一、基本定义

　　1、数据挖掘

　　简单地说，数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但有潜在价值的信息和知识的过程。它融合了人工智能、机器学习、统计学、计算机应用等多个领域的理论和技术，它能够高度自动化地分析数据，做出归纳性的推理，并从中挖掘出潜在的模式，进行预测，为决策和科学研究提供有利的参考和依据。

　　数据挖掘的流程：无论目前存在多少种方法和步骤，总的来说，基本的数据挖掘流程一般包括以下四部分：定义商业问题、数据处理、建立模型以及模型的评价。如图1所示：

图1 数据挖掘流程图

　下面详细介绍一下各个步骤：

　　（1）定义商业问题

　　每一个应用程序都应有一个或多个商业目标，否则数据挖掘可能漫无目的。

　　根据特定的目标，如“提高市场响应率”，选择和准备数据，建立完全不同的模型，同时可以评价数据挖掘的效果。

　　（2）数据处理

　　这一过程包括四个步骤：

　　①数据过滤。这一步可以确保收集的数据符合分析的需要。数据挖掘的前提是高质量的数据，如果数据有缺陷的话，即使最先进的数据挖掘工具也不会有效。

　　②数据预处理。这一步骤应确保原始数据和输入标准一致。数据挖掘所需要的数据可能在不同的数据库中，如客户数据库、产品数据库以及业务数据库，因而需要集成和合并数据到单一的数据库（比如营销数据库），并协调来自多个数据源的数据在数值上的差异，使数据属性标准化。同时，还要去除重复数据，例如，同样的客户只是由于地址的变化而形成新的数据，必须识别并去除这些重复性数据。

　　③数据分析。在建立良好的预测模型之前，必须对预处理后的数据进行初步分析，形成对数据的初步认识，找出最大值、最小值，了解数据分布状况等。

　　④数据准备。这是建模前数据处理的最后一步。主要有四个步骤：

　　a．为建立模型选择变量；

　　b．从原始数据中构建新的预示值；

　　c．从数据中选择一个子集或样本来建立模型；

　　d．转换变量，使之和选定用来建立模型的算法一致。

　　（3）建立模型

　　在多个可供选择的模型中找出最佳模型，初始模型可能没法达到数据挖掘的目的，需要多次反复。在寻找最优模型过程中，可能要修改正在使用的数据，甚至修改问题的陈述。

　　（4）评价模型

　　这个阶段是对数据挖掘阶段构建的模型质量进行评定。模型验证的标准方法是从预处理数据中随机抽取两个样本，一个校准样本用于构建模型，一个样本用于验证校准样本产生的模型。通常一个好的模型运用到验证样本中能得到较好的效果，如果效果很差，就需要重新构建模型。

　　2、客户关系管理

　　客户关系管理（Customer Relationship Management，英文缩写为CRM），由Gartner Group首先提出，其定义是企业与客户之间建立的管理双方接触活动的信息系统，它告诉企业谁是最有利的客户，并激发其制定保留老客户、吸引新客户的市场战略。企业客户关系管理是利用现代信息技术手段，在企业与客户之间建立一种数字的、实时的、互动的管理交流系统。数据挖掘技术可以对客户数据进行分析和处理，为企业的客户关系管理提供决策的参考依据。

　　CRM现在已经成为世界各地企业正在关注的一个重要概念。它不是一个产品，也不是一个产品组合，而是一种全新的商业理念。随着经济的全球化、多样化，公司之间的竞争日趋激烈，客户比以往有了更多的选择，也变得更加挑剔了。这些残酷的商业现状迫使企业从“以产品为中心”转变为“以客户为中心”。在这种经营观念的转变下，了解现有客户，认识到他们的需求是非常重要的。对现有客户和潜在客户的培养和挖掘被认为是企业获得进一步成功的关键。发展一个新客户要比保留一个老客户多付出5倍的投入。

　　在客户关系管理中，客户服务是最关键的内容。当前的客户服务已经超出传统的帮助平台。与客户积极主动的关系是客户服务的重要组成部分。客户服务能够处理客户各种类型的询问，包括有关的产品、需要的信息、订单请求、订单执行情况，以及高质量的现场服务。所有这一切，都要求企业具有一个强大的信息支持平台，及时、准确地收集和分析客户、市场、销售、服务及整个企业内部的各种信息。这些信息是企业的财富，它如实地记录着企业运作的本质状况。

　　二、数据挖掘在陶瓷企业CRM中的应用

　　数据挖掘技术可以应用到陶瓷企业客户关系管理的许多领域，主要有客户获取、交叉销售、客户细分、客户盈利能力分析和客户流失分析等。

　　随着企业CRM系统的不断完善。前、后台系统从接触中心所得到的数据日益增加，企业积累了大量的客户和产品销售数据。这些海量的数据使用传统的查询或分析工具往往不能识别其中有价值的信息，进而就不能为企业指定营销策略、开展营销活动提供决策支持，难以针对具体的客户开展一对一的服务。而数据挖掘恰好能够解决上述问题，所以数据挖掘在CRM中如何应用已经成为CRM领域一个非常热门的话题。

　　（一）数据挖掘在陶瓷企业交叉销售中的应用

　　交叉营销就是指向现有的客户提供新的产品和服务的营销过程。它的目标就是达到双赢的结果，即客户和商家都可以从中获益。客户获益是得到更好更贴切的服务质量，商家则是因为增加了销售量而获利。陶瓷企业和客户之间的关系是经常变动的，一旦一个人或者一个公司成为客户，就要尽力使这种客户关系趋于完美。一般来说可以通过这三种方法：

　　1．最长时间的保持这种关系

　　2．最多次数的和你的客户交易

　　3．最大数量的保证每次交易的利润

　　陶瓷企业和其客户之间的商业关系是一种持续不断的发展的关系，其间伴随着双方商业合作范围的扩展与收缩。如何更好地加强这种双向的合作，在可能的条件下与客户开展尽可能多的商业合作从而实现更大的商业利润是交叉营销所要达到的目的。使用数据挖掘技术进行交叉营销的分析是从分析现有客户的购买行为数据开始，首先得到关于现有客户消费习惯的数据。在寻找交叉营销机会前决定希望提供给客户哪些种类的产品和服务。然后收集数据，包括客户的个人信息（如年龄、收入、婚姻状况、住址等）和交易记录（如最近的收支情况、消费次数、消费类别等），另外还包括与分析相关的一些外部数据。

　　准备好所需的数据后，接着选择数据挖掘的算法进行建模，对每一种交叉营销的情况都建立一个模型，且对每种交叉营销的情况进行分析的过程都是独立的厂用来分析新的客户数据以预测出这些客户将来的行为。

　　经过对客户进行各种交叉营销模型的分析，得出客户在各种交叉营销方案中的评分，即可能接受这些交叉营销的程度。根据最终得到的评分矩阵（行表示客户，列表示客户在各种交叉营销方案下依模型计算的得分），确定给予特定的客户哪种交叉销售产品或服务，从而提高客户的价值。

　　（二）数据挖掘在陶瓷企业客户细分中的应用

　　客户细分（CLlstomer Segmentation）是指按照一定的标准将企业的现有客户划分为不同的客户群。SLlzanneDonne：认为：正确的客户细分能够有效地降低成本，同时获得更强、更有利可图的市场渗透。

　　针对不同的分析需求，可以对客户按照自然属性（年龄、职业、区域、职称、文化程度等）和行为属性（呼叫行为、消费行为等）进行群体划分，以便市场经营与决策人员针对不同的用户群采用不同的市场策略。客户细分的主要目标是：发现不同客户群体的特征。分析在某一目标下，按贡献度划分的客户群体分布。

　　客户细分的原理是将客户的属性采用分类分析技术分为若干类，对具有某一类行为特征的用户，分析其基本信息，找出客户属性与客户基本特征之间的潜在关系。分类将一组客户按照相似性划归成若干类别，使得属于同一类别的客户之间的距离尽可能小，而不同类别客户之间的距离尽可能大。对客户进行分类后，统计分析各个类别的行为特性，按照各个行为类别贡献度的大小对各个类别进行排序。客户细分特性按不同的目标有不同的客户群体分布，如消费行为在贡献度不同的客户群体中的分布百分比，呼叫行为的分布情况等等。

　　在CRM系统中，可以通过数据挖掘技术来进行客户细分，把大量的客户分成不同的类，每个类里的客户有相似的属性，而不同的类里的属性则不同。企业只需对属于同一类中的客户采取相同的个性化服务，即可大大降低企业的成本。

　　选择聚类算法来处理在陶瓷行业中的客户细分比较恰当。

　　（三）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，则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纪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。

　　（四）客户的获取

　　陶瓷企业的发展和壮大需要不断获得新客户、维持老客户。数据挖掘技术可以用来揭示客户的行为习惯和预测发现一些在不同情况下有相似行为的新客户，帮助建陶企业识别出这些潜在的客户群，并提高市场活动的响应率，使客户关系管理做到心中有数、有的放矢。数据挖掘技术还可以帮助市场营销人员完成对潜在客户的发现和筛选工作，把潜在的客户名单和这些客户感兴趣的营销，促销措施系统地结合起来为每一个客户提供个性化、一站式的服务，以不断地获取新客户。

　　结语

　　本文旨在探讨数据挖掘在陶瓷企业客户关系中的应用原理，软件系统正在开发中。

　　在研究过程中还有很多不足之处，将在以后的学习中进一步完善。