武汉理工人学硕士学位论文摘要对于现代企业而言，相互之间的竞争已从产品的样式和质量上的竞争转移到 争夺客户的竞争上来了。面对日益激烈的市场竞争，企业逐渐意识到维系与顾客之间的长久关系的重要性。客户关系管理（ＣＲＭ）就是企业通过对客户的管理来提升企业市场竞争力的一种全面的电子商务解决方案。它与企业资源计划ＣＥＲＰ）以及供应链管理（ＳＣＭ）一起构成了企业信息化建设的基本构架。客户关系管理的核心内容是利用信息技术对客户资源进行集中式管理。把经 过分析和处理的客户信息与有关客户的各种业务领域进行无缝结合，让市场营销、产品销售、客户服务和技术支持等各部门的管理能共享客户资源，使企业可以根据客户的喜好和需求提供有针对性的服务，提高客户满意度和忠诚度，最终提升企业利润。本文首先介绍了论文的研究背景、国内外的研究现状、客户关系管理的概念 及相关理论，重点分析研究了客户关系管理的基本理念、基本特征和客户关系分析模型，并从经济学和市场营销学角度阐释了客户关系管理。接着本文介绍了数据挖掘的基本原理和实际应用模型，在对数据挖掘技术和应用模型进行分析的基础上，将数据挖掘技术应用于客户关系管理。最后结合一个移动通信公司客户跳槽原因分析与决策问题，具体说明了数据挖掘深化客户关系管理的实际应用。论文从客户满意为中心的基本理念出发，明确提出了客户关系管理的三个 衍生理念并分析了三者之间的互动关系。论文还明确提出了客户关系管理的理念性、机制性和策略性特征，这些概念的形成对于客户关系管理系统的结构设计、功能分析，对于客户关系管理的实际运作、系统实现及推广应用具有指导意义。论文重点讨论得几个客户关系分析模型有助于强化客户关系管理的量化指标，并有利于充分发挥数据挖掘在客户关系管理中的作用．论文关于数据挖掘在客户关系管理中商业价值的分析和提出的在实施数据挖掘中要解决的几个问题，明确了数据挖掘在客户关系管理中应用的基本问题。关键词：客户关系管理，客户价值，营销战略，数据挖掘武汉理工大学硕士学位论文Ａｂｓｔｒａｃｔ Ａｓ ｆａｒ ａｓ ｃｏｒｐｏｒａｔｉｏｎｓ ｗｅｒｅ ｃｏｎｃｅｒｎｅｄ， Ｉｎｓｔｅａｄ ｏｆ ｔｈｅ ｍｏｄａｌｉｔｙ ａｎｄ ｑｕａｌｉｔｙ ｏｆｐｒｏｄｕｃｔｉｏｎ， ｔｈｅ ｃｏｍｐｅｔｉｔｉｏｎ ｂｅｔｗｅｅｎ ｔｈｅｍ ｉｓ ｔｏ ｓｃｒａｍｂｌｅ ｆｏｒ ｃｏｎｓｕｍｅｒｓ． Ｔｏ ｐｏｓｓｅｓｓｃｏｎｓｕｍｅｒｓ ｉｓ ｔｏ ｏｗｎ ｅｖｅｒｙｔｈｉｎｇ． Ｆａｃｉｎｇ ｗｉｔｈ ｔｈｅ ｄｒａｓｔｉｃ ｍａｒｋｅｔ ｃｏｎｔｅｓｔ， ｔｈｅｅｎｔｅｒｐｒｉｓｅｓ ａｒｅ ｗｅｌｌ ａｗａｒｅ ｏｆ ｔｈｅ ｉｍｐｏｒｔａｎｃｅ ｗｈｉｃｈ ａｂｏｕｔ ｔｈｅ ｐｅｒｍａｎｅｎｔ ｒｅｌａｔｉｏｎｓｈｉｐｗｉｔｈ ｃｌｉｅｎｔｓ ａｎｄ ｔｒａｎｓｆｅｒ ｉｔｓ ｃｏｍｐｅｔｉｔｉｖｅ ｓｔｒａｔｅｇｙ ｆｒｏｍ ｐｒｏｄｕｃｔｉｖｅ－ｃｅｎｔｅｒ ｔｏｃｕｓｔｏｍｅｒ－ｃｅｎｔｅｒ． Ｃｕｓｔｏｍｅｒ ｒｅｌａｔｉｏｎｓｈｉｐ ｍａｎａｇｅｍｅｎｔ ｉｓ ａｎ ｅ－ｃｏｍｍｅｒｃｅ ｓｏｌｕｔｉｏｎ ｔｈａｔｃａｎ ｐｒｏｍｏｔｅ ｔｈｅ ｍａｒｋｅｔ ｃｏｍｐｅｔｉｔｉｏｎ ａｂｉｌｉｔｙ ｏｆ ｅｎｔｅｒｐｒｉｓｅ ｂｙ ｍａｎａｇｉｎｇ ｃｕｓｔｏｍｅｒ＇ｓ ｄａｔａ．Ｂｏｔｈ ＣＲＭ ａｎｄ ＥＲＰ （Ｅｎｔｅｒｐｒｉｓｅ Ｒｅｓｏｕｒｃｅ Ｐｌａｎｎｉｎｇ） ａｎｄ ＳＣＭ （Ｓｕｐｐｌｙ ＣｈａｉｎＭａｎａｇｅｍｅｎｔ） ｂｕｉｌｄ ｕｐ ｔｈｅ ｂａｓｅｓ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ｏｆ ａｎ ｅｎｔｅｒｐｒｉｓｅ．Ｔｈｅ ｃｏｒｅ ｏｆ ＣＲＭ ｉｓ ｃｅｎｔｒａｌｉｚｅｄ ｍａｎａｇｅ ｔｈｅ ｃｕｓｔｏｍｅｒ． ｒｅｓｏｕｒｃｅ ｗｈｉｃｈ ｕｓｅｉｎｆｏｒｍａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ． Ｉｔ ｃｏｍｂｉｎｅｄ ｔｈｅ ａｎａｌｙｚｅｄ ａｎｄ ｄｉｓｐｏｓａｌ ｃｕｓｔｏｍｅｒ ｉｎｆｏｒｍａｔｉｏｎｗｉｔｈ ａｌｌ ｋｉｎｄｓ ｏｆ ｏｐｅｒａｔｉｏｎ ｆｉｅｌｄｓ ａｂｏｕｔ ｔｈｅ ｃｏｎｓｕｍｅｒｓ． Ｔｈａｔ ｍｅａｎｓ ｅｖｅｒｙ ｄｅｐａｒｔｍｅｎｔｃｏｕｌｄ ｓｈａｒｅ ｃｕｓｔｏｍｅｒ ｒｅｓｏｕｒｃｅ ｓｕｃｈ ａｓ ｍａｒｋｅｔｉｎｇ ｄｅｐａｒｔｍｅｎｔ， ｐｒｏｄｕｃｔ ｐｒｏｍｏｔｉｏｎ，ｃｕｓｔｏｍｅｒ ｓｅｒｖｉｃｅｓ ａｎｄ ｔｅｃｈｎｏｌｏｇｙ ｓｕｓｔａｉｎ． Ｔｈｅ ｅｎｔｅｒｐｒｉｓｅ ｃａｎ ｐｒｏｖｉｄｅ ｔｈｅ ｐｅｔｒｉｎｅｎｔｓｅｒｖｉｃｅｓ ａｃｃｏｒｄｉｎｇ ｔｏ ｃｕｓｔｏｍｅｒ＇ｓ ｆａｖｏｒｉｔｅｓ ａｎｄ ｎｅｅｄｓ． Ｉｔ ｃｏｕｌｄ ｐｒｏｍｏｔｅ ｔｈｅ ｃｕｓｔｏｍｅｒｓａｔｉｓｆａｃｔｉｏｎ ａｎｄ ｃｕｓｔｏｍｅｒ ｆａｉｔｈｆｕｌｎｅｓｓ ａｎｄ ｂｏｏｓｔ ｔｈｅ ｅｎｔｅｒｐｒｉｓｅ＇ｓ ｐｒｏｆｉｔｓ．Ｔｈｅ ｄｉｓｓｅｒｔａｔｉｏｎ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ ｆｕｎｄａｍｅｎｔａｌ ｔｈｅｏｒｙ ｏｆ ＣＲＭ． Ａｔ ｆｉｒｓｔ， ｉｔ ｂｒｉｎｇｓ ｏｕｔｔｈｅ ｒｅｓｅａｒｃｈ ｂａｃｋｇｒｏｕｎｄ、 ｗｒｉｔｔｅｎ ｓｉｔｕａｔｉｏｎ ａｎｄ ｐｕｔｓ ｆｏｒｗａｒｄ ｔｈｅ ｄｅｆｉｎｉｔｉｏｎ ｏｆ ＣＲＭ． Ｉｔａｎａｌｙｓｅｓ ｔｈｅ ｂａｓｉｃ ｃｏｎｎｏｔａｔｉｏｎ， ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ａｎａｌｙｓｉｓ ｍｏｄｅｌｓ． Ａｎｄ ｅｘｐａｔｉａｔｅＣＲＭ ｆｒｏｍ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｍａｒｋｅｔｉｎｇ． Ｆｏｌｌｏｗｉｎｇ， ｔｈｅ ｔｈｅｓｉｓ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ ｐｒｉｎｃｉｐｌｅｓａｎｄ ｔｈｅ ｐｒａｃｔｉｃａｌ ｍｏｄｅｌ ｏｆ Ｄａｔａ Ｍｉｎｉｎｇ． Ａｎｄ ｂａｓｅｄ ｏｎ ｔｈｅ Ｄａｔａ Ｍｉｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｍｏｄｅｌ， Ｌｅｔ Ｄａｔａ Ｍｉｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ａｐｐｌｙ ｏｎ ＣＲＭ． Ａｔ ｌａｓｔ， ｉｔａｎａｌｙｚｅｓ ａ ｃｏｎｃｒｅｔｅ ｃａｓｅ ｗｈｉｃｈ ｉｓ ａ ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ ｃｏｍｐａｎｙ ａｎｄ ｉｎｄｉｃａｔｅｓ ｔｈａｔｈｏｗ ｔｏ ｃａｒｙｏｒ ｕｔ ＣＲＭ ｗｈｉｃｈ ｕｓｉｎｇ Ｄａｔａ Ｍｉｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ．Ｔｈｅ ｔｈｅｓｉｓ ｓｔａｒｔｓ ｗｉｔｈ ｂａｓｉｃ ｃｏｎｎｏｔａｔｉｏｎ ｏｆ ｃｕｓｔｏｍｅｒ－ｏｒｉｅｎｔａｌ， ａｎｄ ｂｒｉｎｇｓ ｆｏｒｗａｒｄｔｈｒｅｅ ｃｏｎｎｏｔａｔｉｏｎｓ， ｗｈｉｃｈ ｄｅｒｉｖｅｄ ｆｒｏｍ ＣＲＭ ａｎｄ ａｎａｌｙｓｅｓ ｔｈｅｉｒ ｒｅｌａｔｉｏｎｓｈｉｐ． Ｔｈｅｐａｐｅｒ ａｌｓｏ ｐｕｔ ｆｏｒｗａｒｄ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ＣＲＭ： ｃｏｎｎｏｔａｔｉｖｅ， ｍｅｃｈａｎｉｓｍ，ｓｔｒａｔｅｇｉｃ． Ｔｈｅｓｅ ｃｏｎｃｅｐｔｓ ｈａｖｅ ｃｏｎｄｕｃｔｉｖｅ ｓｉｇｎｉｆｉｃａｎｔ ｆｏｒ ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｄｅｓｉｇｎｅｄ、ａｎａｌｙｚｅ ｃａｐａｂｉｌｉｔｙ， ｐｒａｃｔｉｃｅｓ， ｒｅａｌｉｚｅ ａｎｄ ｐｏｐｕｌａｒｉｚｅ ｓｙｓｔｅｍ． Ｉｔ ｄｉｓｃｕｓｓｅｄ ｓｅｖｅｒａｌ ＣＲＭａｎａｌｙｓｅｓ ｍｏｄｅｌｓ ｃａｎ ｈｅｌｐ ｔｏ ｉｎｔｅｎｓｉｆｙ ｔｈｅ ｑｕａｌｉｆｉｃａｔｉｏｎ ｉｎｄｅｘ ｏｆ ＣＲＭ， ａｎｄ ａｌｓｏｐｒｏｐｉｔｉｏｕｓ ｔｏ ｅｘｅｔｒｓ ｕｆｉｃｉｆｅｎｔｌｙ ｔｈｅ ｕｓｉｎｇ ｏｆ ＤＭ ａｐｐｌｙｉｎｇ ｉｎ ＣＲＭ． Ａｓ ｆｏｒ ｔｈｅ ａｎａｌｙｓｉｓ１１ 武汉理工大学硕士学位论文ｏｆ ｃｏｍｍｅｒｃｉａｌ ｖａｌｕｅｓ ａｂｏｕｔ ＤＭ ｉｎ ＣＲＭ ａｎｄ ｓｏｍｅ ｑｕｅｓｔｉｏｎｓ ｗｈｉｃｈ ｉｎ ｅｘｅｒｔｉｎｇ ＤＭ，ｉｔ ｄｅｆｉｎｉｔｕｄｅ ｔｈｅ ｂａｓｉｓ ｐｒｏｂｌｅｍｓ ｗｈｉｃｈ ａｂｏｕｔ ＤＭ ａｐｐｌｉｅｄ ｉｎ ＣＲＭ．Ｋｅｙ ｗｏｒｄｓ： Ｃｕｓｔｏｍｅｒ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｍａｎａｇｅｍｅｎｔ； Ｃｕｓｔｏｍｅｒ＇ｓ Ｖａｌｕｅ；Ｍａ ｒｋｅｔｉｎｇ Ｓｔｒａｔｅｇｙ； Ｄａｔａ Ｍｉｎｉｎｇｍ武汉理工大学硕士学位论文，引论１．，论文研究的背景本课题研究基于数据挖掘（ Ｄａｔａ Ｍｉｎｉｎｇ ＤＭ）的客户关系管理（ＣｕｓｔｏｍｅｒＲｅｌａｔｉｏｎｓｈｉｐ Ｍａｎａｇｅｍｅｎｔ， ＣＲＭ）的理论和实现问题。研究的背景是后工业社会发展的事实和现代企业面临激烈市场竞争的局面 给现代企业管理提出的新挑战。人类社会己发展到后工业社会。后工业社会改变了前工业社会生产能力不足 和商品短缺的状况，出现了全社会生产能力过剩、商品极大丰富的状况，市场竞争变得异常激烈。在这样的社会经济背景下，企业管理导向、企业管理目标、企业管理权力、 企业管理技术手段都发生了根本的变化。（１）企业管理导向由前工业社会的产品导向转变为客户导向： （２）企业管理目标由前工业社会的成本控制和利润最大化转变为客户满意 和客户忠诚：（３）企业管理权力杠杆由前工业社会的向企业倾斜转变为向客户倾斜； （４）企业管理的技术手段由前工业社会的手工管理转变为电子信息管理。 这些转变表明：在当前的环境下，市场竞争的焦点己经从产品的竟争、品牌 的竟争、服务的竞争转向客户的竞争。客户就是财富、客户就是资产、客户就是价值，客户就是企业发展的源动力。与客户建立和保持一种长期的、良好的伙伴关系，掌握客户资源，赢得客户信任，分析客户个性化需求，提供满意的客户服务，是企业提高市场占有率，获得最大利润的关键，使得客户关系管理成为现代企业最重要的企业管理问题之一。这些转变还表明：在当今社会，谁充分利用了客户信息，谁能从企业大量的 客户信息中挖掘出有意义的知识，发现客户新的价值，并用于企业经营管理决策，谁就可以赢得市场，赢得利润。大量的客户数据一旦被发现成为有意义的信息，就使企业客户资源成为更宝贵的财富。因此，也使得基于数据挖掘技术的客户关系管理成为客户关系管理中最受关注的课题。武汉理工大学硕士学位论文本文正是从客户和信息挖掘的双重角度进行客户与信息资源的优化组合，使 企业取得市场竞争优势，而提出了基于数据挖掘的客户关系管理的研究课题。１．２国内、外研究现状及评价客户关系管理起源于２０世纪８０年代初的“接触管理” （ ＣｏｎｔａｃｔＭａｎａｇｅｍｅｎｔ），即专门收集整理客户与公司联系的所有信息。到２０世纪９０年代初期则演变成为包括电话服务中心与支持资料分析的客户关怀（Ｃｕｓｔｏｍｅｒ Ｃａｒｅ），后来从重视赢得新客户和处理基础营销工作转移到对客户关系进行有效管理的客户保持工作上来｛ｉｌｌ。经历了近二十年的不断发展，客户关系管理逐渐形成了一套管理理论体系。从己有的客户关系管理研究成果来看，大体上还可分为侧重人文管理的研究 和侧重信息技术的研究［［２１（１）人文管理的研究 早期的研究工作多是从心理学、组织行为学的角度对消费者行为进行研究。 福特（ Ｆｏｒｄ）在１９８０年概括了买方一卖方关系发展的Ｓ个阶段［３１，即开始阶段、早期阶段、发展阶段、成熟阶段和后期阶段。１ ９８７年，格默森（Ｇｕｍｍｅｓｓｏｎ）提出［［４１：在工业品市场和组织市场上，企业营销战略制定者最关心的应该是长期客户关系的管理。这就要求企业必须认识到：战略优势的获得源自互动关系方法的采用，即对客户关系生命周期的管理，而不是对产品生命周期的管理。帕特里夏・西博尔德（Ｐａｔｒｉｃｉａ Ｓｅｙｂｏｌｄ）长期以来一直是客户关系管理的倡导者在界定客户关系管理的概念和功能方面［１３１，她提出了独特而富创新的三大原 贝 日 妇 」 ①客户行为能够得到控制原则； ②客户关系至关重要原则；③客户经验不可忽视原则。科特勒在其《营销管理》一书中，根据消费者的购物模式把企业和客户之间 的关系分为基本型、反应型、可靠型、主动型和合作型等五种，这是从市场营销的角度对客户关系的最为明确的分类。科特勒还建议企业应根据客户数量的多武汉理工大学硕士学位论文少、利润的高低来选择建立并维持相应水平的客户关系管理。２０世纪８０年代末期提出的期望否定理论，是一个被广‘ 泛接受的、从模型的角度阐释客户满意是如何形成的理论。在２０００版的ＩＳＯ／ＤＩＳ９０００中，客户满意被定义为：“客户对某一事项己满足其需求和期望的程度的意见”［２１。其中，“某一事项是指在彼此需求和期望及有关各方对此沟通的基础上的特定时间的特定事件”。可见，所谓客户满意是指客户的感觉状况水平，这种水平是客户对企业的产品和服务所预期的绩效与客户的期望进行比较的结果。如图１ －１所示，如果客户的感知满足甚至超过客户的期望，客户就容易得到满足；与此相反，如果感知低于期望，客户就容易抱怨或投诉，但如果对客户的抱怨采取积极措施妥善解决，就有可能使客户的不满意转化为满意，甚至令其成为忠诚的客户。妥善解决图１ －１客户满意期望与客户感知比较但是，高期望的满足比低期望的满足更容易使顾客满意，为此ｔ ｓｅ和ｗｉｔｏｎ提出将实际质量也视为顾客满意的决定因素［［３１。如果实际质量较低时，可能给客户造成负面的影响，甚至会完全抵消掉期望确定所带来的满足，导致顾客的不满。在最近的研究中，又有学者提出使用“渴望”代替“期望”作为衡量满意的比较标准。从顾客满意延伸的角度，许多学者还对客户抱怨、客户忠诚进行了大量的研究。他们认为，仅仅使顾客感到满意是不够的，只有使顾客感到愉悦的企业才能成功。Ｃ２）侧重信息技术的研究 利用信息技术构建ＣＲＭ系统。许多软件供应商己经为企业界提供了大量的 应用软件系统，如呼叫中心、销售力量自动化、营销管理自动化等。武汉理工大学硕士学位论文另外，随着客户关系管理在国内企业的应用及国内市场逐步的规范化，国内 学者也开始关注客户关系管理的研究，一些高水平的研究成果不断涌现出来。综合这些研究，主要是对企业对企业的商业型客户关系（即Ｂ－Ｂ模式）的研究，其内容集中在“大客户”价值的识别以及“大客户”的保持上，而对企业与其他客户（比如内部客户、一般零售消费者客户）之间的客户关系，尤其是与最终消费者之间的客户关系（即Ｂ－Ｃ模式）进行深入研究的并不多见。但企业与其他客户之间的关系管理也是一个不容忽视的内容，尤其是Ｂ－Ｃ模式下的一对一营销在各个行业己经显示出了强大的应用前景。例如航空业的“常客户飞行计划’，、零售业的“会员卡计划”、移动通讯业的“青春卡计划”、健身俱乐部的“金卡计划”、美容业（美发业）的“肌肤（秀发）营养套餐计划”等，都是针对最终消费者制定的客户关系管理策略，其目的就是想与有价值的客户保持长期稳定的“双赢”或“多赢”关系。 在研究方法上，国际上大多数研究倡导的客户关系管理都是定性的或静态 的，很少明确地指出怎样做出市场决策来真正实施关系战略的，原因是这样所产生的利润流不足以弥补收集、维护数据的巨大成本，所以当收集并存储客户资料的趋势日益盛行的时候［］，己经有一些公司明确表示要放弃对详细的客户数据’的收集工作［［４， ５ １；国内对Ｂ－Ｃ模式下定量的、动态的客户关系管理的研究几乎还是空白，而对客户进行管理离不开存储在企业各类客户（包括员工、消费者、合作伙伴等）身上的各种知识，所以，对Ｂ－Ｃ模式下的基于数据挖掘的动态客户关系管理的研究就显得异常迫切与重要。１．３研究的内容、目的和意义本文以我国电信业为对象，着重研究如何使用数据挖ｍ技术加强Ｂ－ Ｃ模式下的客户关系管理问题。试图以数据挖掘为手段，识别、跟踪客户，分析客户关系，从客户信息中提取知识，为企业经营管理活动提供决策支持，从根本上提升客户关系管理水平，达到全面提高企业赢利能力和核心竞争能力的目的。全文内容包括： （１）客户关系管理相关理论研究。在介绍了客户关系管理的基本概念后， 重点阐述了客户关系管理的基本理念、基本特性，并从经济学意义和市场营销学武汉理工大学硕士学位论文理论上解析了客户关系管理。（２）数据挖掘。重点讨论了数据挖掘的基本任务、基本方法和基本步骤。 （３）数据挖掘在客户关系管理中的应用问题。讨论客户关系管理中数据挖 掘的商业价值、基本功能和实施数据挖掘还要解决的几个问题。（４）实例分析。介绍了数据挖掘在客户关系管理中的实现。 客户关系管理决不仅仅是一种市场营销战略，而是面向各行各业并涉及企业 所有业务流程的一场商业。如何通过数据挖掘技术对市场和客户信息进行统计和分析，发现市场机会，确定目标客户群和营销组合，科学地制定出市场和产品策略是现代企业越来越关心的问题。中国加入ＷＴＯ，使得中国企业必将加快管理经验的学习和信息建设的步伐，力争和国际接轨。信息化手段下的客户关系管理正是帮助企业实现这一目标的最佳方法。目前我国的客户关系管理市场处在启蒙阶段。因此研究客户关系管理和数据挖掘的核心理论及其实际应用，对我国的客户关系管理的发展和企业信息化水平的提高有着重要的意义。武汉理工大学硕士学位论文２客户关系管理的相关理论本章讨论客户关系管理的基本概念和基本理念，研究客户关系管理的经济学 意义和市场营销学意义，进一步说明客户关系管理的基本特性和在市场竞争中的重要作用。为构造实际的客户关系管理系统打下基础。２．１客户关系管理的基本概念２．１．，客户关系管理的演变过程客户关系管理是以市场为导向、以客户满意为中心的企业经营理念的产物。 从客户关系管理理念的萌芽到客户关系管理成为最重要的企业管理活动之一有一个演变过程。在以生产为导向、以产品为中心的阶段，由于产品供不应求，销售不成问题， 企业只关注成本控制和产品质量管理，根本不过问或很少过问市场需求情况，不关心客户信息，不重视客户与企业的关系，更不重视客户满意度和忠诚度。因此，在以生产为导向、以产品为中心的阶段，不可能意识到客户关系管理问题。在以市场为导向，仍以产品为中心的阶段，虽然产品开始供过于求，企业开 始把注意力转移到市场需求上来，但这时企业只强调销售和推销的作用，注重对销售渠道和销售终端的管理，营销重点仍然是产品而不是客户，企业仍然没有考虑客户的个性化需求。因此，在以市场为导向、产品为中心的阶段，客户关系管理仍提不到企业管理的重要日程。在以市场为导向，以客户需求为中心的阶段，产品越来越难以区分，产品同 质化现象越来越明显，通过产品差别来细分市场而创造企业的优势也变得越来越困难，企业开始意识到客户个性化需求的重要性。以客户为中心的实质是以客户需求为中心，市场是由客户需求构成的，客户需求构成了企业的活力，而需求的满足状况制约着企业获利的多少。在早期的客户关系管理中，企业已经意识到掌握丰富的客户信息能够为他们带来巨大的效益，于是纷纷投巨资建立客户资料数据库，获取客户信息。同时，为取得客户忠诚度，企业或通过消费积分或通过价格折扣等营销活动换取客户忠诚度，但是，并没有取得令人满意的结果。武汉理工大学硕士学位论文在以市场为导向，以客户满意为中心的阶段，随着社会由前工业社会向后工 业社会发展，经济全球化和服务一体化成为时代潮流，顾客对产品和服务满意与否，成为企业发展的决定性因素，而在市场上，客户需求的最佳状态是满意。顾客满意就是企业效益的源泉。因此，客户需求为中心就升华并进入更高的境界，转变为以客户满意为中心。这时，成功的营销商已意识到，营销的关键在于通过长期引导客户行为，强化与客户的联系，建立并有效地管理客户与企业的双向关系，并从客户利益和企业利润二个方面实现这种双向关系，以获得客户和企业的价值最大化。于是，在以市场为导向、以客户满意为中心的阶段。客户关系管理就提到了更重要的位置上，成为企业管理中最重要的管理活动之一。２．１．２客户关系管理的定义客户关系管理（ Ｃｕｓｔｏｍｅｒ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｍａｎａｇｅｍｅｎｔ），也称作“顾客关系管理’，。在实际中，Ｃｕｓｔｏｍｅｒ译作客户所表示的意义更为广泛，它包括了过去购买或正在购买的消费者以及还没有购买但今后可能产生购买行为的“潜在消费者，，’所指更为准确。（１）二种客户关系管理的定义 关于客户关系管理的定义，不同的学者或商业机构都从不同角度提出自己的 看法。下面介绍二种比较流行的定义，以便对客户关系管理有一个比较全面的了解。Ｇａ ｒｔｎｅｒ Ｇｒｏｕｐ最早提出的定义［１８１为：客户关系管理是一种商业策略，它按照客户的分类情况有效地组织企业资源，培养以客户为中心的经营行为以及实施以客户为中心的业务流程，并以此为手段来提高企业赢利能力、利润以及客户满意度１９１。此定义明确指出了客户关系管理并非某种单纯的ＩＴ技术，而是企业的一种商业策略，注重企业赢利能力和客户满意度。ＣＲＭｇ ｕｒｕ．ｃｏｍ给出的定义１９１表明：客户关系管理是在营销、销售和服务业务范围内，对现实的和潜在的客户关系以及业务伙伴关系进行多渠道管理的一系列过程和技术１９１。该定义重点指出了客户关系管理的管理手段，即过程和技术，比较适用于客户关系管理开发系统，并界定了客户关系管理的业务领域。但此定义弱化了客户关系管理的策略性，简单归纳为一种技术处理。武汉理工大学硕士学位论文（２）从三种角度理解客户关系管理 研究分析客户关系管理方面的文献，不难归纳出三种理解的思路： 一是从商业哲学的角度，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；二是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；三是从系统开发的角度，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，本文主要侧重于从企业战略的角度将客户关系管理界定为：企业在新的市场环境下，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。它的目标是缩短销售周期，降低销售成本，增加收入，寻找扩展业务所需的信息市场和渠道，以及提高客户的价值、满意度、盈利性和忠诚度。２．１．３客户关系管理的基本理念“以客户满意为中心”是客户关系管理的核心所在。在这个核心理念下，客 户关系管理通过掌握客户资源，分析和满足客户个性化需求，向客户提供满意的产品和服务，提高客户满意度，赢得客户信任，保持客户忠诚度，挖掘潜在客户，创造黄金客户，和客户建立和保持一种长期的、良好的伙伴关系，既是企业提高市场占有率和最大利润的关键，同时也是创造客户、为客户谋取最大利益的根本途径。以客户满意为中心的核心理念，自然衍生出三个基本理念，即客户价值理念、 关系价值理念和信息价值理念。三个价值理念的互动关系如图２－１所示。武汉理工大学硕士学位论文提高关系价值（ｌ）客户关系管理的基础是为客户创造客户价值客户关系管理的目的是实现客户价值的最大化和企业收益的最大化之间的 平衡。任何企业实施客户关系管理的初衷都是想为客户创造更多的价值，即实现客户与企业的“双赢”。坚持以客户为中心，为客户创造价值是任何客户关系管理战略必须具备的基石。为客户创造的价值越多，就越能尽可能高地增强客户满提高客户忠诚度，从而实现与客户的维系，有利于增加客户为企业创造的意度，价值，使企业收益最大化。ｃ２）客户关系管理的结果是为企业创造关系价值 企业是一个以赢利为目的的组织，企业的最终目的都是为了实现企业价值的 最大化。因此，在建立客户关系时，企业必须考虑关系价值。所谓关系价值，即建立和维持特定客户关系为企业创造新增价值。从逻辑上讲，企业的总价值应该等于所有过去的、现在的和将来的客户的关系价值的总和。企业应该将精力放在关系价值高的客户身上，关系价值高所创造的利润就高。而对那些价值较低，不具有培养前景甚至会带来负面效应的客户关系，企业应该果断终止。可以认为，追求关系价值是客户关系管理的必然结果，而管理关系价值的关键却在于对关系价值的识别和培养。（３）客户关系管理的途径是充分利用信息价值 信息技术是客户关系管理的关键因素。客户关系管理的途径就是充分利用信 息价值，使其转化为客户价值和关系价值。没有信息技术的支撑，客户关系管理客户价值定Ｉ 雌１１二甲场．忙干田ｉ｝ｉ了屯忿ＩＶ－１ ＊，Ｉ｝，卜】￣ｒ沪、产日ｕＩ止川幼夕‘卜勺１．．ｅｅ几翻含卜月－－日已１勺月吃！｝ｓ Ｉ｝略｝信息价值图ｚ－１客户关系管理的衍生理念武汉理工大学硕士学位论文可能还停留在早期的关系营销和关系管理阶段。正是因为信息技术的出现，使得企业能够有效地分析客户数据，充分发挥信息价值的作用，激励和共享客户知识，根据不同客户的偏好和特性提供相应的服务，从而提高客户价值。同时，信息技术也可以辅助企业识别具有不同关系价值的客户关系，针对不同的客户关系采用不同的策略，从而实现客户价值最大化和企业利润最大化之间的平衡。在客户价值和关系价值之间存在着互动，这种互动关系也反映了客户价值最 大化和关系价值最大化这对矛盾统一体之间的平衡和互动。通过对关系价值的管理，企业将资源和能力集中在关系价值最高的客户身上，为其提供高质量的产品或服务，满足其需要，进而实现客户价值的最大化；同时，从客户的角度而言，客户价值能够提高客户的满意度，促进其对供应商的忠诚，进而促进关系的质（如客户消费更多更广）和量（如关系生命周期的延长）的全面提高，进一步增加给客户的关系价值。信息价值和信息技术不仅支持了客户价值最大化和关系价值管理这两项活动，而且支持了两者之间的互动过程。２．２客户关系管理的相关理论解析２．２．，客户关系管理的经济学解释在经济学的意义上，可以这样理解客户关系管理，即企业通过与客户之间建 立长期的、满意的战略伙伴关系，通过互利交换及共同履行承诺，使双方实现各自的目的，从而谋求共同发展。制度经济学认为：关系可以被看作是一份没有付诸文字却又被人们所默认的非正式契约［［１１］。由于任何契约都是有关签约双方的权利和义务的安排，通过这份非正式契约，关系双方可以建立对彼此行为的稳定预测，以降低交易中的不确定性。由于社会、道德压力的存在，以及伴随而来的对违约行为的社会制裁（名誉与信用的损失，失去合作伙伴等）从而使得关系契约有了实际约束力。一旦企业与客户之间形成了这样一份关系契约。该关系就会约束双方的行为。因为这种关系的约束，客户忠诚于企业，不断地给企业带来利益，也因为这种关系的约束，企业围绕客户需求提供服务和商品，使客户需求得到最大满足。使企业与客户间的关系从“一方收益，一方受损”的零和博弈转变为总体利益最大化的双赢关系。并且，这种关系契约的存在，极大地降低了交易成本。通常认为的交易成本 武汉理工大学硕士学位论文包括信息搜寻成本、谈判成本、拟定和实施契约的成本、监督管理的成本等等。由于这种长期相对稳定关系的存在，极大地降低了信息搜寻成本和谈判成本。关系契约形成的信用基础，也可以降低交易的不确定性，减少风险和降低监督管理等成本。客户关系管理就是企业竭力与客户形成和保持相对稳定的互惠契约关系的双赢战略。２．２．２市场营销学意义上的客户关系理论从市场营销学意义上理解客户关系管理，可以从４Ｖ营销理论、关系营销理论和其它市场营销观念方面进行讨论。（１）４Ｖ市场营销理论从４Ｐ（即产品（ Ｐｒｏｄｕｃｔ）、价格（Ｐｒｉｃｅ），渠道（Ｐｌａｃｅ），促销（Ｐｒｏｍｏｔｉｏｎ））到４Ｃ（即顾客需求和欲望（Ｃｕｓｔｏｍｅｒ ｗａｎｔｓ ａｎｄ ｎｅｅｄｓ）、消费者满足需要的成本（Ｃｏｓｔ）、消费者购物的便利性（Ｃｏｎｖｅｎｉｅｎｃｅ）、企业与消费者之间的沟通（Ｃｏｍｍｕｎｉｃａｔｉｏｎ） ），然后到４Ｒ（即关联（Ｒｅｌｅｖａｎｃｙ）、反应（Ｒｅｓｐｏｎｓｅ），关系（Ｒｅｌａｔｉｏｎ）、回报（Ｒｅ－ｔｕｒｎ） ），最后到４Ｖ（即客户差异化（Ｖａｒｉａｔｉｏｎ）、产品或服务的功能弹性化（Ｖｅｒｓａｔｉｌｉｔｙ ）、为客户提供高附加价值的产品或服务（ Ｖａｌｕｅ）、与客户产生共鸣（Ｖｉｂｒａｔｉｏｎ））营销组合理论的演变，如实反映了以客户为中心的发展趋势。这种营销理论转变的特点是创新，通过创新创造差异，满足客户的需求，从而达到企业与客户双方价值的最大化。所以，客户关系管理是与营销组合理论，特别是４Ｖ营销理论［ ［１３］是一致的。（２）关系营梢理论关系营销自２０世纪８０年代后期以来得到了迅速的发展。贝瑞率先提出和讨 论了如何维系和改善同现有客户之间关系的问题。随后，杰克逊提出要与不同的客户建立不同类型的关系。北欧诺迪克学派的代表人物葛劳罗斯、舒莱辛格和赫斯基则论证了企业同客户的关系对服务企业市场营销的巨大影响［１１１所谓关系营销，是把营销活动看成是一个企业与消费者、供应商、分销商、 竞争者、机构及其他公众发生互动作用的过程，其核心是建立和发展与这些武汉理工大学硕士学位论文客户的良好关系。关系营销与传统营销相比，它们对待客户的不同之处如表２－１所示。表２－１传统营销与关系营销的比较传统营销关系营销关注一次性交易关注保持客户较少强调客户服务高度重视客户服务有限的客户承诺高度的客户承诺适度的客户联系高度的客户联系质量是生产部门所关心的质量是所有部门所关心的关系营销的本质特征可以概括为以下几个方面：．双向沟通。在关系营销中，沟通应该是双向而非单向的。只有广泛的信 息交流和信息共享，才可能使企业赢得各个利益相关者的支持和合并。 ．合作。一般而言，关系有两种基本状态，即对立和合作。只用通过合作 才能实现协同，因此合作是“双赢”的基础。 ．双赢。即关系营销旨在通过合作增加关系各方的利益。 ．亲密。关系能否得到稳定和发展，情感因素起着重要作用。因此关系营 销不只是要实现物质利益的互惠，还必须让参与各方能从关系中获得情 感的需求满足。 ．控制。关系营销要求建立专门的部门，用以跟踪客户及营销系统中其他 参与者的态度，由此了解关系的动态变化，及时采取措施消除关系中的 不稳定因素和不利于关系各方利益共同增长的因素。此外，通过有效的 信息反馈，也有利于企业及时改进产品和服务，更好地满足市场的需求。 由此可见，客户关系管理与现代关系营销的理念也是完全一致的，不过现代 营销理论对“关系营销”的定义比客户关系管理更为全面。（３）其他市场营销理念 在分析客户关系管理时，其他类似的营销论点也经常被提及，从这些营销理 念中，也可以加深对客户关系管理的理解。这里归纳如下：．８０ ／２０法则１１５１，我们可以从正反两个方面进行理解，从正面来理解，即武汉理工大学硕士学位论文企业８０％净利润或销售额是从２０％的客户中获得的；从反面来理解，正 因为２０％的顾客带来８０％的利润，企业就应将８０％的资源投入到２０％ 的顾客身上。 ．整合营销信息渠道的论点，强调企业通过各种传播媒介向客户、分销商、提供商以及任何其他关系对象，如、公众等发出的信息必须是统一 的和一致的。 ．一对一营销思想，即企业要尽最大的努力满足每个客户独特的个性化需求。 ．一个满意的客户可以向多人宣传企业的好处：一个不满意的客户会迫不及待地向更多的人讲述他的“苦难”经历。 ．客户周期理论可归纳为三段论，如图２－２所示：获得新客户，提高对现有客户的理论贡献，与利润客户保持永久关系。 图２－ ２客户周期２．３客户关系管理的客户关系分析模型２．３．１客户终身价值的计算这里引入一个客户忠诚度的重要衡量指标一一客户终身价值（Ｌｉ ｆｅｔｉｍｅＶａｌｕｅ ＬＴＶ）。该指标从投资回报的角度，揭示了企业建立客户关系管理的实际意义。客户终身价值也称为客户寿命期价值，它等于对一个客户所期望的终身收益 减去该客户的终身成本（包括获得该客户的成本、维持成本以及服务成本）。借助适当的信息，企业可以对一个客户在其寿命期内可能的收益和价值进行估计。武汉理工大学硕士学位论文企业从与客户的交易中所获得的利益，可能是有形的，也可以是无形的，有形的利益是因为将产品与服务销售给客户所产生的，也就是从销售获得的金钱价值。无形的利益包括在实际交易之外与客户互动所带来的信息和口碑效应。例如客户针对产品或服务所产生响应（企业可以运用这些响应来改善其产品或服务）、或者客户将产品与服务推荐给亲朋好友。由于在客户生命周期的不同时间内，对企业所做的贡献亦有所不同，同时由 于时间价值的存在，所以计算客户终生价值时，必须要对不同时期的贡献进行贴现，计算出客户的终生价值的现值。计算步骤如下：第一步：确定客户生命周期； 第二步：计算客户生命周期内每年给企业带来的利润净额； 第三步：对客户生命周期内每年的利润净额进行贴现； 第四步：求和。 设客户的生命周期为Ｔ，在ｔ年中给企业所带来的贡献为９，在客户身上的 投入为ｃ，，银行的贴现率为１，那么该客户的终身价值Ｖｋ表示为：：＝全比一ＣＪ－ （ｌ十。一！由于Ｑ， 代表客户在ｔ年中给企业所带来的贡献总收入，当开发新客户时，由于客户还没有与企业发生业务，对客户的净现值就比较难以计算，这时可以采用客户可能与企业之间发生的业务交易量占客户年业务总购进的比例推算出来，０者以客户每次购进业务的比例来推算。２．３．２客户组合分析如前所述，并不是所有客户潜在的终身价值都是相等的，企业应把资源投资 到具有最大终身价值的客户身上。为了在实施中取得成功，重要的是进行客户组合分析。我们依据客户的历史净收益以及未来的终身价值这两个指标把企业所有的 客户分为四类，如图２－３所示，矩阵中的四个单元格指示着相应的四种战略。武汉理工大学硕士学位论文（１）放弃现有无利的客户（单元格１） 有一些客户现在及将来对企业都不会产生多大的利润，企业应该把它的资源 集中到那些能与企业相互协调、共同发展的客户身上。但实施放弃战略时，一定要谨慎从事，以免引起负面连带效应。采用定价策略（如抬高售价）从市场上选择客户是一种可行的方法。（２）重新设计现有客户关系（单元格２） 重组现有客户关系，找到削减成本，增加价值的方法。例如，美国旅游业由 于去除了一些中间环节而使得该行业可以从供应链上削减３０％的成本。除此之外，企业还可以通过重新设计业务流程，重新设计产品，减少库存，改善服务水平等手段来减少成本。（３）进一步完善客户关系（单元格３） 有些客户现在虽然有利可图，但其未来收益却很少。这就需要进一步培养与 客户的关系，提高客户的忠诚度，挖掘客户的潜在及连带消费，与客户建立一种长期的关系，从而不断提高客户潜在的终身价值。（４）投资有利客户（单元格４） 单元格４所指的是那些目前和将来都有利可图的顾客。这是企业最需关注的 客户群。一般可以采用这么一些手段：优先投入生产；定制产品、服务；提供弹性的开票日期及灵活优惠的付款条件；分配最好的工作人员等。绝大部分企业似乎都不太了解自身的客户在这四种分类中的大致比例，这里 提供一个典型的分类数据，如表２－２所示：历史边际净收益未来潜在的终身价值 图２－３客户组合分析武汉理工大学硕士学位论文表２－２四类客户的典型分布比例单元格策略比例４投资５０／ｏ－３０％３培养２５％－５０％２重组３０％－－６０％１放弃４０％－８０％２．３．３客户生命周期在提高客户满意度的前提下，要想提高客户的忠诚度，还要完整地认识整个 客户生命周期。在保证客户服务、让客户满意和建立良好信誉的基础上，通过适当的方法，在整个客户生命周期内实施忠诚度计划。客户生命周期是指从一个客户开始对企业进行了解或企业欲对某一客户进 行开发开始，直到客户与企业的业务关系完全终止且与之相关事宜完全处理完毕的这段时间［［９］。客户的生命周期是企业产品生命周期的演变，但对商业企业来说，客户的生命周期要比企业某个产品的生命周期重要得多。客户的生命周期可分为潜在客户期、客户开发期、客户维系期、客户成熟期、客户衰退期、客户终止期共６个阶段（如图２－４所示）。在客户生命周期不同阶段，企业的投入与客户对企业收益的贡献是大不相同的。图２－４客户生命周期阶段企业投入产出比（１）潜在客户期武汉理工大学硕士学位论文当客户对企业的业务进行了解，或企业欲对某一区域的客户进行开发时，企 业与客户开始交流并建立联系，此时客户已进入潜在客户期。因客户对企业的业务进行了解需要企业进行相应的解答，某一特定区域内的所有客户均是潜在客户，企业投入是对所有客户进行调研，以便确定出可开发的目标客户。此时企业有一定的投入成本，但客户尚未对企业做出任何贡献。Ｃ２）客户开发期当企业对潜在客户进行了解后，对己选择的目标客户进行开发时，便进入客 户开发期。此时企业要进行大量的投入，但客户为企业所作的贡献很小甚至没有。（３）客户成长期当企业对目标客户开发成功后，客户己经与企业发生业务往来，且业务在逐 步扩大，此时已进入客户成长期。企业的投入和开发期相比要小得多，主要是发展投入，目的是进一步融洽与客户的关系，提高客户的满意度、忠诚度，进一步扩大交易量。此时客户己经开始为企业作贡献，企业从客户交易获得的收入己经大于投入，开始盈利。（４）客户成熟期当客户与企业相关联的全部业务或大部分业务均与企业发生交易时，说明此 时客户已进入成熟期，成熟的标志主要看客户与企业发生的业务占其总业务的份额。此时企业的投入较少，客户为企业做出较大的贡献，企业与客户交易量处于较高的盈利时期。（５）客户衰退期当客户与企业的业务交易量逐渐下降或急剧下降，客户自身的总业务量并未 下降时，说明客户已进入衰退期。此时，企业有两种选择，一种是加大对客户的投入，重新恢复与客户的关系，确保忠诚度；另一种做法便是不再做过多的投入，渐渐放弃这些客户。企业两种不同做法自然就会有不同的投入产出效益。（６）客户终止期武汉理工大学硕士学位论文当企业的客户不再与企业发生业务关系，且企业与客户之间的债权债务关系 己经理清时，意味客户生命周期的完全终止。此时企业有少许成本支出而无收益。客户的整个生命周期受到各种因素的影响。从图３－ ２可以看出，企业要尽可能地延长客户的生命周期，尤其是成熟期。客户成熟期的长度可以充分反映出一个企业的盈利能力，也反映了客户的忠诚度。面对激烈的市场竞争，企业要掌握客户生命周期的不同特点，实施客户忠诚度计划，提供相应的个性化服务，进行不同的战略投入，使企业的成本尽可能低，盈利尽可能高，从而增强企业竞争力。２．３．４客户差异化分析和ＲＦＭＤ方法收集了客户信息以后，必须对其进行差异化分析。所谓差异化分析是指根据 客户的信息，找出不同客户群体之间的异同点，从而帮助企业准确地把握主要客户和关键客户，以便企业找准发展方向１１３Ｊ． ＲＦＭＤ是进行客户差异化分析的重要方法。Ｒ－ Ｒｅｃｅｎｔ（客户近况）：通过对客户最近一次购买情况的信息收集和跟踪，分析客户在沟通之后能够持续购买的几率，了解客户对所提供的即时商品和服务是否有所反应。企业与客户之间要建立长期的信息关系，而不仅仅是买卖关系。Ｆ－ Ｆｒｅｑｕｅｎｔ（购买频率）：高消费频率意味着更大的市场感召力，如果将该信息与最近一次购买情况和花费金额相参照，能够准确地判断一定区域和时期的主要客户和关键客户，从而使企业的营销策略更有针对性。Ｍ－ Ｍｏｎｅｔａｙｒ（消费金额）：通过对消费金额的分析，可以准确地预测一定时期、一定区域的销售量、市场占有率等信息，寻找出花费高金额的客户。Ｄ－ Ｄｅｍｏｇｒａｐｈｉｃ ａｎｄ Ｌｉｆｅｓｔｙｌｅ（人口统计资料和生活方式）：为企业提供一定区域的人文环境信息，即制定客户营销方案所应依据的人文信息。通过ＲＦＭＤ模型对客户信息进行差异化分析，可以识别出哪些客户是一般 客户，哪些客户是主要客户，哪些客户为关键客户，然后有针对性地展开服务，从而使企业价值目标与客户价值目标相协调。２．４客户关系管理的基本特征客户关系管理具有３个基本特征。武汉理工大学硕士学位论文（１）客户关系管理的理念性：客户关系管理是一种以客户满意为中心的管 理理念客户关系管理理念的核心思想是将企业的客户（包括最终客户、分销商和合 作伙伴）视为最重要的企业资产，通过完善的客户服务和深入的客户分析来满足客户的个性化需求，提高客户满意度和忠诚度，进而保证客户终生价值和企业利润增长的实现。客户关系管理这种管理理念吸收了“数据库营销” 、“关系营销”、“一对一营销”等最新管理理念的精华，通过满足客户的特殊需求，特别是满足最有价值客户的特殊需求，来建立和保持长期稳定的客户关系。客户同企业之间的每一次交易都使得这种关系更加稳固，从而使企业在同客户的长期交往中获得更多的利润。客户关系管理理念的宗旨是通过与客户的个性化交流来掌握其个性需求，并 在此基础上为其提供个性化的产品和服务，不断增加企业给客户的交付价值，提高客户的满意度和忠诚度，最终实现企业和客户的双赢。客户关系管理的这种理念性可以将现代企业管理提高到一个新的高度。 （２）客户关系管理的机制性：客户关系管理是一种改善企业与客户之间关 系的管理机制客户关系管理是一种旨在改善企业与客户之间关系的新型管理机制，可以应 用于企业的市场营销、销售、服务与技术支持等与客户相关的领域。客户关系管理通过向企业的销售、市场和客户服务的专业人员提供全面的、 个性化的客户资料，强化其跟踪服务、信息分析的能力，帮助他们与客户和生意伙伴之间建立和维护一种亲密信任的关系，为客户提供更快捷和周到的优质服务，提高客户满意度和忠诚度。客户关系管理的机制性在提高服务质量的同时，还通过信息共享和优化商业流程来有效地降低企业经营成本。正因为客户关系管理是一种改善企业与客户之间关系的管理机制，成功的客 户关系管理可以帮助企业建立一套运作模式，随时发现和捕捉客户的异常行为，并及时启动适当的营销活动流程。这些营销活动流程可以千变万化，但是基本指导思想是不变的，即利用各种计算，在提高服务质量和节约成本之间取得一个客武汉理工大学硕士学位论文户满意的平衡，如把低利润的业务导向低成本的流程（自动柜员机（ＡＴＭ）和呼叫中心（Ｃａｌｌ Ｃｅｎｔｅｒ）），把高利润的业务导向高服务质量的流程（柜台服务）。客户关系管理的这种机制性，可以加速推进企业管理机制的改革，以适应现 代市场日益激烈的竞争局面。（３）客户关系管理的策略性：客户关系管理是一种对客户资源进行集中管 理的经营管理策略客户关系管理就是一种以信息技术为手段，对客户资源进行集中管理的经营 管理策略。这种策略可从战略和战术两个角度来看待它。从战略角度来看，客户关系管理将客户看成是一项重要的企业资源，通过完 善的客户服务和深入的客户分析来提高客户的满意度和忠诚度，从而吸引和保留更多有价值的客户，最终提升企业利润。从战术角度来看，将最佳的商业实践与数据挖掘、数据仓库、网络等信息技 术紧密结合在一起，为企业的销售、客户服务和决策支持等领域提供了一个业务自动化的解决方案。客户关系管理的策略性，既有利于提升企业管理的战略高度，又便于构建实 用的客户关系管理系统。２．５客户关系管理的重要作用现代社会市场竞争愈演愈烈，获得和维持竞争优势是企业生存与发展的基 础。企业的竞争优势从内容看包括规模优势、绝对低成本优势、差别化优势等。资源能力学派认为：在今天形成企业竞争优势和核心竞争力的，再也不是那些有形的机器设备、厂房、资本、产品等物质资源，因为这些资源很容易从市场中得到，你可以买到，你的竞争对手同样也很容易从市场中得到。而管理、人才、技术、市场、品牌形象等无形资源，这些资源不易流动、不易被复制、交易频率低，其他企业不容易从市场中得到的，具有相对的垄断作用，可以产生一定的垄断优势。客户就是这样一种重要的市场资源，它对企业具有重要的价值。因此，客户关系管理在市场竞争中对企业的重要意义主要体现在以下几个方面：（１）增强企业的成本领先优势调查表明，完成对新客户的首次销售平均需要７次访问，而完成一次对老客武汉理工大学硕士学位论文户的销售则只需３次访问［［１４１。因此维护回头客可以提供成本优势。表２－３新、老客户的成本对比客户类型完成销售所需访问一次访问的成本销售成本次数 （美元） （美元）新客户７２３９１６７３老客户３２３９７１７差异 ９５６表２－ ３表明：开发新客户的成本比留住老客户高出约两倍。通过客户关系管理，与客户建立和保持一种长期良好的伙伴关系，留住回头 客，自然可以增强企业的成本领先优势。（２）扩大企业的客户规模优势如果企业的忠诚客户在企业的市场中占据相对较大的份额，那么就会为企业 带来相应的规模优势，同时也会降低企业的成本。一般客户从众心理很强，大量客户群也会成为他们考虑购买企业产品或服务的重要因素。通过客户关系管理，对企业客户关系互动引导、识别、保留和发展有价值客 户，提高客户忠诚度，自然可以扩大企业的客户规模优势。（３）强化企业的差异化优势从战略的角度讲，客户是提高市场价值的宝贵财富。这主要是通过品牌价值 表现出来。品牌价值是一个企业与其消费者或与起决定作用的客户之间相互发生联系的产物，也是企业差异化优势的重要标志。但是，品牌不能孤立地存在，他们因客户的认可而存在。较大的市场份额本身代表着一种品牌形象。另外，客户的宣传对企业的品牌形象也有重大的作用，特别是客户中的领袖起的作用更大。如果客户对企业的产品、服务很满意，就会正面宣传企业的品牌；如果不满意企业的产品、服务，就会对企业进行负面宣传。两方面的影响都非常大。企业只有提供高质量、令客户满意的产品、服务，树立良好的企业形象，才能获取客户的正面宣传。通过客户关系管理，分析和提高客户的满意度，树立企业的品牌形象，提高企业的品牌价值，自然可以强化企业的差异化优势。武汉理工大学硕士学位论文３数据挖掘技术本章讨论客户关系管理系统中所采用的数据挖掘技术。 ３．１数据挖掘技术的产生现代社会是信息爆炸的时代。２０世纪初，或者即使到了２０世纪中叶，还没 有一个公司的账目、订货记录和文件柜的数据总和能超过几十个百万字节（ｍｅｇａｂｙｔｅｓ） ［１６１。今天，最大的公司数据库的容量是用万亿字节（ｔｅｒａｂｙｔｅｓ）来计算的。对于这些公司来说，数据的增长是以１０万倍来计算的。随着数据库技术的成熟和信息应用的普及，人类积累的信息正在成指数地增长。但在多数情况下，这类数据的手机并不是为了建立知识模型，而是为了提高数据操作的效率。因此，未来学家奈斯比特（Ｊｏｂ Ｎａｉｓｂｉｔｔ）曾惊呼：“人类正被信息淹没，却饥渴于知识。”［２６］如今有太多的数据而总嫌知识不够。面临浩瀚无边的数据，人们呼唤从数据的汪洋大海中提取知识，于是数据挖掘技术应运而生。数据挖掘（ Ｄａｔａ ｍｉｎｉｎｇ， ＤＭ）是近几年随着人工智能和数据库技术发展起来的一门新兴技术。数据挖掘技术引起信息产业界极大关注的主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。数据一旦积累起来并从中提取信息和知识，就成为极宝贵的资源和财富。从大量数据中获取的这些信息和知识，就成为极宝贵的资源和财富。这些信息和知识可以应用于各个领域，包括商务管理、生产控制、市场分析、工程设计和科学探索等。这些知识财富可被用来改进每个领域，包括客户关系管理领域的决策。数据挖掘技术正是用于企业经营决策的重要手段。客户关系管理是数据挖掘的应用领域，包括客户获取、客户保持、客户价值提升等客户关系管理的各个方面［１７１。正是有了数据挖掘技术的支持，才使客户关系管理的理念和目标得以实现。３．２数据挖掘与知识发现简单地说，数据挖掘（Ｄａ ｔａ Ｍｉｎｉｎｇ）也称为数据库中的知识发现ＫＤＤ（ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ｉｎ Ｄａｔａｂａｓｅ），是指使用功能强大的计算机挖掘大量数据，以便从大量的数据中提取或“挖掘”知识［１９１。例如：发现一个特征的顾客及产武汉理工大学硕士学位论文品的模式。在企业经营管理中，数据挖掘与数据查询不同。数据挖掘不是用规范的查询 语言从关系数据库中找出有关的购买模式，而是要让一种处理引擎回答人们不知道该怎么提问的问题，找出人们目前还不知道其存在与否的模式，产生有意义的数据或者知识。数据挖掘的关键性思路为实事求是。“实事”即“数据”，“求”就是去发现、 去挖掘、去探索，“是”即数据中隐藏的规律。许多人把数据挖掘视为数据库中的知识发现或ＫＤＤ的同义词。而另一些人 把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程［ ２０］如下：数据清理（清除噪声或不一致数据） 数据集成（多种数据源可以组合在一起） 数据选择（从数据库中检索与分析任务相关的数据） 数据变换（数据变换或统一成适合挖掘的形式，如通过汇总或聚集操作） 数据挖掘（基本步骤，使用智能方法提取数据模式） 模式评估（根据某种兴趣度度量，识别表示知识的真正有趣的模式） 知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识） 数据挖掘步骤可以与用户或知识库交互。有趣的模式提供给用户，或作为新 的知识存放在知识库中。注意，根据这种观点，数据挖掘只是整个知识发现过程中的一步，尽管是最重要的一步，因为他发现隐藏的模式。数据挖掘的广义观点：数据挖掘是从存放在数据库、数据仓库或其他信息库 中的大量数据中挖掘有趣知识的过程。３．３数据挖掘的任务数据挖掘任务一般可分为两类：描述和预测。描述性挖掘任务刻画数据库中 数据的一般特性。预测性挖掘任务在当前数据上进行推断，以进行预测。具体任务分为［１ｚ１］．（１）总结规则挖掘 武汉理工大学硕士学位论文从客户指定的数据中从不同的角度或不同的层次上挖掘出平均值／极小值／极大值、总和、百分比等。挖掘结果运用特征规则和统计的曲线图表等表示。（２）关联规则挖掘从客户指令的数据库中挖掘出满足一定条件的依赖性关系。 （３）分类规则挖掘 找出描述并区分数据类或概念的模型，以便使用此模型预测类标记未知的对 象类。它通常使用类标记己知的数据对象作为训练数据集，通过对该数据集的分析，导出数据的分类模型，然后使用模型预测未知数据。（４）聚类 聚类与分类不同，它没有类标记作为指导，类标记由它本身产生。对象根据 最大化类内的相似性、最小化类间的相似性的原则进行聚类和分组。（５）预测分析 用于描述行为随时间变化的对象的规律或趋势，并对其建模。 所有用来进行分类及估计的技术都可以经过修正之后，通过己知变量数值的 训练组数据来得到。其中历史性数据是一个很好的来源。历史性数据可以用来建立模型，以检查近年来观察值的变化，若运用最新数据作为输入值，可以获得未来变化的预测值。像“购物篮分析”就可以预测在超市中哪些商品总是会被同时购买。而经过 修正后，也可以通过最新数据来预测未来的购买行为。３．４数据挖掘方法及应用举例（１）关联规则所谓关联规则就是发现事物之间有意义的联系和规则，它属于描述型挖掘分 析。关联规则是形如Ａ＝＞Ｂ的蕴涵式，Ａ称为前提或左部（ＬＨＳ）， Ｂ称为后续或右部（ＲＨＳ）。规则的一般形式为“Ｉｆ条件成立，ｔｈｅｎ结论”。通过关联分析可以发现３种规则：有用的、价值不高的、费解的。价值不高的规则往往是一些众所周知的规则的重现。例如，随着天气逐渐炎热，饮料的消费量会逐渐增加。这样的规则己为人们所熟知，即使推断出来，也没有什么价值。费解的规则是数据中武汉理工大学硕士学位论文一些偶然的东西。比如，由于夏天的某一天夜晚停电，造成了大量的顾客涌入商场避暑。对于这样的事件，由于其出现的概率非常低，没有必要对其分析，也没有必要采取某种商业上的行动。只有事物之间潜在的经常发生的规则才是有用的规则。“潜在的”说明还没有被发现；“经常发生的”说明规则发生的概率较大，如果对其采取行动可能会产生较大的收益［［２２１现在来研究一下如何发现有用的规则。要计算数据库中某个特定项或几个项 的事务出现的概率只要直接在数据库中进行统计即可。某一特定的关联，如铅笔和橡皮在数据库中出现的频率称为支持度。如１０００条记录中有２０条记录是铅笔和橡皮，则此关联的支持度为２％。非常低的支持度意味着此关联不重要，或者出现了错误数据。另外还要利用概率论中的条件概率，即当Ａ发生时，Ｂ发生的概率是多少 来考察规则中项及其组合出现的相对频率。对于上面的例子就是，当一个客户买了铅笔时，他还会买橡皮的可能行会有多大。在关联规则中，称其为置信度。计算公式是：（Ａ与Ｂ同时出现的频率）／（Ａ出现的频率）。假设某一数据库中有１ ０００条，其包含部分内容表３－１所示：表３－１部分数据信息商品名称铅笔 购买量１００５０橡皮 练习本 铅笔和橡皮 铅笔和练习本 ４０３０１５１０练习本和橡皮 铅笔、橡皮和练习本可以计算出：“铅笔和橡皮”的支持度＝３０／ １０００＝３％５ “铅笔、橡皮和练习本”的支持度＝５／ １０００＝０．５％“铅笔二＞橡皮”的置信度＝３０／ １００＝３０％“铅笔＝＞练习本”的置信度＝１５／ １００＝１５％武汉理工大学硕士学位论文可以看到买铅笔的顾客也买橡皮的可能性（３０％）是买铅笔的同时也买练习 本的可能性（巧％）的一倍。并且铅笔和橡皮的关联支持度已足够高了，则意味着这是一条有意义的关联规则。由于在关联分析中需要分析众多的组合情况，因此在分析中要使用最小支持 度和最小置信度对组合进行必要的过滤，这样才能降低计算的复杂程度。低于最小支持度的规则因为事件本身发生的概率很小而被过滤掉；高于最小支持度，但却低于最小置信度的规则，虽然事件本身发生的概率较大，但是规则成立的可靠性太低，因此常常会给出错误的答案，也必须滤除。必须指出，利用数据挖掘得到的关联规则并不是现实生活中的真正规则，它 只是对数据库中的数据之间相关性的一种描述。不能保证利用过去的数据得到的规律在将来的情况下仍然有效。经过数据挖掘得到的知识要经过进一步地分析与实验，才能将其付诸实施。序列模型分析同关联规则类似，但是它更侧重于分析事物之间的因果关系。 在这里就不详细介绍了。（２）聚类分析聚类就是将数据对象分组成为多个类或簇，在同一个簇中的对象具有较高的 相似度，而不同的簇中的对象差别较大。聚类分析是一种重要的人类行为。一个人在小的时候，就可以通过不断改进 下意识中的聚类模式来学会区分猫和狗。聚类分析己经广泛的应用在许多应用中，包括模式识别，数据分析，图像处理等。在商务上，聚类能够帮助市场分析人员从客户基本库中发现不同的客户群，并且用购买模式来刻画不同的客户群的特征。聚类与下面将要介绍的分类不同，它是在事先不规定分组规则的情况下，将 数据按照其自身的特征划分成不同的群组。在开始聚类之前，并不知道要把数据分成几组，也不知道如何划分。所以，在聚类之后，要有一个对业务非常熟悉的人来解释这样分类的意义。在很多情况下，一次聚集得到的分类对业务来说可能并不好，这时需要删除或增加变量己影响分类方式，经过几次反复之后才能最终得到一个理想的结果。模糊等价矩阵和神经元网络是比较常用的聚集算法［［２３］武汉理工大学硕士学位论文（３）分类和回归分类要解决问题是为一个事件或对象归类。既可以分析己有的数据，也可以 预测未来的数据｝ｚｓ｝分类分析首先从完整的数据集合中划分出一部分数据作为训练集合，然后为 这个训练集合中每一个记录分配一个标记，即对训练集合进行一次划分。接着，检查这些标定的记录，描述具有同类标记的记录子集的特征或者重要的相关因素。最后，将发现的重要因素运用到数据集合上的整体上，从而完成数据集合的分类工作。由于在训练数据集中提供了每个训练样本的类标号，故称作有指导的学习， 而聚类是无指导的学习。数据集合分类特征的描述可以是一组规则也可以是一个数学模型或数据公 式。回归是通过具有己知值的变量来预测其他变量的值。在简单情况下，回归往 往采用的是线性回归来解决问题。对于非线性的变量，可以采用逻辑回归、决策树、神经网络等。（４）决策树决策树提供了一种展示在什么条件下会得到什么值这类规则的方法。它是利 用信息论中的信息增益寻找数据集合中具有最大信息量的属性字段，从而建立决策树的第一个节点，然后再根据该属性字段的不同取值建立树的分支，这样最初的数据即被划分出两个数据子集（２４］。自上而下分别在两个数据子集上反复使用上面的方法建立其下层分支节点，直到数据集合不可在分。如图３－ １所示，决策树有决策节点、分支和叶子组成。决策树中最上面的节点成为根节点，是整个决策树的开始。此例中的根节点为“年薪＞５００００＂，对此问题的不同回答产生了“是”和“否”两个分支。决策树每个节点的子节点数与算法有关，如果每个节点只有两个分支称其为二叉树，多于两个分支的称其为多叉树。武汉理工大学硕十学位论文普通客户大客户图３－１决策树在遍历决策树的过程中，在每一个节点都会遇到一个问题，对每个节点上的 问题的不同回答会导致走向不同的分支，最终到达一个叶子节点。这个过程就是利用决策树进行分类的过程，利用几个变量来判断所属的类别。最后的叶子就是所属的类别。例如某电信公司希望将其客户分成大客户和普通客户两类，就可以利用上面 这棵决策树来判断大客户。年薪＞５００００且工作时间在一年以上的可以认为是大客户，或者是年薪达不到５００００但是其达到３００分者也可称其为大客户。以上是一个非常简单的例子，即易于理解，也较容易计算。但实际问题往往 复杂得多。如果一个决策树太过于“枝繁ｆｌ－卜茂”，会降低决策树的可理解性和可用性，同时也会使决策树对历史数据的依赖性增大，这样不利于新的数据应用。称这种情况为训练过度，为防止训练过度，也就是为了使决策树所蕴含的规则具有普遍意义，同时也为了节省训练时间，需要有一种方法停止树的生长。常用的方法是限定决策树的最大高度来树的生长。决策树非常善于处理非数值型数据。 （５）神经网络神经网络近来越来越受到人们的关注，因为它为解决大复杂度问题提供了一 种相对来说比较有效的简单方法。神经网络可以很容易的解决具有上百个参数的问题。神经网络常用于两类问题：分类和回归［５２１。神经元的模型是人们参照人脑细胞的结构建立的。在结构上，可以把一个神 经网络划分为输入层、输出层和隐含层。如图３－２所示，输入层的每个节点对应一个个的预测变量，输出层的节点对应目标变量。在输入层和输出层之间是隐含层，隐含层的层数和每层节点的个数决定了神经网络的复杂度。武汉理工大学硕士学位论文隐含层图３一２神经元网络输出层除了输入层的节点，神经网络的每个节点都与它前面的许多节点连接在一 起，每个连接对应一个权重Ｗｒ，此节点的值就是通过它所有输入节点的值与对应连接权重乘积的和作为一个函数的输入而得到，把这个函数称为活动函数或挤压函数。如图４－２中节点３输出到节点６的值可通过如下计算得到：叽３Ｘ节点１ 的值十Ｗｚ３ ｘ节点２的值神经网络的每个节点都可表示成预测变量（ 节点１， ２）的值或值的组合（节点３－６）。此时节点６的值己经不再是节点１， ２的线性组合，因为数据在隐含层中传递时使用了活动函数。实际上如果没有活动函数的话，神经元网络就等价于一个线性回归函数，如果此活动函数是某种特定的非线性函数，那神经网络又等价于逻辑同归。调整节点间连接的权重就是在建立（也称训练）神经网络时要做的工作。最早的也是最基本的权重调整方法是错误回馈法，现在较新的有变化坡度法、类牛顿法和遗传算法等［［ｚ７１。无论采用那种训练方法，都需要有一些参数来控制训练的过程，如防止训练过度和控制训练的速度。决定神经网络拓扑结构的是隐含层及其所含节点的个数，以及节点之间的连 接方式。要从头开始设计一个神经网络，必须要决定隐含层和节点的数日，活动函数的形式以及对权重做哪些等。在诸多类型的神经网络中，最常用的就是前面图示中所描绘的那种前向传播 式神经网络。在只含有一层隐含节点的情况下，错误回馈式训练法的过程如下：前向传播：数据从输入到输出的过程是一个从前向后的传播过程，后一节点 的值通过它前面相连的节点传过来，然后把值按照各个连接权重的大小加权输入到活动函数再得到新的值，进一步传播到下一个节点。回馈：当节点的输出值与预期的值不同，也就是发生错误时，神经网络就要 “学习”。可以把节点间连接的权重看成后一节点对前一节点的“信任”程度。 武汉理工大学硕士学位论文学习的方法是采用惩罚的方法。如果某一节点输出发生错误，那么它的错误是受哪些输入节点的影响而造成的，是不是权重最高的节点使他出错，如果是，则要降低它的权重，惩罚它们，同时升高那些做出正确建议节点的权重。对那些受到惩罚的节点来说，它也需要用类似的方法来进一步惩罚它前面的节点。就这样把调节过程一步一步向前传播到输入节点为止。对训练集中的每一条记录都要重复以上这个步骤。当把训练集中的每一条记 录都运行过一遍之后，则称完成一个训练周期。要完成神经网络的训练可能需要很多个训练周期，训练完成之后得到的神经网络就是在通过训练集发现的模型，描述了训练集中响应变量受预测变量影响的变化规律。由于神经网络隐含层中的可变参数太多，如果训练时间足够长的话，神经网 络很可能把训练集的所有细节信息都“记”下来，而不是建立一个忽略细节的只具有规律性的模型，称这种情况为训练过度。显然这种“模型”对训练集会有很高的准确率，而一旦离开训练集应用到其他数据，很可能准确度急剧下降。为了防止训练过度的情况，必须知道在什么时候要停止训练。在有些软件中会在训练的同时用一个测试集来计算神经网络在此测试集上的正确率，一旦这个正确率不再升高甚至开始下降时，那么就认为现在神经网络可以停止训练了。神经网络的另一个优点是很容易在并行计算机上实现，可以把它的节点分配 到不同的ＣＰＵ上并行计算。在使用神经网络时有几点需要注意。首先，神经网络很难解释，目前还没有 能对神经网络做出显而易见解释的方法学。其次，神经网络会学习过度，由于神经网络太灵活、可变参数太多，如果给足够的时间，它几乎可以“记住”任何事Ｊ清，在训练神经网络时一定要恰当的使用一些能严格衡量神经网络的方法。另外，除非问题非常简单，训练一个神经网络可能需要相当可观的时间才能完成。当然，一旦神经网络建立好了，在用它做预测运行时还是很快的。最后，建立神经网络需要做的数据准备工作量很大。要想得到准确度高的模型必须认真的进行数据清洗、整理、转换、选择等工作，对任何数据挖掘技术都是这样，神经网络尤其注重这一点。武汉理工大学硕士学位论文４数据挖掘在客户关系管理中的应用 数据挖掘是深层次客户关系管理的技术核心。本章首先评价数据挖掘在客户关系管理中的商业价值，再讨论数据挖掘在客户关系管理中的基本功能，最后说明在客户关系管理中实施数据挖掘要解决的几个问题。４．１数据挖掘在客户关系管理中的商业价值数据挖掘是整个客户关系管理中最重要的组成部分，是客户关系管理创造商 业价值的关键。许多企业有数以百万计的历史数据，要经过传统的统计分析方法分析相当困 难，容易错失企业应有的商机。数据挖掘则利用高级统计工具和人工智能技术，对数据库或其它电子文档提供的庞杂数据进行筛选、推导与模型构造等操作，充分了解客户购物信息，有效地和客户建立亲密关系，找出恰当的营销模式，正确掌握未来经营动态，有效地提供营销、销售和服务的决策支持，让企业得到充分的信息而展开行动。并于最恰当的时间、最恰当的地点，给最恰当的客户提供最恰当的一对一的产品和服务。有了数据挖掘，可以更深层次地了解客户，与客户深交，更有效地进行营销， 从而为企业扩大原有商机。有了数据挖掘，可揭露隐含在数据与模式中的闪光点，从原始数据获取崭新 知识，从而为企业创造新的商机。有了数据挖掘，可以更准确地预知未来客户、潜在客户，预知未来的需求和 未来的经济状况，大幅提高目标市场营销的准确度，减少无目标的营销策略，从而较其他竞争者优先获得商机。总之，正是有了数据挖掘，使企业从大量数据中获得了深层的、隐含的、潜 在的、未来的客户知识，为企业扩大原有商机、创造新的商机、优先获得商机提供非常有利的条件，进而为企业经营提供更有效的营销、销售和服务的决策支持，使数据挖掘成为客户关系管理中最重要的也是最关键的一个组成部分。有很多成功使用数据挖掘的案例，沃尔玛（Ｗａ ｌ－Ｍａｒｔ）使用数据挖掘技术，其数据库拥有７０００兆字节的数据，主要是关于其销售、存货、运输中的商品、市场统计、顾客统计、财务、商品退货及供应商业绩等１２９１。挖掘这些数据主要武汉理工大学硕士学位论文用于开发沃尔玛３０００多分销商店的“个性”，以便管理人员决定每个商店的商品结构，为沃尔玛创造了可观的商业价值。４．２数据挖掘在客户关系管理中的基本功能在客户关系管理中，数据挖掘是从大量的客户数据中挖掘出隐含的、先前未 知的、对企业决策有潜在价值的知识和规则。在客户关系管理中数据挖掘功能越来越丰富，但是最基本的数据挖掘功能是：（１）挖掘客户特征：数据挖掘的第一步就是挖出顾客的特征描述。企业在 了解客户信息方面永不满足，他们不仅会想方设法了解顾客的地址、年龄、性别、收入、职业、教育程度等基本信息，对了解客户的婚姻、配偶、家庭状况、疾病、爱好等等也是不遗余力。也由于这个原因，在谈到客户关系管理时，个人隐私便成为一个敏感话题。（ ２）挖掘“黄金客户”：通过客户行为分析，归类出消费额最高、最为稳定的客户群，确定为“黄金客户”。针对不同的客户档次，确定相应的营销投入。对于“黄金客户”，往往还需要制定个性化营销策略，以求留住高利润客户。所以，不要期待在客户关系管理时代继续人人平等。当然，成功的客户关系管理不会让顾客感觉到歧视。（３）挖掘客户关注点：通过与客户接触，收集大量客户消费行为信息，通 过分析，得出客户最关注的方面，从而有针对性地进行营销活动，把钱花在“点”上。同样的广告内容，根据客户不同的行为习惯，有的人会接到电话，有的人就可能收到信函；同一个企业，会给他们的客户发送不同的信息，而这些信息往往就是顾客感兴趣的方面。（ ４）挖掘客户满意度和忠诚度：通过数据挖掘对客户满意度、忠诚度的持久性、牢固性及稳定性进行分析。对于高满意度客户，要进一步建立信誉，对于不满意客户，要努力提供更多的面对面的关怀。对于高忠诚度客户，要注意保持其良好印象，对于低忠诚度客户，要么不要浪费钱财，要么就花大功夫把他们培养成忠诚客户。武汉理工大学硕士学位论文４．３客户关系管理中实施数据挖掘的步骤如果进一步将客户关系管理分析应用需求进行技术型整理，我们可以归纳出以下几类数据挖掘需求数据描述和总结： 对历史数据描述和总结，可以看清过去发生了什么。数据分类、市场分割：市场细分，提高可操作性和可管理性。 预测：给出一个或一批预测输入，其结果会如何？ 数据相关性发现：一种行为的发生有很大可能触发另一种行为。 数据依赖性分析：一种行为的发生以另一种行为为前提。 下面让我们来看看企业进行数据挖掘时的基本步骤和方法。 整个过程由３个步骤组成：数据准备、数据挖掘和评估与表示［ ［３２］。如图４－１所示：数据准备数据挖掘分卜一评估与表示图４－１数据挖掘的基本步骤数据准备阶段是数据挖掘的第一个阶段，此阶段工作的好坏直接影响数据挖 掘的效率和准确性。此阶段可分为：数据清理、数据集成、数据选择和数据变化。数据清理所作的是消除原始数据中的噪音和不一致性数据。数据集成将多处 据库中运行环境中的数据进行合并处理，解决语义模糊性，处理数据中的遗漏和洗清脏数据［３３］。数据选择就是从企业大量数据中检索与分析与任务相关的数据子集。这种对数据的精选工作，不仅能减少数据的处理量和提高效率，而且能使数据更加具有规律性。数据变换就是根据挖掘的需要，将数据变换或统一成适合挖掘的形式，如通过汇总或聚集操作等。数据挖掘阶段是运用选定的数据挖掘方法，从数据中提取对用户有价值的信 息。首先，决定如何产生假设，是用户对于数据库包含的知识提出假设，还是通武汉理工大学硕士学位论文过机器学习来发现设。前一种称为“验证驱动型数据挖掘”，后一种称为“发现驱动型数据挖掘”口叼。在问题明确以后，就可以建立模型了。从上述的过程中可得到一系列的分析结果，模式和模型。会得到对目标问题 的不同角度的描述，这就需要根据某种兴趣度度量，识别表示知识的真正有趣的模式。一种办法是直接使用原来建立的模型样本和数据样本进行检验；另一种办法是在实际运行的环境中提取新数据进行检验。最后利用可视化技术和知识表示技术，向用户提供挖掘的知识。这就是评估与表示阶段４．４客户关系管理中实施数据挖掘要解决的几个问题数据挖掘是一个比较复杂的应用。在客户关系管理中实施数据挖掘需要经过 审Ｊ滇的考虑，才能够实施一个成功的数据挖掘应用，使客户关系管理本身从中受益。在客户关系管理中创建和实施一个数据挖掘应用需要解决的问题有：（１）确定如何使用数据挖掘。数据挖掘是用来优化客户关系管理，提高企 业运营效率的，所以数据挖掘应用必须能够与企业现有客户关系管理流程或客户关系管理的人工处理过程集成［３５］。因此，首先需要理解现有的客户关系管理流程（包括已经实现的客户关系管理系统的流程和人工处理过程），以确定在哪里可以使用数据挖掘来进行优化。通常在一个客户关系管理系统中实施数据挖掘应用时，不要同时针对客户关系管理流程的各个环节开发数据挖掘应用，而是首先针对关键环节，或者需求较为强烈的环节优先开发数据挖掘应用。（ ２）定义数据挖掘应用的用户。数据挖掘应用的用户组成通常比较复杂，他们包括经常使用系统但是仅使用一些简单功能的日常工作人员，也包括很少使用系统但是每次使用系统都需要完成大量分析、挖掘任务的企业高层决策者；包括精通数据挖掘技术的专业人员，也包括毫无技术背景的普通用户［３６］。所以系统中用户的定义需要经过细致的用户需求分析，充分了解每一种用户的详细信息（技术背景、使用系统的频率、是否具有数据挖掘技术相关知识等等）、需求和 愿望。（３）定义所使用的数据并进行数据预处理。数据挖掘是否能够获得有价值 的信息，很大程度上取决于输入数据的数量和质量［ａｔ［。实施一个数据挖掘应用，首先应该针对数据库或数据仓库中的大量数据建立完善的数据字典，或称为元数武汉理工大学硕士学位论文据。使用数据字典，可以准确地从数据或数据仓库中找到数据挖掘应用所需的数据。（４）反复验证。存储在数据库中的数据通常存在数据的不完整、不一致等 一些情况，而且通常包含了许多挖掘时用不到的多余属性。所以，在真正使用这些数据之前，需要对他们进行反复验证［３１１数据挖掘是一个复杂的应用，对一个大型数据挖掘应用的验证需要花费大量的时间，所以验证应该从较小的系统开始。对系统的验证可以纠正其中发生的错误，而且有利于用户对数据挖掘应用的理解，帮助他们提出更合理、更有创见性的建议。（５）用户培训。它也是非常重要的一环，因为用户才是最终真正使用客户 关系管理系统和其中的数据挖掘应用的人。对用户的培训必须让他们知道对所使用的客户关系管理系统的整体流程、功能以及数据挖掘应用在其中所起的作用，了解系统中所使用的数据的具体含义，最后指导他们对挖掘结果进行有效的访问和可视化［４２１。在客户关系管理中实施数据挖掘应用是一个持续的过程，不可能Ｊ％ｔ而就。随着客户关系管理系统的不断扩展和数据资源的积累，很可能需要重新建立其中的数据挖掘模型或者创建新的数据挖掘应用。我们相信，数据挖掘和客户关系管理的结合必然会推动企业的发展，同时也为客户提供更优质的服务。武汉理工大学硕士学位论文５某联通分公司ＣＲＭ案例分析众所周知，移动通信市场是一块利润丰厚的大蛋糕，而中国移动通信的现有 及潜在的用户消费群体是异常庞大的，国内目前拥有六大移动通信运营商：中国移动、中国联通、中国铁通、中国网通、卫星通信，彼此之间的竞争己趋向白热化。中国加入世贸以后，随着电信产业的逐步放开，务必将会有更多的服务商（包括国内和国外）参与争夺，竞争可想而知将会进一步加剧。因此，对移动客户跳槽因素的研究分析，是具有一定的现实意义和指导意义。本章研究一个联通分公司利用数据挖掘技术分析客户跳槽问题而设计的ＣＲＭ系统。５．１公司基本经营情况该联通分公司员工总数约３０００人，其中近５０％为大学以上学历。目前主要 经营的业务有：移动通信（包括ＧＳＭ． ＣＤＭＡ）、国际国内长途通信、数据通信（ＡＴＭ和ＩＰ ）、无线寻呼、互联网与电子商务及各种电信增值业务。该分公司的移动电话网上用户达４７０万户、寻呼网上用户１ ５１万户，长途通信网、数据通信网、ＩＰ电话网及互联网已在全省各地开通并与全国连网，业务高速增长。目前，己基本形成１３０／１３１移动电话、１２７／１２９／１９２／１９９无线寻呼、１９３长途电信、１７９１０／１７９１１ＩＰ电话、１６５互联网等综合业务经营的新格局。该分公司组织结构如图５－ １所示。武汉理工大学硕士学位论文财务部务业部务部图５－１某联通分公司组织结构图其生产单元的部门主要是为客户提供各种产品或服务。其共享部门的职能主 用户在该公司任何一个营业厅登记入网后，就可以使用该公司提供的服务。 客户还可以直接通过Ｉｎｔｅｎｒｅｔ在该公司的网上营业厅办理登记客户注册入网、变更业务信息、交费等业务。５．２ ＣＲＭ系统的设计目标为了能够更好的向客户提供服务，提高客户的忠诚度，减少客户的流失，该 公司提出了运用数据挖掘模型深化客户关系管理。给客户关系管理系统的具体目标是：（１）采用该公司的有关当前客户和己跳槽客户详细信息的一个小型数据集 要是网络基础建设、技术支持、记录客户使用的服务以及按照收费规则进行计算客户应付的账单等。综合部门中的大客户发展中心的职能主要是针对大客户提供优良的、定制化的服务。武汉理工大学硕士学位论文作为研究的样本数据集，进行客户群体分析，以便为有价值的客户提供个性化的定制服务；（２）利用数据挖掘的方法辨别出对公司不满意的顾客，与这些顾客进行沟 通，并改善自己的服务，尽一切可能挽留住客户，避免客户尤其是大客户的流失；（３）能够尽可能的减少客户的恶意欠费，但同时又要避免与客户特别是那 些大客户发生冲突，即要求在客户不流失的情况下，减少客户的恶意欠费。（４）分析导致客户跳槽的各种因素并理解其重要性，从而提高客户保持率。 ５．３ ＣＲＭ系统功能分析该系统的功能结构如图５－２所示。ＥＴＬ｛抽取、转换、加载图５－２客户关系管理功能图该公司客户服务中心、计费信息中心、财务部门和网管中心都有一套自己的 信息系统，拥有众多的业务数据和分散的客户数据，但每个信息系统的数据库并不都兼容，这是历史原因造成的。该分公司虽然拥有大量的数据，但是很难跨部门去取数据，更谈不上去综合分析这些数据。为了更好地规范各种数据，减少冗余，该公司决定建立数据仓库，使这些数据面向主题，从而能够更好的去分析这武汉理工大学硕士学位论文些数据。在数据仓库的基础上，就可以更好地进行数据挖掘了。该系统在数据仓库的基础上，利用数据挖掘技术和该系统提供的模型库进行 客户发展分析、效益分析、呼叫特征分析、营销管理分析以及网络优化。客户发展主要是对企业的客户群体进行划分，从不同的角度展现该公司提供 服务的客户数量情况。分类可以按照客户的本身属性，如年龄、性别、受教育程度等进行划分，也可以按照客户的扩展属性进行划分，如客户的信用度、客户的价值、客户的流失率等等。还可以按照地理区域或业务分类进行划分。无论何种方式，都是为了反映客户对公司提供服务的满意程度。效益分析主要是通过不同的角度对企业的效益情况进行分析。可以按照客户 情况、业务运营、地理区域等进行分析。呼叫特征分析是分析不同类型客户在呼叫上具有的特征。其特征包括：呼叫 时间的长短、呼叫的类型、呼叫金额、呼叫的时间段、热点区域等。营销管理是对各个营业厅、分销商、代理商的经营状况进行分析。考察其业 务流量、营销方式等，网络优化管理是分析如何优化网络的配置，如何更好的对网络进行管理。 以上的功能划分是从企业的营运角度进行划分。基本上涵盖了该企业的内部 数据要求。同时利用模型库还可以对客户的行为进行分析，分别是：客户群体分析、客 户流失分析和客户欺诈分析．５．４ ＣＲＭ系统的数据挖掘分析该系统目前主要做了下列几项数据挖掘工作：（１）客户群体分析客户群体划分是了解和优化公司运营情况的基础。在对客户进行合理划分的 基础上，可以针对不同客户群体采取不同的策略，对客户的消费行为进行合理的引导。客户群体划分可以采用聚类或者分类的挖掘方法。聚类方法是无指导的学 习，即在不指定区分规则的基础上进行划分；分类方法是有指导的学习，在指定武汉理工大学硕士学位论文区分规则时，判断和预测客户可能会属于某个群体。由于该公司己经按照自身的需求指定了客户划分规则，所以使用了分类的方法。如图５－３所示，通过预测发现在１９％的中间客户群中近期可能成为大客户，为此可以采取一些优惠引导其成为该公司的大客户。９％大客户一亡３－生９％中间群体７２％ 普通客户图５－３客户群分类（２）客户流失分析由于通讯市场充满了竟争和变化，顾客在这种环境下转到竞争对手那里的可 能性有增无减。客户流失对于电信公司来说是一个非常严重的问题。同时众所周知，挽留一个老客户比争取一个新客户的成本低得多。通过对客户的通话行为进行分析与数据挖掘，可以发现其中的“异常现象” 在客户流失之前，该公司提高服务质量，解决投诉问题、给予价格优惠等措施将客户挽留。如图５－４所示，通过模式分析发现黄金客户甲和黄金客户乙在近期的投诉次数迅速增长，而通话却次数迅速下降。黄金客户的流失，对于公司的损失是非常大的。应当特别给予关注。酮寸啊图５－４客户流失分析武汉理工大学硕士学位论文（３）客户欺作分析客户欺诈指的是客户不遵守与商家的有关协议，不履行应尽的义务，从而使 商家遭受到一定的损失，让商家感到受了欺诈行为。客户欺诈行为是很常见的，带给企业的损失也是很大的。对于电信行业欠费现象较为突出，不仅使企业背上沉重的包袱，也使企业难以制订良好的营销策略。欺诈行为可分为：恶意性欺诈、报复性欺诈和非恶意性欺诈。欺诈分析主要 依据客户的呼叫行为以及其他的相关因素。如图５一５所示，从数据上分析反映出用户甲在短期内的通话费用急剧增加，参考其他因素发现用户甲曾经有欠费的记录，并且考虑其职业的特点，并不是从事与销售相关的职业，那么就可以将其列入可疑用户。如果甲在近期的投诉也急剧上升，也说明其有报复性欺诈的可能。对于这些现象公司都应给予高度重视通话费用时间可疑用户甲短斯内的话费急剧上升 图５一５客户欺诈分析一个合理的分析模型既要能够最大限度的发现真正恶意欠费的用户，同时又要避免太敏感，以免与信誉良好的大客户发生不愉快的冲突。武汉理工大学硕士学位论文总结 本论文在介绍并讨论了客户关系管理和数据挖掘的技术理论之后，提出了将 数据挖掘技术应用于客户关系管理的设计思想。并从客户关系管理的基本理念及其衍生理念、客户关系管理的基本特征、客户关系分析模型、客户关系管理的体系结构、功能结构，数据挖掘的知识发现、数据挖掘的基本方法和基本步骤等方面分别研究了如何将数据挖掘应用于客户关系管理的问题，最后将数据挖掘技术应用于一个移动通信分公司的ＣＲＭ系统，进行了该系统的目标设计、功能结构设计和数据挖掘分析，基本取得了预期效果。在激烈的市场竞争中，客户已成为企业最重要的资源，以客户满意为中心是 客户关系管理的基本理念。从这个基本理念出发衍生的客户价值理念、关系价值理念、信息价值理念及由基本理念推演出来客户关系管理的理念性、机制性、策略性，根据基本理念要求所作的客户终身价值分析、客户组合分析、客户差异性分析及相应的客户关系分析模型，以及数据挖掘的基本方法和基本步骤对于深层次地客户关系管理研究是非常重要的。客户关系管理决不仅仅是一种市场营销战略，而是面向各行各业并涉及企业 所有业务流程的一场商业。如何通过数据挖掘技术对市场和客户信息进行统计和分析，发现市场机会，确定目标客户群和营销组合，科学地制定出市场和产品策略是现代企业越来越关心的问题。中国加入ＷＴＯ，使得中国企业必将加快管理经验的学习和信息建设的步伐，力争和国际接轨。信息化手段下的客户关系管理正是帮助企业实现这一目标的最佳方法。目前我国的客户关系管理市场处在启蒙阶段。因此研究其核心理论，对我国的客户关系管理的发展和企业信息化的水平提高有着重要的意义。在研究生期间，本文所做的工作只是本人热衷于客户关系管理的研究和实践 的一次初步尝试，存在的问题很多，今后要继续努力解决。要想开发出一个高效的客户关系管理系统并在实际应用中取得最大效益，无论在理论研究上还是具体实践上还有很多工作要做。特别是如何高效地利用数据挖掘技术更深层次地进行客户关系管理，仍然是一个有待通过艰苦工作才能努力解决的问题。这也是本人今后的努力方向。武汉理工大学硕士学位论文参考文献［ｌ］ Ｌｙｅｔｅ Ｒｙａｌｓ， Ｓｉｍｏｎ Ｋｎｏｗ． Ｃｒｏｓｓ－Ｆｕｎｃｔｉｏｎａｌ Ｉｓｓｕｅｓ ｉｎ ｔｈｅ Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ＲｅｌａｔｉｏｎｓｈｉｐＭａｒ ｋｅｔｉｎｇ Ｔｈｒｏｕｇｈ Ｃｕｓｔｏｍｅｒ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｍａｎａｇｅｍｅｎｔ． Ｅｕｒｏｐｅａｎ Ｍａｎａｇｅｍｅｎｔ Ｊｏｕｒｎａｌ２００１， １９ （５） ：５３４－５４２．［２］杨路明，巫宁，客户关系管理理论与实务，北京：电子工业出版社，２００３．３－１２［３］ Ｊｉａｗｅｉ Ｈａｎ， Ｍｉｃｈｅｌｉｎｅ Ｋａｍｂｅｒ著，范明，孟小峰译．数据挖掘概念与技术，北京：机械工业出版社，２００４．３－ ５［４ｌ李宝东，宋瀚涛．数据挖掘在客户关系管理（ＣＲＭ）中的应用．北京：机械工业出版社，２００３．７１－ ７５［５］ Ｗｉｌｌｉａｍ ＧＺｉｋｍｕｎｄ著，吕晓娣，史锐译．营销调研精要．北京：清华大学出版社，２００３１１８－１２０ ［６］客户关系管理中的数据挖掘．南京航空航天大学硕士学位论文，２００３．４－６［７］林杰斌，刘明德，陈湘．数据挖掘与ＯＬＡＰ理论与实务．北京：清华大学出版社，２００４．５８－５９ ［８１杨东龙主编，宝利嘉顾问．忠诚可求一一获取客户终身价值．北京：中国经济出版社，２００３．９－１２ ［９１范云峰．客户管理营销．北京：中国经济出版社，２００３．９２－９７［１０］李小圣．如何进行客户关系管理．北京大学出版社，２００２．５－６［１１］鲍勃・哈特利，迈克尔・Ｗ＂斯塔基著，张永等译销售管理与客户关系，北京：机械工业出版社，２００３．１ ０－１２［１２］赵宏波．电信企业客户关系管理．北京：人民邮电出版社，２００２．２１－２３ｔ１３］迈克尔．坎宁安著，刘路丹译．客户关系管理．北京：华夏出版社，２００２． １４３－１４４［１４］朱爱群．客户关系管理与数据挖掘．北京：中国财政经济出版社，２００２． ４４２－４４５［１５１邵兵家，于同奎，客户关系管理理论与实践．北京：清华大学出版社，２００３．３－２２［１６］ Ｍｉｃｈａｅｌ Ｊ．Ａ．Ｂｅｒｒｙ， Ｇｏｒｄｏｎ Ｓ．Ｌｉｎｏｆ著，袁卫等译．数据挖掘一客户关系管理的科学与艺术．北京：中国财政经济出版社，２００２．３－ ４［１７］ Ｊｉａｗｅｉ Ｈａｎ， Ｍｉｃｈｅｌｉｎｅ Ｋａｍｂｅｒ． Ｄａｔａ Ｍｉｎｉｎｇ－Ｃｏｎｃｅｐｔｓ ａｎｄ Ｔｅｃｈｎｉｑｕｅｓ． Ｂｅｉｊｉｎｇ． ＨｉｇｈｅｒＥｄｕｃａｔ ｉｏｎ Ｐｒｅｓｓ， ２００１： １２－１８［１８１罗斯・道森著．祁延莉，董小英译．开发基于知识的客户关系卜北京：电子工业出版社，２００１： ３－１０（１９１ Ｊａｙ Ｃｕｒｒｙ， Ａｄａｍ Ｃｕｒｒｙ著，程晓晖．项前译．客户营销战略—如何实施客户关系管理并从中赢利．上海：上海交通大学出版社，２００３．１ ５－３５［ ２０］ ＡＢＣ远擎管理顾问公司．客户关系管理深度解析．北京：清华大学出版社。２００３．３５－３９脾］］王广宇．客户关系管理〔ＣＲＭ）—网络经济中企业管理理论和应用解决方案．北京：多济管理出版社．２００１．１２－ ３２武汉理工大学硕士学位论文［２２］罗纳德・Ｓ・史威福特．客户关系管理—加速利润和优势提升．北京：经济出版社，２００１．３１－ ３５［２３］弗雷德里克・纽厄尔．网络时代的顾客关系管理．北京；华夏出版社，２００１．３２－３５［２４］弗列德・威尔斯马．客户联盟．北京：机械工业出版社，２０００．３３－３６［２５］周运锦，黄桂红．营销法眼—顾客关系管理．广州：广东经济出版社，２００１．２０－５３［２６］罗家德‘网络国际关系营销．北京：社会科学文献出版社，２００１． １２－２５［２７］ Ｋｅｌｌｙ Ｄ．Ｃｏｎｗａｙ， Ｊｕｌｉｅ Ｍ．Ｆｉｔｚｐａｔｒｉｃｋ． Ｔｈｅ Ｃｕｓｔｏｍｅｒ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｒｅｖｏｌｕｔｉｏｎ一［２８］ Ｆｒ［２９］ Ａｌ［３０１ Ｄ．［３１］ Ｌ・Ｗ．Ｗｉ［３２］ Ｒｏｎａｌ［３３］ Ｌ．［３４］ Ｆ．［３５］ Ｕ．［３６］ Ｈａ［３７］ Ｇａ［３８］ Ｋｕｒ［３９］ Ｓｗｉ［ ４０］ Ｂｅ［ ４１］ Ｒａ［ ４２］ ＳｔＡＭｅ ｔｈｏｄｏｆｏｇｙ ｆｏｒ Ｃｒｅａｔｉｎｇ Ｇｏｌｄｅｎ Ｃｕｓｔｏｍｅｒ， １９９９ ｅＬｏｙａｌｙｔＣｏｒ ｐｏｒａｔｉｏｎ．ａｎｋ Ｔｅｋｌｉｔｚ， Ｒｏｂｅｒｔ Ｌ．ＭｃＣａｒｔｈｙ． Ａｎａｌｙｔｉｃａｌ Ｃｕｓｔｏｍｅｒ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｍａｍａｇｅｍｅｎｔ， ＡＷｈｉ ｔｅｐａｐｅｒ ｆｒｏｍ Ｓｙｂａｓｅ， Ｉｎｃ．１９９９ ｈｔｔｐ： ｗｗｗ．ｓｙｂａｓｅ．ｃｏｍ．ｅｘ Ｂｅｒｓｏｎ， Ｓｔｅｐｈｅｎ Ｊ・Ｓｍｉｔｈ． Ｄａｔａ Ｗａｒｅｈｏｕｓｅ， ｄａｔａ ｍｉｎｉｎｇ． Ａｎｄ ＯＬＡＰ． ＭｃＧｒａｗ ＨｉｌｌＢｏｏｋ Ｃｏ． １９９９．３．Ｂａｎｎｉｓｔｅｒ． Ａ Ｎｅｗ Ｔｈｅｏｒｙ ｏｆ Ｐｅｒｓｏｎａｌｉｔｙ ｉｎ Ｂ．Ｍ． Ｆｏｓｓ， Ｎｅｗ Ｈｏｒｉｚｏｎｓ ｉｎ Ｐｓｙｃｈｏｌｏｇｙ，Ｐｅｎｇｕｉ ｎ， １９９６．１１．ｅｒｓｍａ． Ｐｒｉｎｃｉｐｌｅ ｏｆ Ｐｓｙｃｈｏｌｏｇｉｃａｌ Ｍｅａｓｕｒｅｍｅｎｔ． Ｒａｎｄ Ｍｃｎａｌｌｙ ＣｏｌｌｅｇｅＰｕｂｌ ｉｓｈｉｎｇ Ｃｏｍｐａｎｙ， １９９７．１１．ｄ Ｓｗｉｔｆ． Ａｃｃｅｌｅｒａｔｉｎｇ Ｃｕｓｔｏｍｅｒ Ｒｅｌａｔｉｏｎｓｈｉｐｓ． Ｕｓｉｎｇ ＣＲＭ ａｎｄ ＲｅｌａｔｉｏｎｓｈｉｐＴ ｅｃｈｎｏｌｏｇｉｅｓ． Ｐｒｅｎｔｉｃｅ Ｈａｌｌ， ２００１．１１Ｍｙｅｒｓ， Ｍ．Ｂｅｒｒｙ． Ｗｏｒｋｆｌｏｗ Ｍａｎａｇｅｍｅｎｔ ｓｙｓｔｅｍｓ： Ａｎ Ａ１ Ｐｅｒｓｐｅｃｔｉｖｅ． Ｔｅｃｈｎｉｃａｌ ｒｅｐｏｒｔ，Ａｒ ｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｅｎｔｅｒ． ＳＲＩ Ｉｎｔｅｒｎａｔｉｏｎａｌ， Ｍｅｎｌｏ Ｐａｒｋ， ＣＡ， １９９９．Ｙｕｓｈｕｎ． Ｗｏｒｋｌｆｏｗ Ｍａｎａｇｅｍｅｎｔ ｓｙｓｔｅｍｓ－Ｔｈｅ Ｋｅｙ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ ＢＰＲ， ＰｒｏｃｅｓｓＭａｎａｇｅｍｅｎｔ ａｎｄ Ｐｒｏｃｅｓｓ Ａｕｔｏｍａｔｉｏｎ． Ｂｅｉｊｉｎｇ： Ｔｓｉｎｇｈｕａ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ， ２００１Ｍ．Ｆａｙｙａｄ， ＧＰ．Ｓｈａｐｉｒｏ， Ｐ．Ｓｍｙｔｈ＆Ｒ．Ｕｔｈｕｒｕｓａｍｙ． Ａｄｖａｎｃｅｓ ｉｎ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙａｎｄ Ｄａｔａ Ｍｉｎｉｎｇ． Ｔｈｅ ＭＩＴ Ｐｒｅｓｓ， １９９８．ｔｏｎ Ｂｕｌｅ． Ｃｕｓｔｏｍｅｒ Ｒｅｌａｔｉｏｎｓｈ加Ｍａｎａｇｅｍｅｎｔ． Ｈｏｔ Ｔｏｐｉｃ ｏｒ Ｈｏｔ Ａｉｒ， ２００１．１１．ｙｒ Ｓａａｒｅｎｖｉｒｔａ． Ｍｉｎｉｎｇ Ｃｕｓｔｏｍｅｒ Ｄａｔａ． ＤＢ２ Ｍａｇａｚｉｎｅ， １９９８．１１．ｔＴｈｅａｒｌｉｎｇ， Ａｌｅｘ．Ｂｅｒｓｏｎ， Ｓｔｅｐｈｅｎ Ｓｍｉｔｈ． Ｂｕｉｌｄｉｎｇ Ｄａｔａ Ｍｉｎｉｎｇ ＡｐｐｌｉｃａｔｉｏｎｆｏｒＣＲＭＮｅｗＹｏｒ ｋ： ＭｃＧｒａｗ－Ｈｉｌｌ， １９９９．１１．ｆｔ Ｒｏｎａｌｄ Ｓ． Ｈｏｗ ＣＲＭ Ｄｒｉｖｅ Ｈｉｇｈ Ｃｕｓｔｏｍｅｒ Ｒｅｔｅｎｔｉｏｎ ａｎｄ Ｉｎｃｒｅａｓｅｄ Ｌｏｙａｌｌｙ ｉｎＣｕ ｓｔｏｍｅｒ Ｓｅｒｖｉｃｅ Ｂｕｓｓｉｎｅｓｓｅｓ ａｎｄ Ｇｏｖｅｒｎｍｅｎｔ． Ｉｎ Ｐｒｏｃｅｅｄｉｎｇ ｏｆ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎＣＲＭ， Ｌｏｎｄｏｎ Ｅｎｇｌａｎｄ， Ｊｕｎｅ．ｒｒｙ Ｍｉｃｈａｅｌ， Ｇｏｒｄｏｎ Ｌｉｎｏｆｆ． Ｍａｓｔｅｒｉｎｇ Ｄａｔａ Ｍｉｎｉｎｇ： Ｔｈｅ Ａｒｔ ａｎｄ Ｓｃｉｅｎｃｅ ｏｆ ＣｕｓｔｏｍｅｒＲｅ ｌａｔｉｏｎｓｈｉｐＭａｎａｇｅ ｍｅｎｔ． Ｎｅｗ Ｙｏｒｋ： Ｗｉｌｅｙ， １９９９．１１ｍｏｎ Ｃ．Ｂａｒｑｕｉｎ， ＨｅｒｂｅｔｒＡ Ｅｄｅｌｓｔｅｉｎ． Ｐｌａｎｎｉｎｇ ａｎｄ Ｄｅｓｉｇｎｉｎｇ ｔｈｅ Ｄａｔａ Ｗａｒｅｈｏｕｓｅ，Ｐｒ ｅｎｔｉｃｅ Ｈａｌｌ ＰＴＲ， Ｉｎｃ．Ａ Ｓｉｍｏｎ＆Ｓｃｈｕｓｔｅｒ Ｃｏｍｐａｎｙ， １９９７．ｅｉｎｂｅｒｇ．Ｄａｎ， Ｐｈｉｌｌｉｐ Ｃｏｌｌａ． ＣＡＲＴ． Ｔｒｅｅ－Ｓｔｒｕｃｔｕｒｅｄ Ｎｏｎ－ｐａｒａｍｅｔｒｉｃ Ｄａｔａ Ａｎａｌｙｓｉｓ． ＳａｎＤｉ ｅｇｏ， ＣＡ， Ｓａｌｆｏｒｄ Ｓｙｓｔｅｍ， １９９５４４武汉理工大学硕士学位论文致谢首先感谢我的导师兆峰教授，对于兆峰教授的感谢是无法用言语表达 的。教授忘我的工作热情、渊博的知识以及严谨的治学态度深深感染和推动着我，使我在整个研究生阶段都能严格要求自己。老师在论文主题的确定、研究方向的把握、论文的组织结构等重大方向性问题上都作了细心的指导，提供了丰富的前沿研究资料，并严格进行把关，使我受益匪浅，并将成为我今后奋斗的旗１｝，，Ｐ。在此，谨向老师及其家人致以崇高的敬意和衷心的感谢。在论文撰写期间，我得到了许多让我分享他们宝贵经验和知识的老师的帮 助。他们是武汉理工大学管理学院的白玉教授、林根祥教授、王基建教授、聂规划教授等。是他们给了我许多宝贵的建议，激发了我的写作灵感。感谢杨丽伟同学，她在我写论文期间给了我很多真诚的帮助。感谢在我学习 期间给予我帮助的所有同学。同时对武汉理工大学管理学院所有教授过我知识和关心过我的领导和老师 们表示最真诚的谢意！我将鞭策自己不断前进，无论遇到什么困难与障碍。武汉理工大学硕士学位论文附录，攻读学位期间发表的论文目录［ｌ１兆峰，张荣耀．纯服务过程特性和控制策略研究，武汉理工大学学报，２００４年第２期，ＩＳＳＮ１６７１－４４３１：浅析供应链企业间的合作关系，物流技术，２００４年第２期，［２」张荣耀，兆峰．［３１张荣耀，兆峰．城市营销战略的环境分析，武汉理工大学学报（信息与管［４］张荣耀．企业管理类专业实验体系的思考，理工高教研究，２ＩＳＳＮ １００５－１５２Ｘ理工程版），２００４年第３期，ＩＳＳＮ １００７－１４４Ｘ；００４年第６期，ＩＳＳＮ １６７１－６０６Ｘ；
