- 相關推薦
客戶關系管理的數據采集過程分析
內容摘要：近幾年來許多公司都建立了自己的CRM系統，但大多數公司幾乎沒有對CRM系統進行深入使用。企業怎樣才能更好的利用CRM系統，數據采集就成為幫助他們從數據中獲得有用信息的有力工具。本文描述了在CRM系統中應用數據采集的六個步驟，希望能對相關企業有所幫助。 關鍵詞：CRM 數據采集客戶關系管理(CRM)有助于提高公司與顧客之間交流的效益并且同時使其變得更加友好，然而，如果沒有一種科學方法，很難去處理大量的客戶信息和日益復雜的與客戶的交流。因此如何充分利用這些數據并發揮效益就成為工作的重點。
要使CRM產生效益首要任務就是數據采集。所謂數據采集即對大量數據中的新奇、隱含和可控的知識進行重要提取并且可利用其做出準確的預測，找到好的顧客，提出合適的附加產品等。一般數據采集包含以下六步： 企業定義→數據儲存→數據選擇→數據建模→數據評估→部署，如圖1所示。
企業定義
數據采集本身就是解決實際的業務問題。首先數據采集的目標應該根據公司的商業需求以及對原始數據和實際操作的分析來定義。企業必須清楚自己的目的才能最好的利用數據采集。例如, 根據“提高反應速度”或“增加反應價值”的特定目標，企業就需要建立一個截然不同的模型以加強服務中心的反應。
數據采集在客戶關系管理中通常應用于以下四個領域：保留客戶；客戶服務與支持；市場研究；提高客戶忠誠度。
數據儲存與選擇
在數據儲存階段的主要任務是收集數據，同時應該注意：數據不可以儲存在數據庫管理系統中，而是儲存在xml文件和excel里。
為了CRM的應用，數據通常通過客戶、產品、市場來收集。客戶的資料通常包含名字、年齡、性別、收入、工作、信用等級、是否結婚、是否有孩子等等。
數據選擇是數據采集六步驟中最重要的階段之一。前一個階段收集的數據當然不是全部有效的，它可能包含噪聲數據、不一致的數據和模棱兩可的數據。如果要得到精確的結果，數據選擇是必須的。它通常由下列三個步驟組成：數據提取、數據處理、數據集成和轉換。
數據提取。解決一個具體的業務問題, 我們不需要所有的數據。應該保留相關數據并且剔除無用數據。例如, 為了增加服務中心的反應速度, 客戶的性別應該被提取。
數據處理。在數據處理階段,應該用平均值填充噪聲數據, 改正不一致的數據, 并且除去模棱兩可的數據等等。
數據集成和轉換。收集的數據通常存放于不同類型的數據庫管理系統或文件中，這就需要將其輸出到統一的數據集中，這也就是數據集成和轉換的重要任務。
數據建模
數據建模是一個重復的過程。我們需要探究許多模型從而找到一個最適當的模型來解決實際存在的業務問題。在搜索模型時，有時需要重新對先前的數據進行改動。在決定所做預測的類型（例如分類、聚類、聯合規則、回歸）以后，必須選擇一種模型類型（例如決策樹、神經網絡、所有法或舊式備用的邏輯回歸）做預測。
在建立模型之前，應將收集的數據分成兩組。一組用于建立和訓練模型，另一組用于評估之后建立的模型。目前已經存在許多成熟的模型。但是要應用CRM軟件解決業務問題，究竟哪種模型最適用于解決具體的業務問題呢？主要有以下三種：
分類和聚類。根據客戶不同的購買模式和個人資料（譬如社會經濟地位、性別、年齡、生活方式、家庭背景等等），可對客戶進行分組。對客戶進行分類在CRM中發揮著重要作用，特別是當實施營銷戰略或決定價格靈敏度時。對客戶分類可以將目標市場定義為片段的集合，每段具有不同的特征。我們采取不同的策略來滿足每個片段的不同需要從而保持與客戶的有利可圖的長期關系。決策樹是用于該領域的最有代表性的算法。
回歸分析。回歸分析主要用于分析市場趨勢。市場分析包括新產品趨勢分析，通過趨勢分析從而提出緊密聯系市場和不同地區不同需求的反映季節趨勢的產品。決策樹也是該領域的算法。k-mean是用于該領域的最有代表性的算法。
聯合規則。聯合規則主要用于分析顧客的購買模式從而使公司對于目標營銷做出更好的決策，更加有效地規劃庫存和組合，生產出可以創造更多利潤的產品。Apriori是用于該領域的最有代表性的算法。
數據評估及部署
建立模型以后，要評估和驗證結果。因為所收集的數據分為兩組，一組用于建立和訓練模型，而另一組則用來評估建立模型的有效性。
含混矩陣是數據評估最有用的方法之一，如表1所示。
表1總結了對水果農場進行數據采集的結果：豎列顯示了農場實際售出的水果噸數，橫行表示農場將要賣出水果噸數的預測值。因此在本數據采集中，對蘋果預測的準確率達到48/54（=48 5 1），該數據采集的整體準確率達到191/218=0.8761。
但是當誤差不同時具有最高準確率的模型并不是最合適的。 例如，如果農場依據正確值/錯誤值一噸蘋果可以賺$10/-15，一噸香蕉賺$20/-10和一噸桃子賺$25/-15，詳見表2。
農場所獲利潤是：
48×10 65×20 78×25-11×15-8×10-8×15=3730-365=$3365
現在看另一個數據集，如表3所示。
該數據采集的整體準確率是195/218=0.8945。
農場所獲利潤是：
60×10 67×20 68×25-7×15-8×10-8×15=3640-305=$3335
第二個例子的準確率高于第一個，但從數據采集求得的農場所獲利潤卻少于第一個。因而在評估模型時，應該考慮問題的所有方面從而得到最有價值的模型。
在評估和驗證模型之后，我們可以選擇最佳的模型并運用其解決具體的業務問題，這就需要對模型進行實際部署工作。
數據采集提供了巨大保障以幫助公司從數據的純卷積（或大量的數據）中獲得有用的信息。建立模型是使數據采集獲得成功的關鍵。一旦模型被建立并投入實施，將對企業數據收集和利用產生重要的作用。但世界每天都在變化，我們需要間隔性地對模型進行核對。唯有如此，通過建立適當的模型企業才能獲得更多有用的信息。
參考文獻：
1.Agrawal, R., and Psaila, G.主動數據采集，1995
2.Cheeseman, P.發現最可能的模型，1990
【客戶關系管理的數據采集過程分析】相關文章：
基于DSP的USB口數據采集分析系統03-18
客戶關系管理與數據挖掘技術綜述03-21
客戶關系管理中數據挖掘的應用03-08
關于客戶關系管理(CRM)的分析03-24
數據挖掘技術在客戶關系管理中的應用12-09
IIC總線數據采集及繪圖03-08
數據挖掘理論在數據采集中的運用03-16
客戶關系管理在旅游營銷管理中的價值分析12-09