數據挖掘在電子商務客戶關系中的應用

一、引言

隨著因特網的出現，電子商務大潮正在全球范圍內急速改變傳統的商業模式，傳統企業管理的著眼點往往在后臺，ERP系統幫助他們實現了這種內部商業流程的自動化，提高了生產效率。而對于前臺，往往重視的不夠，面對諸如:哪種產品最受歡迎、原因是什么、有多少回頭客、哪些客戶是最賺錢的客戶、售后服務有哪些問題等，大部分企業還只能依靠經驗來推測。作為專門管理企業前臺的客戶關系管理為企業提供了一個收集、分析和利用各種客戶信息的系統，幫助企業充分利用其客戶管理資源。

如何有效的處理海量客戶信息，從中挖掘判斷出客戶的消費趨向，實施一對一營銷成為擺在電子商務企業面前的一大問題。將數據挖掘技術用于電子商務的客戶關系管理幾乎是從數據挖掘誕生起就注定的。電子商務企業在與客戶接觸時，采用的亦多是網絡手段，這也決定了商家對客戶的管理以及保持不能再依靠傳統人際營銷，而是更加依賴于對客戶的消費習慣以及個人偏好的把握，而使得商家能夠做出準確判斷的。

二、電子商務客戶關系系統設計框架

電子商務客戶關系系統主要有三部分組成，即web服務器、數據倉庫、數據挖掘模塊。Web服務器上運行面向員工、客戶、伙伴的web應用程序，主要的業務是處理銷售和客戶服務。業務系統把數據存到數據倉庫中，需要數據時，從數據倉庫獲取數據。挖掘模塊根據決策需要采用合適的挖掘算法對數據倉庫中的數據進行挖掘，并把結果返回給決策系統，然后生成報表輸出。

1.電子商務CRM中的數據挖掘流程

電子商務CRM中的數據挖掘的主要流程是定義問題、數據預處理、算法應用、結果分析、知識的運用。定義問題就是要清晰地定義出業務問題，確定數據挖掘的目的。數據預處理主要是選擇在大型數據庫和數據倉庫目標中提取數據挖掘的目標數據集，這主要涵蓋了客戶登陸該電子商務網站時的背景信息以及過去的購買以及點擊流信息，然后進行數據再加工，包括檢查數據的完整性及數據的一致性、去噪聲，填補丟失的域，刪除無效數據等。算法應用是根據數據功能的類型和數據的特點選擇相應的算法，在凈化和轉換過的數據集上進行數據挖掘。結果分析是對數據挖掘的結果進行解釋和評價，轉換成為能夠最終被用戶理解的知識。知識的運用是將分析所得到的知識集成到業務信息系統的組織結構中去。

2.電子商務CRM中的數據挖掘算法

(1)神經網絡方法。神經網絡由于本身良好的自組織自適應性、并行處理、分布存儲和高度容錯等特性非常適合解決數據挖掘的問題，因此近年來越來越受到人們的關注。

(2)遺傳算法。是一種基于生物自然選擇與遺傳機理的隨機搜索算法，是一種仿生全局優化方法，具有的隱含并行性、易于和其它模型結合等性質使得它在數據挖掘中被加以應用。遺傳算法的應用還體現在與神經網絡、粗集等技術的結合上。

(3)粗糙集算法。粗集理論是一種研究不精確、不確定知識的數學工具。粗集方法有幾個優點:不需要給出額外信息;簡化輸入信息的表達空間;算法簡單，易于操作。粗集處理的對象是類似二維關系表的信息表。

(4)模糊集方法。即利用模糊集合理論對實際問題進行模糊評判、模糊決策、模糊模式識別和模糊聚類分析。系統的復雜性越高，模糊性越強。

3.電子商務CRM中的數據挖掘應用領域

(1)客戶細分。利用數據挖掘技術可對大量的客戶分類，提供針對性的產品和服務。這種一對一的關系從客戶的角度來看是個性化的，甚至讓他覺得是獨一無二針對他本人的。事實上，對于電子商務企業來說，一對一營銷是互聯網使得大規模定制成為可能之后的一種針對同類客戶的網絡營銷方式。

(2)客戶流失和保持分析。在客戶流失和保持分析系統中，數據挖掘技術根據以前擁有的客戶流失數據建立客戶屬性，服務屬性和客戶消費數據與客戶流失可能性關聯的數學模型，找出客戶屬性，服務屬性和客戶消費數據與客戶流失的最終狀態的關系。

(3)價值客戶判斷。在管理客戶組合時，理想狀況是擁有多層面的、具有不同利潤貢獻的客戶群組。也就是說,第一層面的客戶組群處于成熟期,在目前能夠貢獻豐富的利潤;而第二層面的客戶組群尚處于成長期,在目前的利潤貢獻很低，甚至沒有，但該層面的客戶組群是企業未來的盈利引擎;第三層面的客戶群組尚處于開拓期,在目前沒有利潤貢獻，但該層面的客戶群組是企業永續經營的增長引擎。

(4)客戶滿意度分析。客戶滿意度與客戶忠誠度密切相關，隨著客戶滿意度的增加客戶忠誠度也隨之增加。所以，企業與客戶交往的目標就是盡可能的增加客戶滿意度。

三、總結

本文本著實用、有效的原則，設計了電子商務客戶關系系統的框架，介紹了常用的數據挖掘算法，提出了在系統中數據挖掘的應用領域，對企業構建電子商務客戶關系系統具有十分重要的現實意義。