CRM系統(tǒng):數(shù)據(jù)挖掘在通信行業(yè)客戶關(guān)系管理中的應(yīng)用
不同聯(lián)機(jī)事務(wù)處理系統(tǒng)的客戶數(shù)據(jù)重組整合，提供一個
正確、完整和統(tǒng)一的客戶數(shù)據(jù)環(huán)境，這樣就能充分利用
這些寶貴的數(shù)據(jù)，體現(xiàn)信息的真正價值。
數(shù)據(jù)倉庫技術(shù)可以完成通常信息系統(tǒng)所不能完成的
工作—將來自分散的數(shù)據(jù)源（包括內(nèi)部的和外部的數(shù)據(jù)
源）的業(yè)務(wù)數(shù)據(jù)進(jìn)行提煉和綜合并最終應(yīng)用于分析和決
策。在通信企業(yè)CRM 中，數(shù)據(jù)倉庫將客戶基本資料、客
戶呼叫清單、客戶賬單、客戶聯(lián)系歷史記錄等海量復(fù)雜
的客戶行為數(shù)據(jù)集中起來，建立一個整合的、結(jié)構(gòu)化的
數(shù)據(jù)模型，在此基礎(chǔ)上對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、抽象化、規(guī)
范化分類、分析，通過數(shù)據(jù)倉庫接口，對數(shù)據(jù)倉庫中的
客戶數(shù)據(jù)進(jìn)行聯(lián)機(jī)分析和數(shù)據(jù)挖掘， 為企業(yè)管理層提供
及時的決策信息，為企業(yè)業(yè)務(wù)部門提供有效的反饋數(shù)
據(jù)。
3 運(yùn)用數(shù)據(jù)挖掘應(yīng)注意的問題
與其他行業(yè)的數(shù)據(jù)挖掘應(yīng)用相比， 通信行業(yè)應(yīng)用有
其自身的一些特點(diǎn)，在實際客戶流失分析實施中，結(jié)合
我們的實際經(jīng)驗，認(rèn)為應(yīng)當(dāng)注意以下幾點(diǎn)。
3.1 數(shù)據(jù)準(zhǔn)備
通信企業(yè)的日常運(yùn)營系統(tǒng)積累了海量的事務(wù)型數(shù)
據(jù)， 這些數(shù)據(jù)對于客戶流失的特征分析來說顯然是必要
的，但對于數(shù)據(jù)準(zhǔn)備卻是很大的負(fù)擔(dān)。通信企業(yè)實施數(shù)
據(jù)倉庫有利于數(shù)據(jù)挖掘的數(shù)據(jù)采集工作， 但有時不能提
供完整的數(shù)據(jù)支持， 畢竟數(shù)據(jù)挖掘工作是一個漸進(jìn)性的
探索過程， 而數(shù)據(jù)倉庫的設(shè)計和建設(shè)有很大的先驗性成
分。結(jié)合國外以及我們自身實施的經(jīng)驗來看，數(shù)據(jù)準(zhǔn)備
工作需要花費(fèi)整個項目50%～80% 的時間。過度抽樣從
實際情況上看， 國內(nèi)通信企業(yè)每月的客戶流失率一般在
1%～3% 左右，這是一個“薄靶”的數(shù)據(jù)分布，如果直
接采用某種模型，比如決策樹、人工神經(jīng)網(wǎng)絡(luò)等，可能
會導(dǎo)致模型的失效， 因此我們需要加大流失客戶在總樣
本中的比例，但是這種過度抽樣必須謹(jǐn)慎小心，要充分
考慮它的負(fù)面效應(yīng)。
3.2 模型的有效性以及實際價值。
數(shù)據(jù)挖掘應(yīng)用中，在一定的數(shù)據(jù)條件下，實際產(chǎn)生
的應(yīng)用模型可能與預(yù)先定義的業(yè)務(wù)問題（目標(biāo)）存在差
異，比如產(chǎn)生的分類模型中，得出最具流失傾向客戶群
的流失概率為20%，那么單獨(dú)預(yù)測某客戶是否流失顯
然是沒有意義的。 但是可以通過該模型來得到客戶流失
的主要因素，以此作為企業(yè)相關(guān)決策的依據(jù)。有時這種
模型對于實際的營銷也是有意義的，比如某通信企業(yè)
擁有100 萬用戶，客戶流失率為1.5%，每個客戶平均
給企業(yè)帶來的利潤為400元，營銷并且保留每個客戶的
花費(fèi)為40 元。如果采用某數(shù)據(jù)挖掘模型的結(jié)果，找出
5% 的客戶具有15% 的流失概率，對這些客戶進(jìn)行針對
性的營銷工作，那么營銷成本為200萬元，因為挽留客
戶帶來的收益為300萬，該企業(yè)還能獲得100萬的凈收
益。
3.3 選擇特定客戶群分析
當(dāng)整體的客戶流失分析缺乏顯著的分類效果時， 可
以考慮進(jìn)行進(jìn)一步的客戶劃分，比如根據(jù)服務(wù)品牌、使
用期限、客戶價值來劃分，然后分別建模，通過模型比
較往往可以得出一些有效的結(jié)論。需要指出的是，數(shù)據(jù)
挖掘技術(shù)其實最適用于大量的公眾客戶，低價值客戶、
普通客戶的消費(fèi)特征也應(yīng)當(dāng)是企業(yè)關(guān)注的內(nèi)容之一， 它
是企業(yè)針對公眾客戶營銷決策的依據(jù)。對于大客戶、集
團(tuán)客戶的流失分析， 客戶經(jīng)理的跟蹤調(diào)查應(yīng)當(dāng)比數(shù)據(jù)挖
掘更加有效。
3.4 數(shù)據(jù)收集與市場調(diào)研
實踐表明， 數(shù)據(jù)挖掘的效果更多地依賴于建模的數(shù)
據(jù)質(zhì)量而并非某些復(fù)雜的算法模型，有效數(shù)據(jù)收集是實
施數(shù)據(jù)挖掘項目成敗的關(guān)鍵所在。一方面，通信企業(yè)應(yīng)
當(dāng)重視各類運(yùn)營系統(tǒng)中的數(shù)據(jù)收集工作， 比如完整的客
戶基本信息、詳細(xì)分類的投訴信息等；另一方面，針對
性的市場調(diào)查可以為數(shù)據(jù)挖掘提供更多的數(shù)據(jù)支持，調(diào)
查內(nèi)容涉及客戶的價格偏好、技術(shù)偏好、客服質(zhì)量、企
業(yè)形象、流失客戶去向等通信企業(yè)自身難以觀察的數(shù)
據(jù)。
4 總結(jié)
隨著應(yīng)用的不斷推廣， 企業(yè)營銷數(shù)據(jù)和相關(guān)信息
不斷積累，數(shù)據(jù)倉庫逐漸成為企業(yè)組織信息的最有效
方式， 而數(shù)據(jù)挖掘也成為從這些信息中獲取有價值的知
識的重要工具。在CRM 中有效利用數(shù)據(jù)挖掘，可以為
企業(yè)高層決策者提供準(zhǔn)確的客戶分類、忠誠度、盈利
能力、潛在用戶等有用信息，指導(dǎo)他們制定最優(yōu)的企業(yè)
營銷策略，降低企業(yè)運(yùn)營成本，增加利潤，加速企業(yè)的
經(jīng) 驗 與 交 流
發(fā)展。
強(qiáng)力推薦：
天柏客戶關(guān)系管理系統(tǒng)
天柏客戶關(guān)系管理系統(tǒng)（CRM）是一款集專業(yè)性、實用性、易用性為一體的純B/S架構(gòu)的CRM系統(tǒng)，它基于以客戶為中心的協(xié)同管理思想和營銷理念，圍繞客戶生命周期的整個過程，針對不同價值的客戶實施以客戶滿意為目標(biāo)的營銷策略，通過企業(yè)級協(xié)同，有效的“發(fā)現(xiàn)、保持和留住客戶”，從而達(dá)到留住客戶、提高銷售，實現(xiàn)企業(yè)利潤最大化的目的。通過對客戶進(jìn)行7P的深入分析，即客戶概況分析(Profiling)、客戶忠誠度分析(Persistency)、客戶利潤分析(Profitability)、客戶性能分析(Performance)、客戶未來分析(Prospecting)、客戶產(chǎn)品分析(Product)、客戶促銷分析(Promotion)以及改善與管理企業(yè)銷售、營銷、客戶服務(wù)和支持等與客戶關(guān)系有關(guān)的業(yè)務(wù)流程并提高各個環(huán)節(jié)的自動化程度，從而幫助企業(yè)達(dá)到縮短銷售周期、降低銷售成本、擴(kuò)大銷售量、增加收入與盈利、搶占更多市場份額、尋求新的市場機(jī)會和銷售渠道，最終從根本上提升企業(yè)的核心競爭力，使得企業(yè)在當(dāng)前激烈的競爭環(huán)境中立于不敗之地。