|
企业资源计划ERP |
|
| 按行业筛选 |
|
|
| 按产品筛选 |
|
|
| |
|
查看本类全部文章 |
| |
|
|
|
|
基于生命周期理论的客户知识挖掘 |
|
|
作者：杜蓉 孙烨 |
|
一、引 言
随着知识经济时代的到来，知识作为生产力要素之一，它的重要性日趋显现，并逐渐成为现代社会经济发展的重要推动力量。以知识为核心的管理——知识管理，作为一种全新的经营管理模式越来越受到企业的重视，并被越来越广泛地运用到企业实践中。伴随着企业向“以客户为中心”的转变，客户知识管理作为企业知识管理中的重要一环，日渐成为企业管理者关注的焦点。如今，企业信息化水平的提高已经使得企业有能力获得广泛的客户数据和信息，但是如何对这些数据资料进行科学地分析、处理，从而挖掘出对管理和决策过程有益的信息和知识，却是企业面临的主要挑战，利用现代化、智能化的知识挖掘技术可以有效地解决这一问题。
客户与企业发生联系的全过程的不同阶段和状态构成了客户的生命周期。客户与企业发生业务的过程中，从未发生接触到初次接触，形成销售机会，到签约，直至成为用户并发生再购买，客户所处的阶段和状态随时都在变化。针对不同状态的客户，需要不同的策略。将知识挖掘技术应用于客户生命周期的各个阶段，有利于充分利用客户知识，洞察客户关系的动态特征，提高企业客户关系管理能力，提升客户价值。
二、基于知识挖掘的客户知识管理
为了保持持续竞争力，企业总是希望能从销售、市场、客户服务等与客户直接接触的部门获得有关客户的信息。通过对这些信息进行整理、保存、更新、应用、测评、传递、分享和创新等基础环节后，形成关于客户的知识，并通过知识的生成、积累、交流和应用管理，复合作用于组织的多个领域，以实现客户知识的资本化和产品化。客户知识管理就是企业通过与客户互动过程中所获得的知识的创造、交流和应用来使企业业务增长和价值最大化，实现创造公司价值、维持竞争优势的过程。
过去由于技术的限制，企业信息系统的开放性不足，跨系统的整合较难实现，客户知识管理难以真正落实。而今，在电子商务广泛普及的情景下，通过跨平台的整合，借助数据仓库和知识挖掘技术，企业能够更有效地掌握客户信息、行为及需求，实现客户知识管理。基于知识挖掘的客户知识管理过程如图1所示。
图1 客户知识管理过程
知识挖掘是从大量的、不完全的、有噪声的、模糊的数据中提取出可信的、新颖的、潜在有用的、能被人理解的信息、模式和知识的过程。概括而言，知识挖掘可以实现分类、预测、关联分析、聚类、异常性分析、演变分析等功能。知识挖掘是一个智能化的过程，它在客户知识管理中的价值主要体现在知识发现和知识学习上。知识挖掘可以基于特定领域，对知识进行收集、分析和可视化处理，提高分析结果的质量和价值。同时，知识挖掘可以实现隐性知识的显化，并从已有知识资产中选取出可利用的决策知识，形成决策智慧，辅助决策和行动方案的制定。客户知识挖掘能够按照既定的目标对海量的客户数据进行搜索，将其模型化成有序地、分层次的、易于理解的信息，并进一步转化成可用于干预预测和决策的客户知识，从而提升客户知识管理的质量。
三、客户生命周期及其与客户行为、企业行为之间的关系
客户作为企业的主要资产，他们并不是静止不变的实体，他们的行为随时间而动态变化，从而展现出一种类似生命周期的变化形式。了解这种变化是客户知识挖掘价值的一个重要部分。客户生命周期描述了客户从一种状态(一个阶段)向另一个状态(另一个阶段)运动的发展轨迹和总体特征，它通常展现出如图2所示的形式。
图2 客户生命周期各阶段及其相应的客户行为，客户角色与企业行为
客户在生命周期的不同阶段受不同因素的影响表现出不同的行为，企业唯有针对不同阶段采取相应的行为措施，获取、激活、管理、保持和赢回客户，才能够保证企业与客户之间关系的持续良性发展，为企业创造价值。需要指出的是，图2描述了一个理想的客户生命周期模式，它经历了完整的四个阶段。阶段之间具有不可跳跃性，但是客户在任何一个阶段都有可能退出。将知识挖掘技术应用于客户生命周期的各个阶段，有利于洞察客户关系的动态特征，充分利用客户知识，提高企业客户关系管理能力，延长客户生命周期的持续时间，维持和提升客户价值。
四、客户生命周期的客户知识挖掘
在客户生命周期的不同阶段，客户的行为特征不同、驱动企业对客户关系发展的因素不同、对客户知识的需求也不同，因此在使用知识挖掘工具时，应该根据不同需求而区别对待。下面将基于客户生命周期理论，从动态的角度分析客户生命周期各阶段中知识挖掘技术在客户知识管理中的应用。
1．客户获取。客户获取是指吸引潜在客户，并将它们变成客户的过程。客户的获取包括发现那些对企业产品或服务不了解的顾客，或是以前接受竞争对手服务的顾客。并非市场中的所有个体都能成为企业的潜在客户，他们中的大部分人会因为地理、年龄、支付能力以及对产品或服务的需求等各种原因而被排除在潜在客户群体之外。利用知识挖掘技术，对基于地理层次的人口统计学数据进行挖掘和分析。对目标进行分类、聚类或协同过滤，可以帮助企业筛选出有价值的潜在客户。另外，利用企业已有客户的信息特征也可以识别出可能的潜在客户。与此同时，知识挖掘的关联分析功能可以帮助企业了解怎样的广告投放和定向营销方式能取得对潜在客户的最佳宣传效果。
2．客户激活。客户激活过程是指潜在客户从对企业产品做出响应到进行第一次交易活动的过程。在此过程中，客户通常会留下大量信息，包括住址、电话号码、身份证号、银行账号等基本信息，个体或团体、产品使用者或市场中介等客户类型信息，年龄、收入、兴趣、文化背景、组织性质、组织规模、组织购买力等客户属性信息。这些信息，作为客户激活的初始条件，通常是长期客户行为的有效预报器。利用数据仓库和知识挖掘对这些客户信息进行有效的整理、保存和更新，将大大有益于后续的客户关系管理。同时，如果客户激活失败，知识挖掘则能够帮助企业找到失败的原因，从而改良客户激活的操作过程。
3．客户关系管理。客户关系管理是知识挖掘的重要应用领域。在客户知识管理中，需要挖掘的数据和知识的最主要来源就是已建立的客户。企业能够利用知识挖掘分析客户在此阶段所表现出来的个性化行为，用来预测客户需求，减少信用风险，完善客户服务，提高销售收益。知识挖掘可以通过特征化、分类和聚类方法把大量的客户分成不同的类别，在每一个类别里的客户具有相似的属性和群体行为，从而了解不同客户群的消费偏好，针对不同层次客户制定个性化的策略，提供有针对性的产品和服务，进而提高客户满意度。通过分析客户的行为、信用记录和背景信息，知识挖掘能够建立预警模型，对客户拖欠的可能性进行预测，从而采取手段降低企业的损失。通过对客户数据的多维分析、聚类分析和孤立点分析，知识挖掘能够发现客户消费过程中的异常现象，对可能存在的欺诈行为进行报警，使企业能及时快速地做出反应。知识挖掘可以应用关联规则方法分析得出最优的销售搭配，实现商品的交叉销售，扩大客户关系，进而使客户从更多、更满足需求的产品中受益，使企业的销售额增长，实现客户与企业的双赢。同时，企业客户知识中包含大量的客户服务支持信息，利用知识挖掘技术可以将这些结构化或是半结构化的客户服务支持信息转化成客户服务知识，储存在客户知识库中，供企业在客户关系管理中应用、分享和创新，进而为客户提供更好的客户服务，为企业提供快速有效的决策支持。
4．客户保持。由于获得新客户的代价昂贵，并且短期内新客户往往比已有客户带来的收益更小，因而客户流失导致的损失不容忽视。客户保持对企业而言至关重要，然而，并非所有的客户都值得保留。客户保持的目标是保留住有价值的客户。知识挖掘有利于识别有价值的客户，根据客户的历史纪录评估每一位客户的流失风险，发现容易导致客户流失的突发事件，进而将优惠服务集中锁定于既有价值又具有流失风险的客户，并采取行动预防客户关系中的突发事件而导致客户流失。
5．客户赢回。客户流失后，并不意味着企业完全失去了他们，客户赢回的目标就是设法拉回有价值的客户。客户赢回的手段通常包括提供激励、产品和价格奖励等。知识挖掘能够帮助企业发现客户流失的原因，进而调用知识库中的知识。采取有针对性的手段实施客户赢回策略。
五、结 论
伴随着企业间日益激烈的竞争，资本与技术已不能使企业保持长久的优势地位，知识成为企业唯一的可持续优势，客户成为企业的主要资产，企业必然要向客户知识管理的方向转变。在客户知识管理过程中，面对复杂的数据和信息，知识挖掘是一种很好的分析和处理工具。将知识挖掘技术引入客户知识管理，在客户生命周期的各个阶段正确合理地利用知识挖掘技术．有助于洞察客户关系的动态特征，保证客户关系的持续良性发展，提升客户价值，提高客户知识管理的质量。(end)
|
|
| 文章内容仅供参考
(投稿)
(如果您是本文作者，请点击此处)
(2/20/2010) |
对 企业资源计划ERP 有何见解？请到 企业资源计划ERP论坛 畅所欲言吧！
|
