数据挖掘技术在客户关系管理系统的运用

数据挖掘技术在客户关系管理系统的运用

摘要:为了提高客户关系管理系统的系统效率,在客户关系管理系统中引入了数据挖掘技术,改善后的系统整合管理资源、业务流程和专业技术,能够构建服务消费者的集合,满足客户需求。笔者通过研究潍坊市的电信业务,在客户关系管理系统中加入了数据挖掘技术,从而提高客户关系管理系统的效率和客户满意度。

关键词:数据挖掘技术;电信业;数据准备

0引言

目前,高效的客户关系管理系统需要集合数据挖掘技术,整合管理资源业务流程,能够高效的完成客户关系管理,针对客户的需要挖掘出有用信息,提高客户的满意度和客户关系管理的效率[1]。客户关系管理包含一整套的解决方案,通过Internet或呼叫中心获取客户的各种信息,对信息进行整合和处理,分析客户的具体需求,从而做出正确的决策,实现个性化服务,提高客户的满意度[2]。

1数据挖掘方法

目前,数据挖掘是从随机、有噪声、不完全、大量以及模糊的实际应用数据中提取隐含信息或潜在的有用信息[3]。数据挖掘方法包括聚类分析法、人工神经网络、最近邻算法以及支持向量机SVM等,通过这些算法实现较高的预测精度[4]。电信行业积累了的大量客户数据和信息;但是,信息利用率不高,无法对信息进行分类处理[5]。挖掘出有用信息,并利用有用信息改善当前业务,从而提升客户的需求,根据不同的人群需要,实现不同业务的推送,从而提高客户关系管理的效率和满意度[6-8]。

1.1数据挖掘技术应用流程

数据挖掘需要对项目需求进行深入分析,确定目标应用领域和挖掘问题。对解决问题的信息进行数据挖掘,综合关键信息,分阶段进行任务分配,根据数据挖掘任务的构成,设计的客户关系由功能、数据和方法三部分组成。通过数据挖掘技术设计客户关系管理系统。

1.1.1确定挖掘目标

明确针对的挖掘问题类型,通过分析目前掌握的电信企业客户相关资料,确定流失客户的预测模型,根据大量的数据信息进行挖掘,然后对相似度高的信息客户进行聚类管理,分析目标客户的共同特征,制定相应的营销和服务措施。

1.1.2数据准备

数据准备是数据挖掘前的重要的一项工作,数据是否完整直接影响了数据挖掘的效率和准确度,从而影响整个客户管理系统的管理效率,数据准备主要包括数据集成、数据选择、数据预处理和数据转换。

1.1.3数据挖掘模型的构造与应用

对数据挖掘模型进行构造是客户关系管理的重要环节,由于数据挖掘的任务的不同,需要处理的问题也不尽相同。所以,需要利用数据挖掘算法针对性的对任务进行挖掘,建立不同的数据挖掘模型。

1.1.4数据挖掘结果评价

数据挖掘模型最终分析的结果需要提取有用知识,分析得到最有价值的信息,根据用户的评价和满意度判断数据挖掘是否合格。如果无法满足客户需求,则需要重复上述过程进行数据挖掘。

1.2系统功能设计

设计管理系统时,由于客户性别、年龄、职业等信息的不同,使得客户行为呈现多样性。因此,系统通过聚类分析方法实现用户信息的聚类分析,使用支持向量机等算法对用户的信息进行聚类分析,提高客户数据集合的预测精度,针对不同用户提供不同的服务,提高信息的分析和使用效率。

2数据挖掘技术在客户关系管理系统中的应用

电信行业发展运营时间较长,运营过程中积累了大量信息,但是对信息的利用率不高。因此,要深层次挖掘数据,通过挖掘的信息改善现有业务,满足客户需求。通过分析数据可以得到大量有价值的信息,从而实现更精确高效的服务。笔者针对电信业务进行了系统的构建。数据挖掘技术需要根据项目的需求进行不同的选择,确定合适的挖掘技术进行深入分析,根据需要解决的问题进行挖掘技术的匹配,然后确定应用领域。分析定位数据挖掘的问题类型,然后根据关键点进行数据分析。数据挖掘模型主要分为功能、数据和方法三部分,功能部分体现在目标和结果中。根据数据挖掘技术的特点,设计电信管理系统。

3系统功能详细设计

分析不同客户特征,将电信的运营商分为三类。第1类群体,长途通话次数和网络通话次数较高,但是总体通话费较少,系统分析定位此类用户为学生客户群体,针对此类群体,应该采取适当的营销手段,提高数据业务使用量,从而得到学生客户群体的需求和满意度。大大提高这个群体的利润。第2类群体,尽管长途通话量很少,但是全部通话费用较高,这类用户属于企业优质客户,通过分析业务得出此类群体需要拨打长途业务。因此,可以推出带有长途套餐的业务实现长途业务优惠,从而获得较高的满意度。第3类群体,各项消费平均,根据其他的特征进行识别分析,得出客户的需求,在提供必要服务的同时,拓宽新的业务,从而获得用户的肯定和认可。最终根据数据挖掘的结果,获取较好的方案。由于不同的客户需求不同,需要制定不同的业务推送方案。预测用户消费行为,通过数据挖掘识别不同的客户特征,进而分析不同客户的消费理念。从大量数据中通过设定的规则进行数据挖掘,得到有用信息。针对不同的客户选择不同的运营模式,提供给市场部门,市场部门针对性的改善服务或推送有用的信息。

4系统技术架构设计

设计系统架构时,要考虑系统的扩展性,包括硬件方面的扩充和软件系统的改善。要考虑不同系统平台的可移植性,设计系统时采用了三层系统体系结构,数据库服务区、应用服务器、浏览器及分布式技术进行设计,设计的主要功能模块如图3所示。系统由不同的分析工具,通过构建算法模型,使用插件的方式插到分布式的软总线上。

5结语

在客户关系管理系统中应用数据挖掘技术,通过数据挖掘技术实现客户信息的整合和分类处理,高效率的利用客户的数据信息,提高客户关系管理质量,增强企业的竞争力。通过处理电信系统的客户关系,详细论述了系统分析、系统设计和系统实现过程,提高了客户关系管理的质量。通过研究可以建立客户关系管理系统和企业信息管理系统,以提高企业的核心竞争力,从而促进企业发展。

参考文献

[1]李宝东,宋瀚涛.数据挖掘在客户管理(CRM)中的应用[J].计算机应用研究,2002,19(10):2-3.

[2]王珊.数据仓库技术与联机分析处理[M].北京:科学出版社,1998:125.

[3]高洪深.决策支持系统(DSS)——理论、方法、案例[M].第2版.北京:清华大学出版社,2000:304.

[4]王树广.数据挖掘技术在企业决策中的应用[J].数字技术与应用,2010(2):79-80.

[5]刘兴雨.数据挖掘技术及在电子商务中的应用[J].计算机系统应用,10(6):46-47,51.

[6]张晓航,吕廷杰.客户关系管理系统[J].电信技术,2002(8):6-9.

[7]段庆华.信息时代的网络营销[J].科技进步与对策,2000,17(1):71-72.

[8]黄彬,童晓敏,唐任仲.网络时代CRM应用中的若干个关键技术[J].机电工程,2001,18(5):14-17.

作者:于兴平 于腾飞 李洪建 单位:山东科技职业学院