您的位置:首页 > 客户案例

商业智能在CRM中的应用2020/5/25客户关系管理案例分析

日期:2020-05-25 02:41:52 点击:0 来自:本站 作者:

  商业智能在CRM中的应用2020/5/25客户关系管理案例分析本文以企业管理信息系统为基础,从探讨CRM本身的特点出发,结合数据挖掘的原理、SQLSERVER2005的BI平台中的分析服务和报表服务,进行一个实例的分析。对CRM系统的一些关键性领域存在的问题,提出期望的解决方法。

  商业智能(Business Intelligence,简称BI)的概念最早是Gartner Group的Howard Dresner于1996年提出来的。商业智能概念涵盖了查询报表、数据分析、数据挖掘、数据备份和恢复等所有以帮助企业决策为目的的技术及其应用。

  商业智能的关键是从实际的营运数据中,进行数据预处理,然后抽取(Extraction)、转换(Transformation)和装载(Load),即ETL过程,利用各种技术或工具,最终得到一个企业级的决策信息。

  对于零售行业的决策信息获得,通过一个比较形象的,更贴近我们零售企业日常应用的过程来表现,即数据库的知识发现(Knowledge Discovery in Database,KDD )。而在科研中称的知识发现,在工程领域也常被称为数据挖掘。

  在布赖恩伍尔夫的基础性研究《Measured marketing》中描述到,统计中发现消费额在前30%的顾客贡献的消费额是75%,而消费额后30%的顾客贡献的消费额仅仅是3%。这足以说明顾客在购买能力上的不均等性。以顾客为中心的零售经济学的宗旨是让顾客满意,将企业的有限的资源投入到最有价值的顾客身上,为自己的忠诚顾客提升更有价值的服务。这和零售产出管理是异曲同工的。

  而对于一个客户关系管理系统,其主旨也在于帮助企业通过技术手段,分析客户的行为和他们的价值,以提供更优的消费服务及客户体验。

  通常,CRM系统分为分析型、运营型、协作型。对于一个零售企业的客户关系管理系统,通常是以各种介质的卡作为载体去绑定顾客的身份,从而贴近顾客,服务顾客。所以对于一个零售企业的客户关系管理必然会涉及到卡管理,同时涵盖客户分析和沟通等。

  基于顾客类别管理的理论,不可能在分析时直接针对单一顾客进行分析,肯定是对同一类别的顾客,进行相应的消费行为习惯分析等。这就如同商品要进行品类管理的道理一样。当只有进行顾客的类别管理时,才能去考查类别人数转移量,这是会员管理成效的一个重要指标。也只有这样,才能对变节率等指标进行

  我们通常进行的顾客分类,都是利用客单量或购物频次划一根线,来界定分类的象限。而真正的顾客聚类,通常考虑了客单、频次或者收入等等综合因素而实现。通过简单的划线;的效果。

  聚类算法有能力发现用来对数据进行分组的隐性变量,因此对于零售行业来说,聚类算法是一种非常流行的数据挖掘技术。

  K-means算法是以距离值的平均值对聚类成员进行分配,每个对象是在一个聚类中,聚类和聚类之间互不重叠, 通常被认为是硬聚类。而EM算法试用概率进行度量,一个点可能属于多个聚类,每个聚类有不同的概率,聚类之间是可以重叠的,通常被称为软聚类。对于离散属性的聚类是适合使用EM算法的。

  Microsoft的聚类算法有一个可收缩原理,对于一个可收缩的框架,当进行重复训练时,对于不会在聚类之间移动的数据,都把他们压缩,不加载到内存,这样就压缩了内存空间。

  SLQ Server Analysis Services有两个主要的数据挖掘对象:挖掘结构和挖掘模型。挖掘结构用来定义挖掘问题的对象,而挖掘模型是挖掘算法对挖掘结构的具体应用。

  本节中下面的例子,是在SQL Server Analysis Services服务的平台上,新建的一个analysis services项目, 应用可收缩的k-means聚类算法模型,以某大型超市近半年的会员消费数据基础,只通过客单量和频次两个维度,对会员进行简单分类。总共分成了4类会员。在后面报表应用时,将简单的以A、B、C、提供企业解决方案D来标识。首先如下图显示:

  需值得注意的是,在进行数据预处理的时候,须先进行数据的清洗。将一些垃圾数据清除,将需要的数据进行加工。

  数据挖掘扩展插件 (DMX) 是一种语言,在 Microsoft SQL Server 2005 Analysis Services (SSAS) 中可以使用该语言创建和处理数据挖掘模型。可以使用 DMX 创建新数据挖掘模型的结构、为这些模型定型并对其进行浏览、管理和预测。DMX 由数据定义语言 (DDL) 语句、数据操作语言 (DML) 语句以及函数和运算符构成。譬如在上例中如何找到哪些是B类会员的:

  当然如果不想这部分会员的分类叫B类会员,而改称为白银会员或其他称呼,那么也是可以通过DMX语言来修改挖掘模型的内容得到。

  上一节提到了发布数据可以通过Reporting Services来展示。Reporting Services提供了一个创建定制报表的机制,这个报表通常包含文本和图形,可以通过HTML、Email、打印形式和Microsoft Office文档发布。基于Web的报表可以是交互式的,通过增加报表参数实现交互目的。

  本节中下面的例子,是基于顾客类别管理的基础上,对A、B、C、D不同类别的顾客所关心、购买的商品品类进行的统计分析。如果将这个过程进一步细分的话,那就是针对商品级别的关联规则的应用,这个在这里不进行讨论。这里只是通过商品品类和会员类别的矩阵式展示,较简单地体现Reporting Services的功能获得企业荣誉

  同样在SQLSERVER2005 BI Development Studio可以去创建一个Reporting Services项目。数据源可以是关系数据库,也可以是Analysis Services等。具体的过程不描述了,从数据源中最终的报表文本或图形等,进行生成、部署,最终可以通过web的方式进行浏览。下图示意了一个简单数据的发布:

  通过web展示的矩阵格式,行代表商品类别,列代表会员类别,以显示不同类别会员对不同品类商品的购买情况。

  同时上图也示意了一个交互的过程,可以通过用户指定的商品类别来查看感兴趣的数据。比如查看中类3000的商品被A、B、C、D四类会员的购买频次及品类金额情况。当然也可以增加其他的查询条件。

  对感兴趣的类别支持树形结构的自由展开,下钻到小类,子类。如上图的30000小类和30001小类就展开明细到各自的子类中。

  从目前的实际应用来看,聚类分析作为数据挖掘的一种算法模型,还有很多需要值得去调整的地方,譬如:如何数据预处理,如何剔除大型促销等,造成的数据异动

  而对于CRM本身的7大分析需求,也需要更多地挖掘模型进行实践。比如考查顾客类别转移时,可以使用序列聚类算法。产品分析时,可以使用关联规则。而对于同一种业务场景,应用不同算法也将得到不同的结果。因此可以通过挖掘准确性图表,对挖掘模型本身进行不断的修正。

  可以预期在未来的应用过程中,结合商业智能理论的应用,通过顾客关系管理,将为顾客带来更美好的消费体验,给零售商带来更多的销售提升。

分页:
相关链接 Correlation Link
最新OA界面 New Article
  • 06-08
ASP
ASP
ASP
栏目热门 Class Hot
栏目推荐 Class Commend
版权所有:恒丰国际在线 2016-2018 未经授权禁止复制或建立镜像 AG