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益最大化的新

2、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视角，赋予企业更完善的客

3、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。信息技术使得业务处理流程的自动化程

4、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，可以把客户分类，使之形成一个客户阶梯，即企业客户分布结构图。

5、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

6、，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（Knowle

7、dgeDiscoveryinDatabase，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