1 引 言

　　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，认识到他们的需要是非常重要的，对现有客户和潜住客户的培养和挖掘，现在被认为是企业获得进一步成功的关键。资料显示发展一个新客户要比保留一个老客户多出5倍的投入投资于现有客户，使其满意度增加会对客户忠诚度有直接的影响，进而影响到企业的最终效益。

　　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，但是面对如此海量的数据，迫使人们不断寻找新的工具来对企业的运营规律进行探索，为商业决策提供有价值的知识，使企业获得利润，能满足企业这一迫切需求的强有力的工具就是数据挖掘。

　　在企业管理客户生命周期的各个阶段都会用到数据挖掘技术，数据挖掘能够帮助企业确定客户的特点，从而可以为客户提供有针对性的服务。通过数据挖掘，可发现购买某一商品的客户的特征，从而可以向那些也同样具有这些特征却没有购买的客户推销这个商品;还可找到流失客户的特征，在那些具有相似特征的客户还未流失之前，采取有针对性的措施避免他们的流失。

　　2 基本概念

　　2.1 CRM定义

　　由于强调的侧重点不同，CRM在使用时定义会有所不同。我们认为，CRM是一种以客户为中心的经营策略，它以信息技术为手段，对业务功能进行重新设计，并对工作流程进行重组。

　　因此，CRM实际上是个概念，它需要个新的、以客户为中心的业务模型，并由集成了前台和后台业务流程的系列应用程序来支撑。这些整合的应用系统保证了更令人满意的客户体验，因而使企业直接受益。

　　2.2 CRM体系结构

　　从体系结构角度来看，CRM架构分为以下三个关键的部分：

　　①操作型CRM：自动集成商业过程，包括客户接触点(Customer Contact Point)、渠道和前后台的集成。

　　②分析型CRM：用于分析操作型CRM产生的数据。

　　③合作型CRM：用于合作的服务，包括电子邮件、人性化的出版、电子社区和其它类似的交流手段。

　　服务、销售和营销是CRM的三大功能支柱。这些是客户与企业联系的主要领域。无论这些联系发生在售前、售中还是售后，或是在客户需要服务或信息以及想进一步购买的现有关系中。

　　在客户关系管理中客户服务可能是最关键的内容。企业提供的客户服务是能否保留满意的忠诚客户的关键。电话互动必须与Email、传真、网站，以及其它任何客户喜欢使用的方式相互整合，随着越来越多的客户进入互联网通过浏览器来查看他们的订单或提出询问，自助服务的要求发展越来越快，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。

　　销售自动化是CRM中成长最快的部分。销售人员与潜在客户的互动行为、将潜在客户发展为真正客户并保持其忠诚度是使企业盈利的核心因素。销售自动化常被拓展为包括销售预测、客户名单和报价管理、建议产生以及赢/输分析。销售人员是企业信息的基本来源，必须要有获得最新现场信息和将信息提供给他人的工具。

　　营销自动化包括商机产生、商机获取和管理商业活动管理以及电话营销。初步的大众营销活动被用于首次客户接触，接下来是针对具体目标受众的更加集中的商业活动。个性化很快成为期望的互动规范，客户的喜好和购买习惯被列入考虑范围。旨在更好地向客户行销、带有有关客户特殊需求信息的目录管理和一对一行销应运而生成为趋势。市场营销迅速从传统的电话营销转向网站和Email，这对基于Web的营销活动给潜在客户更好的客户体验，使潜在客户以自己的方式，在方便的时间查看他需要的信息。

　　共享的客户资料库把销售、市场营销和客户服务连接起来。作为企业与其相关利益群体之间首要接触点的这三个方面，如果缺乏统一的方法，未能结合与集成这些功能，将不会达到理想的效果。横跨整个企业集成客户互动信息，会使企业从部门化的客户联络转向所有的客户互动行为都协调一致。如果一个企业的信息来源相互独立，那么这些信息会有重复、互相冲突并且会是过时的，这对企业的整体运行效率将产生负面影响。

　　深入的智能性分析需要统一的客户数据作为切入点，并使所有企业业务应用系统融入到分析环境中，再将分析结果反馈给管理层和整个企业内部，这样便增加了信息分析的价值，企业决策者会权衡这此信息，做出更全面及时的商业决策。

　　通过对客户数据的全面分析来测量客户带给企业的价值以及衡量客户的满意度。搜集到的信息可显示客户类别、服务级别以及主要障碍等，这是做出管理报告和完成各种企业任务的基础。比如潜在消费的优先级定位、监视销售周期中某一特定阶段所花费的时间，或是正存处理的问题的种类等。

　　2.3 数据挖掘简介

　　数据挖掘(Data Mining，DM) ，也称为数据库中的知识发现KDD(Knowledge Discovery in Database)，是近几年随着数据库和人工智能发展起来的一门新兴的数据库技术。其处理对象是大量的日常业务数据，目的是为了从这些数据中抽取一些有价值的知识或信息。

　　数据挖掘功能用于指定数据挖掘任务中要找的模式类型。数据挖掘任务一般可分为两类：描述和预测。描述性挖掘任务刻画数据库中数据的一般特性;预测性挖掘任务在当前数据上进行推断，以进行预测。数据挖掘的功能和它们可以发现的模式类型介绍如下：

　　(1)特征化和区分。数据可以与类或概念相关联，数据特征化可以汇总所研究类的数据，数据区分可以将目标类与一个或多个比较类进行比较。

　　(2)关联分析。它广泛用于购物或事务数据分析，可以发现属性值对一起在给定数据信箱集中出现的频繁程度，也可以发现事务中属性的相关性。

　　(3)分类。它用于找出描述并区分数据类或概念的模型，以便使用此模型预测类标记未知的对象类。它通常使用类标记已知的数据对象作为训练数据集，通过对该数据集的分析，导出数据的分类模型，然后使用模型预测未知数据。

　　(4)聚类。聚类与分类不同，它没有类标记作为指导，类标记由它本身产生。对象根据最大化类内的相似型、最小化类间的相似性的原则进行聚类和分组。

　　(5)孤立点分析。数据库中可能包含一些数据对象，它们与数据的一般行为或模型不一致。这些数据对象称为孤直点(Outlier)，对这些数据的挖掘分析可以用于处理一些罕见事件，比如信用卡欺诈等。

　　(6)演变分析。它用于描述行为随时间变化的对象的规律或趋势，并对其建模，尽管这可能包括时间相关数据的特征化、区分、关联、分类或聚类，这类分析的不同特点包括时间序列数据分析、序列或周期模式匹配和基于类似型的数据分析。

　　3 利用数据挖掘加强客户关系管理