浙江大学硕士学位论文数据挖掘技术在零售业CRM中的应用研究姓名:曲斌申请学位级别:硕士专业:管理科学与工程指导教师:李小东20040401
㈣学硕蝉撇Y596toe摘要随着中国加入VvTO,市场经济逐步发展和完善,零售企业之间的竞争也日趋激烈,人们都已经逐渐认识到客户对于企业的重要性,没有优良的客户资源,企业就无法发展。因此,如何更多地了解客户的信息,并将这种信息转变成“知识”,从而更好地为客户提供高质量的个性化服务,提高客户满意度,保持和发展高价值的客户,已经成为各企业开展业务的一个紧迫的课题。数据挖掘技术是一种新的信息处理技术,其主要特点是对数据库中的大量业务数据进行抽取、转换、分析,从中提取辅助商业决策的信息。数据挖掘能够从海量的商业类客户关系管理信息数据中发现一些未知的、有价值的规律,帮助企业向管理智能化发展。本文重点研究数据挖掘技术在零售业客户关系管理系统中的应用,对基于数据挖掘的零售业客户关系管理系统进行了设计,建立了零售业客户价值、客户满意度和客户细分的数据挖掘模型,并运用数据挖掘工具SASEnterpriseMiner对模型进行了验证和评价。本文的研究可以为零售企业开展业务带来新的思路,为国内零售企业提升客户关系管理水平,提升客户满意度、获取竞争优势提供一定的帮助。关键词:数据挖掘、零售业、客户关系管理泰蠹佧蒋、等.jI|jJ飚翘■金文公相
浙江大学硕士学位论文ABSTRACTWithChinajoinWTO,Chinesemarketeconomyhasdevelopedandperfectedprogressivelyandthecompetitionbetweenretailbusinessarebecomingmoreandmoresharp,peoplehasgraduallyrealizedtheimportanceofcustomertotheenterpricesthatiswithoutoutstandingcustomersoruces,theenterpricescannotabletodevelopefurtheLTherefore,ithasbecomeapressingsubjecttoallenterpriceswhendoingbusinessthathowtoundemtandmoreaboutcustomer’Sinformationandturningthisinformationinto”knowledge”SOastoprovidehighquailtypemonnelservice.improvecustomer’Ssatisfaction,maintainandfindhighvaluecustomers.DataMiningisanewtechnologyoninformationprocess.Themainfeatureofthistechnoligyistoextract,transformandanalysizelargeamountofbusinessdataindatabase.thenpickupthoseinformationthatishelpfultobusinessdecision.Italsocanfindsomeunknown,valuablerulesamongthousandsofbusinesscustomerinformationdataSOastohelpenterpricesphaseinintelligentmanagement.ThisarticleforcusonapplyingofdataminingandestablinshingCSlweightmodelinCRMsystemofretailbusiness.EstabilishCRMsystembasedupondatamininganddesignseveraldataminingmodels.Theconceptofthisreportwillbringnewideartobusinessenterprices,helpthemtoimprovecustomersatisfactionandwincompetition.…。.Keywords:DataMining,Retailbusiness,CRM.2.
浙江大学硕士学位论文1.导论1.1.论文研究背景及意义中国国内市场竞争已经达到白热化的程度,拓展客户难,维持客户更难,客户资源的稀缺性尤为突出。在这种情况下客户关系管理越来越引起企业的注意。在这个客户稀缺的时代,什么才是企业的核心竞争力呢?对所有的企业而言,至少有一项不可或缺的,那就是管理客户关系的能力,把一次性客户转化为长期客户,把长期客户转化为终身忠诚客户。面对丰富的市场和激烈的竞争,越来越多的企业在生产经营中开始关注人的因素,去主动靠近顾客,并以顾客的需求和利益为中心,最大限度地满足顾客的需求欲望和长远利益。在市场充分而有效的调节下,“以客户为中心”的经营理念,伴随着客户关系管理的先进工具和方法,已经逐步成为广大企业的行为和思想的准绳。市场的竞争,实际上是赢得顾客的竞争。市场的反应对我们说明了一个道理:“以客户为中心”时代已经来临。那么如何赢得客户,维持客户成为了关系到企业生死存亡的大事。1.1.1.客户关系管理面对激烈的市场竞争,使得客户关系管理(CRM)成为目前研究的热点之一。研究分析这方面的文献,不难归纳出三种理解的思路:●从商业哲学的角度,认为客户关系管理是把客户置于决策出发点的一种商业哲学,它使企业与客户的关系更加紧密。一从企业战略的角度来理解,认为客户关系管理是通过企业对客户关系的引导,达到企业最大化盈利的企业战略。●从系统开发的角度,认为客户关系管理是帮助企业以一定的组织方式来管理客户的互联网软件系统。它们之间的关系是:客户关系管理的理念是促成企业战略观形成的思想基础,客户关系管理系统是在互联网环境下,辅助这一企业战略观得以实现的有力工具。这三种理解都有其合理的成分,因此客户关系管理界定为:企业在新的市
浙江大学硕士学位论文场环境(高度扰动的市场环境1)下,通过对企业客户关系的互动引导,识别、保留和发展价值客户,达到企业最大化盈利目的的企业战略管理。客户关系管理系统主要通过对销售、营销与客户服务等与客户关系管理相关的商业过程的自动化辅助支持来达到上述目的。作为企业战略定位的客户关系管理,基于以下几点认识:_客户关系管理的核心是价值。在对客户的识别、保留和发展的整个生命周期里,对价值的评判始终是贯穿其中的核心问题。这种价值评判包括两个方面,一是企业为客户提供的价值的评价,一是客户对企业的价值贡献的评价。客户关系管理的实施过程是一个使关系增值的管理过程。·对长期价值的关注是客户关系管理的重要特点。客户关系管理强调的是企业与客户长期的价值互动关系,最大化长期互动关系的效用,实现客户与企业的双赢。一客户关系管理是集中于价值客户的认识、保留和发展的动态管理。客户关系管理并不是对所有客户不加区别地对待,而是不断为价值客户提供优厚的服务,并从价值客户得到卓越回报的一种有目的价值交换战略。客户关系管理是业界的焦点,它将给企业带来较高的投资回报率,积极主动地寻求加强和管理客户关系将给企业带来更大的利润和提高企业竞争优势。因此客户关系管理理念及其价值被越来越多的企业所重视,自1999年开始,全球的客户关系管理市场一直处于爆炸性的快速增长之中。国内客户关系管理起步较晚,但却依然显示出强劲的发展势头,其显著的价值提升能力已经得到业界的认同,即将进入发展的蓬勃期并将形成新的热潮。根据研究报告显示,在受调查的企业中有2/3以上期望在未来的5年内改变其客户关系的管理模式,而有3/4以上的企业计划集成“面对客户”的信息管理系统及其组织的其他部分。最初的客户关系管理应用是“独立”的解决方案,如销售队伍自动化以及客户服务和支持。这些基于部门的解决方案增强了特定的商务过程,却未能提供公司与个体客户间的完整视图。在20世纪90年代中期客户关系管理软件制造商把独立的应用组合到整合的解决方案中,不过到目前为止,大多数的客户关系管理软件的功能主要集中在客户信息的组织和管理,即为操作型的客户关系管理。随着客户信息量的增加,客户与企业之间的关系越来越复杂,单纯操作型的客户1RashiGglazer,Marketinginaginformation-intensiveenvironment:Strategicimplicationofknowledgeasanasset[J]JournalofMarketing,1999.(10):1—19-2.
浙江大学硕士学位论文关系管理已经难以满足用户的需求。1.1.2.通过数据挖掘技术分析及发现加强客户关系管理的途径20世纪90年代初,人们逐渐认识到数据除了可以直接操作外,还有战略计划的用途。传统的操作数据库系统是基于任务需求的联机事务处理和批处理。这些系统借助计算机的力量企图自动建立起商业过程,以提高效率和速度。今天,只有自动化是不够的。21世纪的商业竞争不仅取决于对市场的反应速度,还取决于对本行业新知识的获取,积累和有效利用的能力。实际上效率不再是商场上取胜的唯一关键。在这个新的启用Web的电子商务经济时代,灵活性和敏感性也是在竞争中取胜的重要因素。很多分析家预言,那些善于利用信息的机构将比他们的竞争对手拥有更大的竞争力。关键是对于数据仓库有效的数据管理策略和交互式的数据分析能力。而数据挖掘则是后来技术发展的巅峰。目前,数据挖掘已经成功地用于大型数据仓库的知识挖掘,它被广泛应用于市场营销、银行业、零售业、制造业、保险业、国家安全部门、生物化学、电信业等,通过挖掘获取有价值的知识,以此来辅助决策。同时,应用于CRM的数据挖掘研究还不是很多,以客户信息为主题的数据挖掘也主要应用于大型客户数据仓库系统。融合了人工智能技术的数据挖掘能够对客户关系管理信息进行多维度的特征和行为分析,能够自动的从客户信息中发现模式,帮助企业如何选择潜在客户,向已有客户正确的提供产品以及辨别并挽留打算离开的有价值客户。1.2.论文理论构思与研究方法1.2.1.理论构思本文的主要思路是,在对数据挖掘、数据仓库和零售业客户关系管理的研究基础上,探讨建立基于数据挖掘的零售业客户关系管理系统的必要性,并根据系统构成建立了客户价值模型、客户满意度模型和客户细分模型。为此,本文的主要研究内容包括以下几个部分:-对零售业客户关系管理系统进行研究,并提出建立一个构建基于数据挖掘的零售业客户关系管理系统。_通过对数据仓库知识回顾,总结和归纳,建立零售业客户关系管理系统的数据仓库模型。一分析现有客户满意度的模型,引入层次分析法对零售业SERVQUAL模型进行权重分析改进,并对基于此模型的问卷信息使用多种数据挖掘方.1.
浙江大学硕士学位论文法进行分析。一设计客户价值和客户细分模型,并采用数据挖掘方法进行分析。1.2.2.论文结构图1.2.3.研究方法并户关系7添’蛋珏·:数据{室掘暑ii_丁?i篡….i艇于数据挖掘的cRM系统;。。。\。。。‘。?。。糕于数锱挖掘EI勺CRM系统.:事题模型:’■.】.:……:._]■■_■■:l…….誊。晖熊堑。.……..;图1.1论文结构图本文综合采用了定性研究和定量研究,文献研究和实证研究相结合的方法。本文的第二、三章部分是以文献研究,定性研究为主。第四、五章在文献研究的基础上,定性研究和定量研究兼顾。第六章是实证研究部分,使用相关本文建立的模型以及收集的数据进行定量研究。论文数据的采集通过大量的问卷调查来收集客户资料,采用了实际问卷调查,电子邮件问卷调查等形式。1.3.论文的创新点本文的创新点在于通过构建基于数据挖掘的零售业客户关系管理系统,分析了基于数据挖掘技术的客户价值模型、客户满意度模型,满意度评价指标体系和客户细分模型,利用相应的数据挖掘工具进行了客户满意度和客户细分的实证分析,以期发现客户满意度各个因素的相关内在联系,发现客户的实际需求以及对客户进行分类。通过付出较小的代价,提高相关客户满意因素得分,极大地增加客户满意度,增强客户关系,从而提高企业的竞争能力。
浙江大学硕士学位论文2.数据仓库、数据挖掘理论综述2.1.数据仓库综述数据仓库是一个环境,提供用户用于决策支持的当前和历史数据,这些数据在传统的操作型数据库中很难或不能得到。数据仓库技术是为了有效的把操作型数据集成到统一的环境中以提供决策型数据访问的各种技术和模块的总称。所做的一切都是为了让用户更快更方便查询所需要的信息,提供决策支持。目前,企业分散的信息系统中积累了海量商业数据,如何将数据变成信息,把信息转变成知识的能力很大程度上决定了一个组织的竞争力。而历年积累在业务数据库中的海量数据,如能按照一定商务主题进行集成,并能定期反应企业的变化,则能为企业业务决策提供技术支持,数据仓库技术正是应这种需求而产生的。当前,零售业、银行业、证券业、保险业、移动通信业等大数据量行业均视数据仓库为必要的最新营销武器,一种通过更多了解客户需求而保住客户的途径。2.1.1。数据仓库概念数据仓库之父w.H.Inmon认为,数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合,支持管理部门的决策过程。2.1.1.1.面向主题的(subject-oriented):数据仓库是面向特定主题的集成,如顾客、供应商、产品和销售组织。从操作数据库系统抽取出有用的数据项,排除对决策无用的信息,为特定主题提供简单视图。面向主题特性是数据仓库与操作数据库的主要区别之一。2.1.1.2.集成的(integrated):通常,构造数据仓库由多个异种数据源集成在一起,如关系数据库、一般文件、联机事务处理记录等。是数据仓库建设中很重要也很繁琐的步骤就是集成,集成技术有确保命名约定、编码结构、属性度量等的一致性。2.1.1.3.时变的(time-variant):数据仓库是对一定历史时期数据的分析,以此评估过去业绩及预测未来情况的技术。为了使数据仓库反应的信息能更真实地反应销售业绩,应该定期对数据仓库中的数据进行更新,使其能更好的支持决策。