階段是對數(shù)據(jù)挖掘階段構(gòu)建的模型進行比較和 評估，生成一個相對最優(yōu)模型，并對此模型用業(yè)務語言 加以解釋。模型驗證的標準方法是從預處理數(shù)據(jù)中隨機 抽取兩個樣本，一個校準樣本用于構(gòu)建模型，一個樣本 用于驗證校準樣本產(chǎn)生的模型。 通常一個好的模型運用 到驗證樣本中能得到較好的效果，如果效果差，就需要 重新構(gòu)建模型。 1.2.5 運用和鞏固模型 對模型在實際應用中的表現(xiàn)進行監(jiān)控， 將數(shù)據(jù)挖掘 的結(jié)果同運營市場反饋緊密聯(lián)系起來， 如果模型表現(xiàn)不 好，應實時適應市場調(diào)整挖掘模型，對模型做進一步的 考察和修正，以反映業(yè)務運作規(guī)律的變化。 2 客戶關系管理中數(shù)據(jù)挖掘的應用條件 目前通信運營商都具有業(yè)務營運系統(tǒng)、業(yè)務受許多 理網(wǎng)站、客戶服務呼叫中心等客戶信息系統(tǒng)，也擁有許 多成熟的數(shù)據(jù)庫應用系統(tǒng)，這些系統(tǒng)具有如下特點。 （1）目前通信運營系統(tǒng)實質(zhì)上是實現(xiàn)了數(shù)據(jù)的物理 集中，業(yè)務系統(tǒng)之間則相互獨立。 （2）眾多的客戶數(shù)據(jù)、市場營銷數(shù)據(jù)、賬務數(shù)據(jù)以 不同的數(shù)據(jù)格式和訪問方式分散在不同的系統(tǒng)中，過于 分散、冗余，沒有形成整體的、唯一的、集中的客戶數(shù) 據(jù)，不能滿足數(shù)據(jù)挖掘過程中數(shù)據(jù)必須具有單一視圖的 要求。 （3）這些系統(tǒng)都是聯(lián)機事務處理（On-Line Transaction, OLTP）系統(tǒng)，實時處理在線事務，不能適應數(shù) 據(jù)挖掘應用大規(guī)模、頻繁的檢索和查詢操作。 數(shù)據(jù)挖掘技術本身不是萬能的，一個完善的CRM 系統(tǒng)應該以數(shù)據(jù)挖掘技術為核心，要有效的支持客戶關 系管理，必須建立企業(yè)級的客戶信息數(shù)據(jù)倉庫，能夠把 強力推薦： 天柏客戶關系管理系統(tǒng) 天柏客戶關系管理系統(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、客戶服務和支持等與客戶關系有關的業(yè)務流程并提高各個環(huán)節(jié)的自動化程度，從而幫助企業(yè)達到縮短銷售周期、降低銷售成本、擴大銷售量、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)在當前激烈的競爭環(huán)境中立于不敗之地。