面向金融crm的客户服务挖掘模型及方法研究（综述）

《面向金融crm的客户服务挖掘模型及方法研究（综述）》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、面向金融CRM的客户服务挖掘模型及方法研究（综述）1前言数据挖掘是一门具有广泛应用的新兴学科，针对特定领域的应用包括生物医学，DNA分析，金融，零售和电信等，需要在实践中将数据挖掘技术与特定领域知识结合在一起，提供满足特定任务的数据挖掘解决方案。在银行业务日趋国际化的今天,银行业的竞争日趋激烈,而竞争的焦点就是客户的争夺,谁拥有的客户资源强大,谁就可能在竞争中处于有利地位[1]。要在竞争中保持优势，我国金融业就必须迅速转变经营观念，真正做到以客户为中心。客户关系管理(CRM)是以信息技术为支撑环境，以客户期望和受益为基础，保持企业和客户间的良好关系，实现企业利润和客户利

2、益最大化的新型营销理念、管理机制和工作流程。随着信息技术与网络技术的发展，客户在享受新技术所带来的便利的同时，也获得了更多的选择各种服务提供者的途径，因而使企业为争夺客户的竞争日益加剧。在很多情形下，高质量的客户关系是惟一重要的竞争优势，维护客户忠诚度变得越来越关键，同时也变得越来越困难。对现有客户和潜在客户的培养和挖掘，被认为是企业获得进一步成功的关键。因此，探讨金融行业客户关系管理的现状，研究客户关系管理系统在金融行业的应用具有重要的意义。2客户关系管理（CRM）基本理论2.1CRM的理念CRM的概念最早由GartnerGroup提出，其目的是为企业提供全方位的管理

3、视角，赋予企业更完善的客户交流能力，最大化客户的收益率[2]。CRM是一种以客户为中心的市场营销理念和策略，它以信息技术为手段，对业务功能进行重新设计，并对工作流程进行重组。它集合的现代信息技术包括：Internet和电子商务、多媒体技术、数据仓库和数据挖掘、专家系统和人工智能、呼叫中心等。CRM的焦点是自动化并改善销售、市场营销、客户服务和支持等领域的与客户关系有关的商业流程。它的目标是缩减销售周期和销售成本、增加收入、寻找扩展业务所需的新市场和渠道以及提高客户的价值、满意度、盈利性和忠诚度。2.2企业运用CRM目标企业运用CRM的目标主要是三个方面。首先是效率的提高

4、。信息技术使得业务处理流程的自动化程度大大提高实现企业范围内的信息共享，提高企业员工的工作能力，并有效减少培训需求，使企业内部能高效地运转。其次是有助于拓展市场。通过电话、Web、电子邮件、传真等手段的整合，客户可以选择自己喜欢的方式，同企业进行交流。企业的员工和客户的沟通更加便捷，获取信息更加方便。因此，CRM提升了客户满意度和利润贡献度。最后，对客户互动信息的搜集和加工，产生客户智能，可以帮助企业拓展业务模式，扩大经营活动范围，及时把握新的市场机会，占领更多的市场份额，帮助企业保留更多的价值客户，并更好的吸引新客户。2.3CRM考核指标根据客户的忠诚度，可以把客户分

5、类，使之形成一个客户阶梯，即企业客户分布结构图。从下到上，客户可分为：潜在客户、顾客、常客、支持者、忠诚客户。根据客户分布可以得到CRM考核的几个基本指标[3]：1、新增客户量（率）：虽然关系营销以一种改革者的姿态出现，可是它在很大程度上并不是对以往营销方式的革命，更多的是对传统营销思想的完善补充，因此新增客户量依然是业绩考核中最重要的内容。2、流失客户量（率）：也就是客户保持率。3、升级客户量（率）：客户关系管理的新内容，不断升级的客户给企业带来的诸多好处，因为客户升级，也就意味着“客户满意”，客户升级的最终目标是使客户成为企业品牌的忠实客户，使他们愿意与企业建立和保

6、持长期稳定的关系，愿意成为企业提供的产品和服务承担合适的价格，并且义务宣传企业产品和服务。4、客户平均盈利能力：客户阶梯说明客户平均盈利能力是分层次的。3面向CRM的数据挖掘技术在各行业中的应用现状3.1数据挖掘技术的基本概念根据Gartner的HPC研究表示，“随着数据捕获、传输和存储技术的快速发展，用户将需要采用新技术来挖掘市场价值，采用更为广阔的并行处理系统来创造新的商业增长点。”数据挖掘技术将在未来的数据计算中扮演越来越重要的角色。数据挖掘(DataMining)，就是从存放在数据库，数据仓库或其他信息库中的大量的数据中获取有效的、新颖的、潜在有用的、最终可理解

7、的模式的非平凡过程。在人工智能领域，又称数据库中的知识发现（KnowledgeDiscoveryinDatabase，KDD），它是数据库研究中的一个很有应用价值的新领域，融合了数据仓库、人工智能、统计学等多个领域的理论和技术。通过数据挖掘技术，能够找出已有数据之间的潜在联系，从而促进信息的传递，对将来的趋势和行为进行预测，从而很好地支持人们的决策[4]。数据挖掘的任务是从数据中发现模式。从广义上讲，数据挖掘将发现两种模式：预测型模式和信息型模式。预测型模式主要通过输入集合的值来计算某一属性，或某几种属性的值，来解决一个指定的问题，从数据