数据挖掘技术在烟草CRM中的应用

      引 言

　　客户关系管理系统简称CRM，是通过对客户详细资料的深入分析，来提高客户满意程度，从而提高企业的竞争力。烟草CRM是基于大型数据仓库的客户资料管理系统，它运用于烟草公司的市场营销、销售、服务等与客户有关的领域，其最终目标是提高客户的满意度和忠诚度，不断争取新客户，为企业带来更多的利润。数据仓库在规模、历史数据、数据集成和综合性、查询支持等方面都和传统的数据库有着本质的区别，是数据库技术的一种新的应用，它能够满足数据挖掘技术对数据环境的要求。我们运用数据仓库技术来存储和管理烟草系统中的大量客户信息。

　　1 数据挖掘概述

　　数据挖掘是一个利用各种分析方法和分析工具从数据仓库中提取可信的、有效的、人们感兴趣的、能让别人理解的知识的处理过程。这些知识是隐含的、事先未知的有用信息，提取的知识表现为概念、规则、模式、规律等形式，以帮助管理者做出正确的决策。数据挖掘是烟草信息化的重要组成部分。

　　数据挖掘包括数据准备、挖掘、结果分析和知识运用四个阶段。在数据准备阶段完成数据的选择、净化，消除噪声数据、无关数据和冗余数据，进行数据的转换。将处理过的数据存储在数据仓库中。挖掘阶段是一个采用相应数据挖掘算法，分析数据并通过可视化工具表述所获得的模式或规则的过程。最后对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识，并将知识应用到业务信息系统。

　　数据挖掘系统可以采用三层的C／S结构，第一层为系统的客户端；第二层为数据挖掘引擎，它是数据挖掘系统的核心，位于系统的应用服务器端；第三层为数据库与数据仓库，位于数据服务器端。

　　数据挖掘常用技术有生物学方法、信息论方法、统计学方法和可视化技术等。生物学方法包括神经网络方法和遗传算法，神经网络方法通过模拟人脑神经元结构进行数据挖掘。遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法。在数据挖掘中，信息论方法中的决策树是一种广泛使用的图解法决策分析工具。统计学可应用于预测、聚类规则挖掘和时序数据的趋势分析等。可视化数据分析技术把由数据挖掘获得的模式和规则变成多种图形，这对揭示数据的状况、内在本质及规律性起到了重要的作用。

　　2 数据挖掘在烟草CRM中的应用

　　2.1 烟草CRM的主要功能

　　2.1.1 市场分析  搜集和分类整理市场信息，并通过市场调研活动，了解市场，把握需求。

　　2.1.2 建立客户档案  搜集和管理与客户相关的基本信息，通过客户服务人员进行日常的采集和维护。

　　2.1.3 客户分类评价  通过获取的相关客户信息和业务信息，根据公司的客户评价分类的原则、方法及要求，对零售客户进行分类评价。
　　2.1.4 客户维护  客户经理为自己所服务的客户进行分析，编制产生客户服务计划，开展市场状况调查，能够记录计划的执行过程，进行《工作日志》的维护。

　　2.1.5 客户投诉管理  对客户的电话投诉信息、服务人员反馈的投诉信息进行获取和处理。

　　2.2 分类和聚类在卷烟零售客户类别分析及卷烟品类划分中的应用
　　数据分类是数据挖掘的主要内容之一，主要是通过分析训练数据样本，产生关于类别的精确描述。首先建立一个模型，描述给定的数据类集或概念集(简称训练集)。然后使用模型对数据进行分类。聚类是将物理或抽象对象的集合分组成为多个类或簇的过程，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。聚类与分类不同的是，它要划分的类是未知的。

　　卷烟零售客户直接与消费者接触，在卷烟销售中占据重要地位。对卷烟零售客户的调查分析是获取卷烟市场信息的重要来源。将客户划分为不同类别进行服务与管理，体现了客户群策略和客户发展策略。例如，按经营规模进行聚类分析，首先将客户群分为3类：A类客户，这类客户的卷烟销售额高，规模大，经营规范，诚信度与合作度高；B类客户，这类客户所占比例很大，是客户主体，规模一般，销售额一般；C类客户，这类客户的经营规模较小，销售较低，成长度较差。然后利用分类技术，对客户特征进行建模，描述出客户群的特征，设定相应的客户级别，以便对不同类别的客户实施个性服务。

　　卷烟品类划分有利于卷烟企业对卷烟品牌体系进行整体规划和合理布局，使企业能理性地进行货源调拨和缺货应急，顺利地进行卷烟品牌的切换和整合。品类划分首先要进行卷烟消费者市场调查，从卷烟的品牌、价格、包装、吸味、产地等因素入手，来研究消费者的消费习惯和消费态度，采取聚类分析方法对其做定性和定量分析，研究消费者认为的商品之间的关联替代关系，从而计算各卷烟规格间的相似性系数，相似性系数越高，表示卷烟消费者认为这两个卷烟规格越相似，也就越有可能相互替代。一个品类就是所有相互之间的相似性系数很高，但与群外规格的相似性系数很低的规格的集合。然后对相似性系数高的各个集合进行分析，确定品类划分的维度。最后按照已确定的品类划分维度将现有品牌进行归类。

　　2.3 关联分析在卷烟零售客户经营情况中的应用

　　关联分析的目的是为了挖掘隐藏在数据间的相互关系，即对于给定的一组项目和一个记录集，通过对记录集的分析，得出项目集中的项目之间的相关性。项目之间的相关性用关联规则来描述，关联规则反映了一组数据项之间的密切程度或关系。

　　我们对卷烟零售客户经营情况进行关联分析，可以得到更有价值的信息。从经营业态、经营规模、市场类型、守法情况四个维度，用关联分析法对卷烟零售客户经营情况进行分析。例如，经营业态和经营规模之间关联分析，碍出关联规则：如果是食杂店，经营规模过大，那么一般存在批发问题；如果是大型商场，规模过小，那么可能是卷烟品种过少或者是经营能力较差。经营规模、经营业态和市场类型之间关联分析，得出关联规则：如果是农村的卷烟零售客户，业态比较高，规模比较小，那么说明卷烟零售客户经营能力有待提高或者人流量太小；如果城市的卷烟零售客户，业态比较高，规模比较小，那么卷烟零售客户可能从外渠道进货。对数据挖掘产生的结果进行评价后，便可用来帮助公司调整营销策略。

　　2.4 描述与可视化技术的应用

　　数据挖掘描述与可视化技术可以将数据库和数据仓库中的每一个客户数据项作为图形元素输出，大量的数据集构成数据图像，如卷烟零售客户本月与上一个月的销售情况对比图等。同时将卷烟零售客户的相关属性值以多维数据的形式来表示，可以从不同的维度观察数据，从而对卷烟零售客户的销售行为进行更加直观深入的观察和分析。利用图形更好地表达了数据之间的相互关系和发展的趋势，从而掌握卷烟零售客户潜在的经营能力和水平，帮助公司了解卷烟零售客户是否有发展潜力。另外，还可根据卷烟零售客户的地理环境、经营品种、日均购烟人次、经营结构、消费群体进行关联分析后，再把由数据挖掘获得的模式和规则变成多种图形，可以很好地起到揭示数据的状况、内在本质及规律性的作用，从而有效发现并解决卷烟零售客户经营中存在的潜在问题，挖掘卷烟零售客户的潜力，提升其经营能力。

　　3 结束语

　　基于数据挖掘的烟草CRM可以将抽象的管理和服务理念数字化、直观化，从而发掘潜在的有价值的信息，帮助企业寻找新客户和新商机，制定更符合卷烟销售市场的经营策略，提高企业的竞争力。

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。