大数据时代客户关系论文

作者简介：陈双飞（１９７７－），男，讲师，硕士，研究方向：大数据、数字图书馆建设。•信息资源开发与利用•〔摘要〕随着云计算技术与大数据技术的发展，图书馆已经改变了传统的服务模式，图书馆行业间的服务竞争不断加剧。为了在竞争中处于有利地位，图书馆加强了对用户关系的关注。今天小编给大家找来了《大数据时代客户关系论文 (精选3篇)》，仅供参考，大家一起来看看吧。

大数据时代客户关系论文 篇1：

大数据时代银行客户关系管理

在大数据时代和银行业竞争日益激烈的环境下，商业银行需及时、合理地分析内外部环境，认识到客户关系管理的重要性。本文具体分析了大数据时代下商业银行客户关系管理现状，并对商业银行客户关系管理的实施采取了策略建议，希望未来商业银行能合理地使用大数据技术抓住机遇，提高核心竞争力。

一、完善数据仓库，细化客户分层

（一）扩充客户数据库

1.整合和开发新的客户渠道，如增强微信公众账号、微博企业官方账号的动态互动性，充分利用这些社交网络的作用，增加与客户的接触和了解，树立良好的品牌形象；2.开发新的客户服务渠道，通过聊天工具、论坛等方式对客户进行服务，形成与传统的电话客服并行的新的客服渠道，增加与客户接触的广度。

（二）强化客户数据信息采集

1.对于通过微信、微博和论坛等新媒介和社交网络获取的数据，银行可以将其与银行自身现有的数据进行关联，以获得更加完整的客户信息网络；2.发展自身的大数据平台。现在各大电商掌握了大量了客户数据，并且电商的支付被第三方支付方式所垄断，银行所能获取的信息有限。在这种情况下，银行可以考虑搭建自身的大数据平台，例如建设银行的“善融商务”等，获取属于自己的大数据。

（三）设计客户分类详尽标准

银行目前对于客户的分类较为粗略，不够精细。在今后的改进中，应制定出更为详尽的标准，细化现有的分类标准体系，对客户进行更为精准的划分和定位，以便提供更加有针对性的产品和服务。

二、建设客户动态管理系统，维持新老客户

（一）重视客户数据更新，及时掌握客户动态

在传统的客户关系管理体系之下，客户信息的获取属于被动式的接受，即只有当客户来行里办理业务时，才会对其进行信息的收集和积累。但在大数据背景之下，这一被动式接受的方式已经不再适用，电子金融的发展使得客户数据每天都在发生着无数的变动。因此，对于客户数据的更新银行应该从被动式的接受变为主动式的发掘，主动去通过社交网络等方法对用户信息进行跟踪，更新自身的数据库，及时掌握客户动态，才能够在大数据时代立足。

（二）依据客户变化，做好客户出入库信息管理

客户信息的更新和变化必然导致其分类的变动，银行要做到及时跟踪用户的变化，及时对客户所属的类别进行更新。另一方面，客户流失率是一个必然存在的问题，因此对于已经流失，或新增加的客户，银行要做到对其的出入库信息进行有效的变动，做到对自身的业务情况有着实时且准确的掌控，避免信息滞后带来的损失。

三、构建数据信息交换平台，促进客户互动

（一）深入分析客户长期价值

客户的消费能力和消费习惯是不断变化的，因此客户所需要的业务也是不断变化的，传统客户关系管理中是对客户的变化进行被动式的接受，即当客户提出自身的变化需求后，银行才会采取措施满足其新的业务需求。显然，在银行服务竞争激烈的今天，这种被动式的服务无法满足客户的需求。银行可以利用大数据所带来的红利，对客户的需求进行预先估计，对客户的长期价值进行发掘，提高客户忠诚度的同时也发展了其潜在的长期价值。

（二）加快客户需求信息反馈

传统的客户关系管理模式之下，银行对于客户信息的反馈多是通过调查和投诉两种渠道来获取，这两种渠道都有着不同程度的滞后性。尤其是投诉，更是以损害银行利益为代价的用户需求反馈。在大数据背景之下，银行可以利用微信、微博和论坛等社交工具，通过阅读客户的评论和咨询，实时了解客户的需求信息。一方面，借助这种方式可以对客户需求进行快速有效的反馈，另一方面，通过对大量用户评论的收集和整理，可以总结发现一些普遍反映的共性问题，通过对共性问题的解决增加大多数客户的满意度。

四、在营销上，实施差异化营销政策

大数据时代下数据挖掘等先进技术的广泛应用，使基于交易记录的客户需求偏好分析成为可能，在此基础上，商业银行应立即改变“做了再算”的营销模式，对产品进行投放测试。从客户关系管理角度分析，商业银行如果在竞争中取胜的话，就要准确判断出在客户需求中哪些是基本需求，哪些是特殊需求，并适时采取相应的政策。如今，每一家商业银行基本上都能为客户的基本需求提供无差异服务，在客户选择产品或服务时，它们都不存在绝对优势。因此满足客户的特殊需求才是决胜的关键。这需要对不同年龄、偏好、职业、受教育程度的客户进行细分，提供适合他们的金融产品和服务，做到“量身定做”，进行差异化营销。

五、在服务上，利用大数据技术实现客户全流程服务

对于客户来讲，银行提供给他们怎样的服务和感受是至关重要的。倘若缺乏情感的联系，客户很难获得满意而达到忠诚。而推行大数据技术应用，对客户全流程的服务和管理便可能实现，可以提供给客户随时、随地、随心的服务体验。例如，在产品设计时，可以对大量客户的行为数据进行建模分析，为客户设计出差异化的产品和服务；在贷款申请时，根据客户的收入、学历、家庭资产等特征，对客户的信用变动进行预测，支持客户贷款无纸化申请和在线审批的发放；在贷后预警时，可以处理和分析银行现有的交易记录和非直接交易数据，构建客户档案，分析寻找相关行为趋势特征，预测风险发生。

六、结语

在可以预见的未来，数据将成为商业银行的宝贵财富，各家银行势必在大数据分析上展开一场新的厮杀。大数据分析将深刻改变商业银行现行的经营管理模式，也將给客户带来更加个性化、便捷的服务。（作者单位为西南财经大学）

作者：邓茗予

大数据时代客户关系论文 篇2：

大数据时代图书馆基于服务生命周期的客户关系管理研究

作者简介：陈双飞（１９７７－），男，讲师，硕士，研究方向：大数据、数字图书馆建设。•信息资源开发与利用•

〔摘要〕随着云计算技术与大数据技术的发展，图书馆已经改变了传统的服务模式，图书馆行业间的服务竞争不断加剧。为了在竞争中处于有利地位，图书馆加强了对用户关系的关注。本文对大数据时代基于服务生命周期的图书馆客户关系管理进行了研究，该策略可改善用户服务标准和提高用户满意度，具有较强的实用性。

〔关键词〕大数据时代；服务生命周期；图书馆；客户关系管理

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０１４．０５．０１９

〔

Study for Customer Relationship Management for Library

Based on Service Life Cycle in Big Data EraChen Shuangfei

（School of Information Engineering，Lanzhou university of Finance and Economics，Lanzhou 730020，China）

〔Ａｂｓｔｒａｃｔ〕With the development of cloud computing technology and big data technology,libraries have changed the traditional mode of service,enhanced competition in the library service mode.In order to be in a good position in the competition,libraries have to shift the focus to the customer relationship.In this paper,we studied for customer relationship management for library based on service life cycle in big data era,it could improve the server level of customer service and satisfaction,and has preferable strong practicality.

〔Ｋｅｙｗｏｒｄｓ〕big data era;service life cycle;library;CRM

随着读者阅读需求的增长和用户服务模式变革，云计算、传感器、高速传输网络、多媒体处理和大数据等技术，已大量运用于图书馆的基础设施构建和用户服务过程中，图书馆数据环境呈现海量（Volume）、多样性（Variety）、价值（Value）和高速（Velocity）的4个“V”特性，图书馆已进入大数据时代。

大数据时代，客户关系管理是一个明确读者需求和服务市场竞争环境，提高图书馆服务保障力和客户关系管理能力的问题。只有将图书馆服务保障模式从“以产品为中心”向“以客户为中心”转变，才能最终实现用户服务的目标。百度百科对大数据的定义为：“大数据（big data）或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯”。因此，图书馆大数据环境与传统IT环境相比，具有安全威胁多、结构复杂、管理难度大和可控性差的特点。如何利用大数据资源增强客户关系管理（Customer Relationship Management，CRM）和服务有效性保障，是提高图书馆用户满意度、忠诚度和服务价值的关键［１］。

１大数据时代图书馆CRM的需求与挑战

１１CRM对大数据样本的可用性需求

传统IT环境下，受到数据采集技术、计算处理与存储性能、数据分析和决策能力影响，图书馆通常会采集数据总量小，但可整体反映服务环境特点、用户需求和服务实际的样本数据，为CRM应用提供数据支持。这种基于微量样本数据的CRM分析，可能会由于所采集的样本数据误差和片面性而导致CRM决策不准确，不能正确反映服务市场的实际和客户需求。此外，图书馆CRM管理是基于已采集的历史数据而进行的分析与决策，历史数据采集的对象、内容、方法和途径科学性，也是关系CRM分析与决策的重要因素。第三，大数据环境下，数据具有复杂、多样、价值密度低和处理难度大的特点。图书馆CRM系统管理软件的安全性、效率、经济性和可用性，是关系CRM应用安全、实时、精确和低成本的关键。

１２CRM系统对读者价值的快速发现和准确定位需求依据二八定律可得出，20%的核心读者为图书馆贡献了80%的服务收益，而80%的普通读者只为图书馆贡献了20%的服务收益。因此，图书馆应利用CRM系统实现读者群的准确发现、精确定位和科学划分，才能提高图书馆的保障力、竞争力和服务收益。

首先，由于数据环境的变化，传统的利用读者访问频率、时间、内容和方式的用户群划分模式，已不适用大数据环境下的CRM管理需求。图书馆应采用基于大数据的读者个体特征、阅读需求、阅读社会关系和阅读收益率，进行新的读者群体划分和客户定位。其次，大数据环境下，如何利用CRM系统的分析与决策支持，挖掘、开发潜在读者群和提高现有用户群的整体质量。以及根据读者群的特点和需求，定制、开发相应的服务系统、模式和内容，也有利于提高读者的信任度和满意度。第三，必须加强图书馆CRM系统的读者资料更新和实时分析、决策能力，才能根据读者需求和服务环境的变化实际，为用户个性化服务提供可靠的CRM决策支持。

３大数据环境下CRM管理增强读者阅读忠诚度的需求图书馆在用户服务中，赢得新读者的成本要远高于维持现有读者的成本。因此，图书馆应加强大数据环境下的CRM管理，不断增强和强化读者的阅读忠诚度。

大数据时代，由于顾客在文化水平、阅读需求、服务环境和阅读终端等方面具有较强的差异性，因此，对图书馆的个性化服务水平提出了较高要求。要求图书馆利用基于大数据的CRM管理服务，精确理解读者的个性化阅读需求，并通过为读者提供更安全、高效和个性化的服务来增强服务收益。其次，图书馆CRM管理系统构建应以读者个体特征资料、阅读内容与行为、个性化需求与阅读习惯、阅读反馈和阅读环境数据为基础，通过对读者的意见反馈、系统运营与服务监控数据分析，不断增强个性化服务内容与模式的用户针对性，提高读者阅读活动的满意度和忠诚度。第三，CRM管理系统与决策过程应具备较强的读者自主反馈管理功能，能够通过读者阅读活动反馈信息对服务模式与内容动态调整，提高读者阅读体验［２］。

１４对读者阅读生命周期全程实现CRM管理的需求

大数据时代，图书馆应依据CRM应用需求制定科学的CRM策略，完成对用户服务模式和业务流程的优化和改造，才能增强服务的效率与质量，才能提高用户阅读满意度和忠诚度，最终实现服务收益的最大化。

图书馆CRM应以读者个性化阅读需求和阅读活动为中心，覆盖读者阅读活动生命周期全程。CRM管理内容应包括用户个性化阅读需求管理、服务模式管理、客户关系管理和技术服务支持等方面，最终实现读者、技术、服务的最佳结合。此外，CRM管理系统应具备较强的人机交互和反馈控制功能，必须在用户个性化服务过程中完成价值客户的发现、挖掘和服务关系维系与增强。第三，CRM管理过程必须支持全天候不间断服务和多方式的关系管理与维护，并将CRM关系数据和决策数据存储于大数据平台上，完成与其他决策和服务平台的数据共享，最终提高图书馆的服务市场环境分析、用户个性化阅读需求预测、个性化服务保障和客户关系管理的能力。

１５图书馆管理体制与业务模式转型的需求

大数据时代的来临，为智慧图书馆建设和智慧服务模式构造提供了可靠的数据支持。与传统IT数据环境相比，图书馆大数据环境将更加复杂、多变，如何在海量、复杂和多类型的大数据资源中发现数据价值，是图书馆在系统运营与用户服务管理中，完成由经验决策过程向数据决策过程转变的重要依据。此外，图书馆在CRM管理过程中会产生海量的系统运营监控数据、用户服务数据、图书馆与读者关系和互动数据、客户个体特征和社交关系数据、读者阅读行为和情感数据等。图书馆可依据这些数据支持，对读者需求、服务环境变化趋势、读者关系管理和服务进行实时分析与决策，提高图书馆管理体制的科学性与服务可用性。第三，图书馆基于大数据的CRM管理过程，也是图书馆对客户体验管理、服务场景感知、服务内容与方式优化、服务营销智能和自动化管理等，进行数据全面采集和精准挖掘的过程。图书馆可依据CRM采集的价值数据，完成服务业务模式和读者个性化阅读需求的同步转型。

２基于大数据的图书馆CRM系统构建与客户关系管理２１科学构建CRM大数据库和管理信息系统

科学构建CRM大数据库和管理信息系统，是图书馆安全、高效、经济、便捷实现用户服务过程CRM的关键。

首先，图书馆应构建面向读者服务的大数据库系统。大数据库系统所采集的数据应全面包含图书馆信息、用户服务需求、服务模式与方法、读者个体特性、读者阅读行为和反馈数据、阅读服务市场环境特点数据、服务市场需求和保障信息、用户服务相关的法律规定等数据信息。数据的采集与整理，主要应通过读者登记与反馈、传感器与监控设备采集、第三方数据共享等方式完成，并利用大数据管理平台对数据进行价值过滤和预处理。其次，大数据库中CRM关系数据的存储与管理，应以读者需求和服务保障为目的，坚持全面、精确、高价值和可用，以及CRM应用与用户服务过程相结合的原则。第三，CRM管理系统应明确数据挖掘、处理、分析和决策的目标，并建立相应的CRM应用数据标准和数据质量保障管理体系，提高CRM的效率、准确性、经济性和可用性。第四，图书馆应明确CRM应用的需求和目标，采取自建和与第三方合作开发的方式，保证CRM管理系统具有较强的读者适用性［３］。

２２CRM管理系统应依据客户价值准确划分读者群

CRM管理系统应通过对大数据库信息的分析，安全、高效地开展读者个性化阅读服务，发现、增强和提升客户感知，最终保持、拓展读者群数量和提高图书馆阅读服务收益。

CRM管理系统必须基于大数据库资源支持，按照读者的个体特征、阅读需求与爱好、阅读终端类型与服务模式、图书馆服务收益等，将读者划分为普通读者、发展型读者、高价值读者和负价值读者四种类型。然后依据读者的特点、服务需求、服务成本投入与服务收益，为用户提供不同的服务模式和内容，最终实现读者阅读收益和图书馆服务收益最大化。其次，在CRM应用中，高价值读者和普通读者是关系图书馆服务收益的关键因素。因此，图书馆应结合二八原理，重点加强高价值读者的忠诚度保持和普通读者群的高价值转化工作，在不增加服务成本的前提下，大幅度提高读者群整体阅读和图书馆服务的收益率。第三，CRM系统应通过对客户行为和反馈数据的分析，准确掌握读者的信用度、忠诚度、阅读满意度、客户流失概率、阅读服务收益贡献度等，完成对图书馆服务的风险预警和评估，帮助图书馆制定符合用户阅读需求和服务质量保障的CRM管理策略。

２３利用CRM管理系统准确发现读者的阅读服务需求图书馆应依据用户服务系统运营监控数据和读者反馈，准确掌握图书馆存在的问题、服务系统功能需求和未来服务模式发展趋势，并依此制定相应的CRM应用标准和实施目标，对CRM管理的内容、时间、标准、成本和实施方式进行详细规划，保证CRM实施过程高效、经济。此外，CRM系统应通过对读者阅读需求、图书馆服务模式和方法、服务成本和阅读收益、QOS（服务质量）评估数据的整合和智能化分析，为图书馆CRM应用和服务过程提供可靠的数据决策支持，保证图书馆实现从以服务产品为核心，向以读者服务为核心的服务理念转变。第三，当读者阅读服务需求和市场环境发生变化后，CRM管理系统应实时加强图书馆与读者之间的联系与交流，以增强现有客户关系、发现与发展潜在客户、提高客户的价值属性为目标，真正建立以读者为核心的图书馆管理与服务体系［４］。

２４基于大数据的客户群扩展与读者忠诚度保证

图书馆CRM管理的根本目的是全面分析读者的个体特征、社会关系和阅读行为属性，准确了解读者的自身特点、服务需求、阅读行为模式和阅读内容，为读者提供安全、高效、经济、便捷的个性化阅读服务，最终实现增加阅读客户群体数量、提升读者忠诚度、降低客户流失率和提高图书馆阅读服务收益。

图书馆CRM应用中，针对读者个体的分析主要应包括读者个性化阅读活动满意度分析、用户忠诚度分析、读者价值和阅读收益能力分析、读者的生命周期价值分析4个部分。首先，图书馆可依据对用户阅读需求和阅读行为分析的结果进行建模，依据模型对为不同类型读者提供的服务方式进行评估。基于服务成本最低和服务收益最高的原则，为该类型读者分配最佳的服务模式来提高阅读满意度。其次，图书馆通过对所采集的读者满意度反馈信息、服务评估数据、服务建议等数据分析，能够发现具备高价值属性的潜在用户，可采取积极、主动的营销策略扩展读者群规模。第三，图书馆发展一个新读者的成本远高于保留一个老读者的成本。因此，应通过对读者的数据挖掘、处理和分析，准确掌握用户忠诚度的变化趋势，并制定有效的CRM管理策略来规范用户管理，提高读者的阅读忠诚度和避免客户流失。

２５为读者提供基于大数据的个性化阅读推荐服务

大数据时代，随着图书馆基础设施水平的发展和服务模式变革，服务商之间硬件设施、服务模式与内容的差异日益缩小，服务产品与服务模式已不是决定图书馆业界竞争力的主要因素，图书馆间的竞争已转变成以读者个性化服务为核心的综合服务能力竞争上。

关系读者阅读活动满意度的主要因素有服务的个性化程度、效率、准确性、实时性和提供速度。图书馆只有保证服务产品可以大幅度增强读者的阅读满意度，能够改善与客户的关系，才能提高用户对图书馆和服务的信任感，才能吸引新顾客和提升老顾客的忠诚度。其次，图书馆应通过CRM系统保障用户个性化服务的需求，为读者提供推送式的个性化广告服务，努力将用户服务需求的“发现”与“挖掘”过程，转变为用户服务需求的“创造”与“实践”过程。第三，基于大数据CRM的图书馆个性化服务过程，应重点加强基于读者大数据资源全面整合的信息交流，以此增强图书馆与读者的互动效率。特别应加强对核心读者群的CRM管理与服务，在增强经济效益的同时，提高图书馆服务的社会影响与收益［５］。

３结束语

大数据时代的到来，为图书馆CRMT管理与应用提供了全方位、海量、高价值和快速计算的大数据资源支持，使管理员更加全面、真实地了解图书馆的系统运营、服务竞争环境、读者个性化阅读需求和客户关系实际，并可依据CRM决策对用户服务的业务流程、内容、模式和方法进行变革，最终提高读者满意度和培育忠诚客户。但是，大数据环境特有的数据海量、结构复杂、低价值密度和高应用成本特点，导致图书馆CRM应用具有较多的安全问题和不稳定因素。因此，图书馆只有树立以读者为中心的服务理念，把CRM管理融入图书馆的服务平台构建、业务流程重组、客户关系保障和服务有效性评估中去，才能实现读者、服务和技术的高效统一，才能提升级读者价值、个性化服务满意度、用户忠诚度和图书馆服务收益，才能为读者提供基于大数据环境下CRM管理的个性化智慧服务。

参考文献

［１］马宝龙，李飞，李金林．关系营销中客户回报计划对客户品牌选择行为的影响研究［Ｊ］．中国管理科学，2009，17（5）:57-64.

［２］谷玉华,文娟,何亚妮.我国图书馆客户关系管理研究［Ｊ］.现代情报，2012，32（12）：29-32.

［３］邹鹏,郝连才,李一军.基于互惠理论和前景理论的客户回报计划对客户忠诚影响［Ｊ］.管理评论,2014,26（1）:120-129.

［４］罗海成．顾客忠诚的心理契约机制实证研究［Ｊ］．管理评论，2006，18（1）:57-62．

［５］殷琪．企业客户关系管理系统体系结构研究［Ｊ］.图书情报工作，2009，53（22）:143－146.

（本文责任编辑：孙国雷）

作者：陈双飞

大数据时代客户关系论文 篇3：

客户关系管理在“大数据”时代下的数据挖掘研究

摘要：许多企业都收集了大量的客户数据存储于企业的数据库中，通过深入分析和挖掘隐藏于这些数据中的有用信息可以很好的实现企业的客户关系管理（CRM）目标。但大部分企业都面临着如何更有效地管理数据库中不断增长的海量数据以及如何将这些数据转化成有用的知识的难题，发展运用数据的挖掘技术可以很好地帮助企业解决这个问题。

关键词：数据挖掘；客户关系管理；海量数据

以客户为导向是电子商务时代一个最主要的特征。客户关系管理（Customer Relationship Management CRM）就是企业利用信息技术，通过对客户的跟踪、管理和服务，留住老客户、吸引新客户的手段和方法。现代社会竞争日益激烈，企业要想留住客户的心单单靠提高产品质量已经远远不够了，提高企业的市场竞争力最主要的一点就是要为客户提供最优质的服务。由于企业客户的需求存在多样性，当务之急是针对不同的客户提供个性化的服务[1]。许多企业已经对客户关系管理所能发挥的作用有所了解，它能够让企业对客户的需求有更深入的了解，并能在企业产品和服务的设计方案中及时采纳相关客户的反馈意见，从而能将深层次的个性化服务提供给客户。

企业要想实现利润的最大化，就必须对客户的行为有充分的把握，根据客户的不同类型采取相应的策略：即必须拥有忠诚度较高的长期客户。这就要求企业将本身的经营模式逐步由“以产品为中心”向“以客户为中心”转换，因此“以客户为中心”的经营理念开始广泛流行起来。CRM（Customer Relationship Management）的概念是由美国计算机技术咨询集团Gartner Group于1997年第一次提出，CRM的出现使得“以客户为中心”的经营理念由空洞的口号转变为有一套实际理论支撑的可操作体系。2000年左右，CRM概念传入国内并成为国内企业应用领域的热点研究方向之一。

由于近年计算机、通讯技术和网络应用技术的飞速发展，CRM在实现方面获得了强大的技术支撑，相关的技术知识如：数据库和数据仓库、数据挖掘、客户机/服务器体系、知识发现、图形用户界面、决策支持、Internet和电子商务技术、面向对象技术、呼叫中心等等，很多理想中的CRM功能由此能够被实现成为新产品。现在，经过十多年的发展，客户关系管理已经融合了现代市场营销和现场服务的理念，并集成了CTI（计算机电话集成技术）和Internet（互联网技术）等相关技术，开始进入它的成长、壮大和快速发展时期。

1 大数据环境下客户关系管理特征分析

客户关系管理最早是由Gartner Group形成完整的概念，其核心思想是通过建立一套系统，使企业能够在市场竞争、客户服务、销售及支持等方面形成一个彼此协调合作的全新关系实体，企业因此在竞争方面具有更长久的优势。

尽管CRM的思想产生已久，直到近几年来由于信息技术的发展取得较大的成果，其实现才出现了较快的进展。软硬件、培训和专业服务是CRM用于企业解决的方案内容，通过使用硬件、培训设计和购买专业服务能够将全面实时的数据提供给公司员工，从而使他们对每个客户的购买历史和具体需求有清楚的认识，因此他们能在对客户充分理解的前提下为之提供优质的服务。通过CRM应用系统，公司可以收集到有关每次企业与客户之间交流、每次企业销售活动、每次企业产品升级和客户支持等问题的详细信息，并分析利用这些信息来逐步提高产品的服务和质量，最终使客户成为忠诚度较高并且有利可图的终身客户。

尽管CRM的方法很吸引人，但直到时间进入20世纪90年代后期，客户关系管理的概念才开始逐渐深入到一些大型公司的决策管理层。IBM的相关调查结果显示，大多数的企业，特别是许多中小规模的企业，仅仅是初步了解了一些客户关系管理的应用，对于客户关系管理特定的解决方案则知之甚少。虽然许多公司都对客户数据进行了收集，但这些数据通常分布在公司的各个部门中，并没有很好地实现在整个公司范围内进行有效的连接和整合。

由于信息技术的迅速发展特别是互联网技术的不断更新CRM在近些年得到了大力推广，如果缺少了信息技术的核心互联网技术不断进步的推动，CRM的实施过程一定不会像现在这般顺利。互联网可以被形容成是CRM前进的助推器，具体的IT技术应用包括：数据挖掘、数据库、数据仓库、呼叫中心和网络浏览器中的个性化客户服务系统等等，这些技术与CRM的应用同步取得了发展和前进。

2 大数据环境下数据挖掘技术分析

数据挖掘（DM，Data Mining）是指从数据库的大量数据中提取隐含的、先前未知的并有潜在价值的信息和知识的过程。下面给出的数据挖掘的定义主要分为技术层面和商业层面[2]。

数据挖掘的技术定义。从技术的角度来看，数据挖掘是从海量的、不完整的、有噪音的、模糊的、随机的实际数据中，提取隐含在其中的、事先无法获知的、但又有潜在价值的信息和知识的过程。因此数据被看作是知识的源泉，数据挖掘的过程就好像是在许多的金矿石中千挑万选淘出金子一样。发现的知识可以用来对信息进行管理，也可以用于查询优化，决策时提供支持以及对过程进行控制等。数据挖掘由此成为一门交叉多种理论的学科，人们应用数据的能力从低层次的简单数据检索，提升到利用数据挖掘技术从数据库中发现知识，并为决策提供支持。

数据挖掘的商业性质的定义。从商业应用的方面来看，数据挖掘是一种全新的对商业活动中收集的客户的资料进行处理的技术。数据挖掘是利用机器学习和统计学的相关技术，希望建立一种模式可以用来模拟客户与市场的行为。目前，数据挖掘通过与企业商业数据仓库的紧密结合已经可以实现自动化挖掘，并且将挖掘的结果以方便快捷的形式向企业管理决策层展示。在数据挖掘应用中不单要解决选择优秀算法来建立最佳模型的问题，而且更关键的是要解决企业复杂多变的信息采集与收集环境与数据挖掘技术如何结合的问题。其次，因为数据挖掘技术也有自身的缺陷，它无法拥有或模拟人类的直觉和经验，所以对于挖掘得到的模式还需要靠数据挖掘分析人员来鉴别出它们的现实意义。因此，在数据挖掘过程中分析人员也必须参与进来[2]。

3 大数据环境下数据挖掘技术在客户关系管理中的应用

信息技术迅速发展过程中的数据库技术和计算机网络技术的广泛应用导致企业所采集和存储的数据量急速膨胀。企业商业运作中的利弊得失实际都蕴藏在所采集的海量数据与信息之中。为了帮助企业更好地进行商业运营决策，就必须迅速有效而且深入地分析和处理这种海量数据与信息，从中发现一些模式和规律，获取所需要的知识。在这种市场需求的背景中数据挖掘技术及其产品得到逐渐的发展并成熟，企业在数据挖掘中的投资也获得了较高的回报。在客户生命周期的每个管理阶段，企业都可以使用到数据挖掘产品。客户的特点在数据挖掘中可以被有效地确定，从而帮助企业有针对性的为客户提供服务。通过研究发现，在CRM中的数据挖掘应用主要有以下几个典型方面。

3.1 客户分类分析

企业为了同客户建立起持久的关系，在每一次与客户接触的过程中都要对每一个客户进行充分的了解，这就是“一对一营销”策略，这是营销理论的重要观点。将所有可以细分的群体从一个大的消费群体中划分出来的过程就是客户分类的过程。比如不同需求和交易习惯的客户群体可以根据客户的性别、收入和交易行为特征等属性进行细分，具有相似属性的客户被划分在同一个类里，而属性差异比较大的客户被划分在不同类之中，同时，在推测某个消费群体的消费行为的时侯可以参考关于这个群体的兴趣、消费倾向和产品需要等方面的描述。针对有价值的客户群体，企业可以开展更具针对性的促销活动，提供个性化的服务，从而使企业获得更大的投资回报。

企业在客户分类中，可以利用对现有的客户进行聚类的结果按客户的不同价值进行分类标识客户（普通客户、最具增长型客户、高价值客户、负价值客户），在描述客户的特征时则可以使用决策树算法来建立分类模型。独立的客户细分群可视为决策树的一个叶节点。客户的某些特定特征用来定义每个叶节点，发生一些预测当遇到与这些特征相吻合的客户时。

3.2 客户行为分析

客户的满意度、忠诚度、响应度、客户流失预测，交叉销售等多方面的分析可以由分析客户行为的模块来完成，客户关系建立的基础在于客户满意程度、忠诚度的长期保持，而这将对企业的持续发展盈利能力的提高起到有效的帮助。为降低销售方面的成本，改善企业销售和促销方面的行为，就需要对客户的响应度进行分析，这可以有效的提高促销的目标性。对可能流失的客户进行预测分析可以帮助企业采取有效措施挽留客户避免客户的流失，而发现交叉销售的机会则需要通过对现有客户购买产品行为数据的关联分析，企业为客户提供更加周到的服务，可以获得更大的收益。

客户满意度分析：客户满意度分析是一种已经有自己的分类标准的数据挖掘分类任务，是对企业提供的某种产品或者是某项服务的消费情况的总体评价，使用公式和自己设定的度量标准，并结合时间和另外的参数，对客户购买产品、意见反馈、维修及投诉电话等信息进行分析，发现导致客户满意度降低的缘由，从而针对性的提高客户的满意度。

客户忠诚度分析：客户的忠诚度是指企业的现有用户倾向于继续购本企业产品或服务的程度。企业对客户的忠诚度开始进行分析，并客户忠诚度的变化情况进行关注，对现有的客户数据通过客户购买倾向的度量来进行分类，从而实现对当前客户的保持。

客户盈利能力分析：客户盈利能力分析是采用数据挖掘系统来分析并预测客户的盈利能力在不同市场活动情况下的变化情况，从而帮助企业及时调整自身的市场策略。首先为了确定客户的价值需要通过制定公式来计算客户的盈利能力，企业为给下一步的数据挖掘应用指出明确的方向，可以根据计算公式来设定一些优化的目标，然后，再使用挖掘工具对客户进行分析以及分类，将客户划分为真正创造利润的、无利润的和存在潜在利润的客户等，企业的营销策略可以按它的指向发生变化，实现保留有价值客户同时对潜在客户进行再次开发，将成本的花费控制在最低。

客户生命周期价值分析：客户生命周期价值分析是对企业现有客户或潜在客户在某一段时期内的价值进行预期。主要表现在通过收入、成本以及风险来计算客户在不同时期的收入、成本、风险，然，找出服务属性、客户属性和客户消费属性与最终客户流失状态之间的关系，建立预测模型来分析并预测当前客户是否存在流失的可能性。只有拥有稳定的老客户和不断获得新增客户才能保持企业的不断成长和发展壮大，通过使用数据挖掘你可以识别企业是否存在潜在的客户群体，从而避免流失有价值的客户，并对市场的活动做出积极的响应。

3.3 市场分析

企业要想在市场中生存下来，关键要把握住市场的动态，对市场发展趋势做出积极响应，这样才能在市场激烈的竞争中立于不败之地。分析市场的走势主要考虑以下因素：商品销售区域信息、商品日/月销售数据、商品类别、竞争对手产品发展情况、商品新技术的影响等。对基于时间序列的销售数据采用时序分析的方法进行趋势分析，分析并预测出市场的趋势变化、季节性变化、循环变化和非规则或随机变化。客户关系管理使用数据挖掘技术所建立的系统，其管理的核心应该是以客户为中心的，以客户数据为核心的，集成客户、人员关系管理系统和数据挖掘技术为一体的综合性互动应用系统。CRM通过对企业和客户的互动进行管理来减少销售环节，降低销售成本，及时发现市场和渠道，从而提高客户价值、客户满意度、客户利润和忠诚度

4 结束语

目前国内很多企业的信息化和网络化的程度都已经达到较高的水平，基本上都进入了信息化的基础阶段。实现CRM的前提条件便是要提高企业管理水平、信息化水平、办公自动化程度和员工计算机应用能力。由于CRM最基础的项目是客户信息，因此企业需要依靠商业智能、数据仓库和数据挖掘等技术的发展来提高对客户信息进行收集、整理、加工和利用的能力[4]。未来国内企业在通讯方面的花费预期会得到较大的降低，而这将是电话和互联网发展的直接推动力，进而会使呼叫中心的发展得到较大的推进。企业可以使用电话与网络相结合的统一平台与客户进行交流。

参考文献：

[1] 栗粟.数据挖掘在电信行业CRM中的应用[D].长春：长春理工大学，2008.

[2] 王力.数据挖掘在客户关系管理中的应用研究[D].淮南：安徽理工大学，2009.

[3] 崔海莉.基于CRM的数据挖掘技术研究及应用[D].合肥：合肥工业大学，2006.

[4] 林杰斌.数据挖掘与OLAP理论与实务[M].北京：清华大学出版社，2003.

作者：陆静