由于CRM的應用能夠提高企業(yè)效率，提升客戶的忠誠度、節(jié)省運營開支和增加營業(yè)收入，所以越來越多的企業(yè)開始建立。然而隨著CRM系統(tǒng)中數(shù)據(jù)庫技術的迅速發(fā)展以及業(yè)務操作流程自動化的廣泛應用，企業(yè)積累了越來越多的數(shù)據(jù)。目前的數(shù)據(jù)庫技術雖然可以很方便的進行數(shù)據(jù)的查詢和統(tǒng)計，但是要從大量的數(shù)據(jù)中發(fā)現(xiàn)其存在的規(guī)則和關系則很乏力，所以將數(shù)據(jù)挖掘應用的客戶關系管理中是必然也是必要的。

結合數(shù)據(jù)挖掘的功能，可以在企業(yè)決策分析和客戶關系管理等各方面和各階段發(fā)揮其作用，而在客戶關系管理中，數(shù)據(jù)挖掘可以應用到客戶群體細分、客戶的保留與獲取、交叉銷售、客戶貢獻分析等多個方面。

1數(shù)據(jù)挖掘的方法

（1）統(tǒng)計分析方法。利用概率論和數(shù)理統(tǒng)計的原理統(tǒng)計分析相關的屬性，發(fā)現(xiàn)相互之間的關系和規(guī)律。

（2）遺傳算法。遺傳算法是模擬生物在自然環(huán)境中的遺傳和進化過程而形成的一種自適應全局優(yōu)化概率搜索算法。

（3）決策樹方法。通過生成一個測試函數(shù)建立結點和分支，即生成一棵決策樹。然后對決策樹進行剪枝處理，最后把決策樹轉化為規(guī)則，決策樹方法主要用于分類挖掘。

（4）關聯(lián)分析。實現(xiàn)關聯(lián)分析的技術主要是統(tǒng)計學中的置信度和支持度分析。關聯(lián)規(guī)則的挖掘有多種方法，比較典型的有ARGen算法和Apriori算法。

關聯(lián)分析即利用關聯(lián)規(guī)則進行數(shù)據(jù)挖掘。關聯(lián)分析的客戶保留則是在客戶識別的基礎上有目的地改善企業(yè)的服目的是挖掘隱藏在數(shù)據(jù)間的相互關系。

（5）聚類分析。聚類分析是根據(jù)事物的特征對其進行聚類或分類，以期從中發(fā)現(xiàn)規(guī)律和典型模式。

2基于數(shù)據(jù)挖掘的客戶分析

2.1客戶貢獻分析

客戶的購買力對企業(yè)的盈利有很大的影響，客戶的貢獻越多，企業(yè)相應的利潤也就越豐厚。所以按客戶的貢獻大小對客戶群進行分類，然后對不同的貢獻率的客戶采取不同的措施，對于企業(yè)提高收益具有巨大的意義。

2.1.1基本思路

企業(yè)的數(shù)據(jù)倉庫中有客戶的具體信息，利用數(shù)據(jù)挖掘技術對這些客戶信息進行分析，用分類判定樹對客戶的各種屬性特征和對企業(yè)的貢獻率的大小進行歸納和分類。這樣就建立起一個對于客戶貢獻大小分析的模型，然后將客戶貢獻大小不清楚的客戶信息輸入這個模型，利用已經(jīng)歸納出的模型對這些客戶進行分類，這樣就得到了客戶對應的貢獻率分類結果。

2.1.2具體步驟

（1）構造數(shù)據(jù)集市。根據(jù)對客戶貢獻大小的研究，分析貢獻大小與客戶屬性特征相關的屬性。

（2）數(shù)據(jù)預處理。對客戶屬性如客戶姓名、滿意度、工作地、貢獻度和購買次數(shù)等，進行必要的清洗、集成、轉換、離散和歸約等一系列的處理工作，達到挖掘算法的規(guī)范和標準。

（3）建立相關屬性集。通過對屬性相關性的分析，刪除那些與數(shù)據(jù)挖掘不相關的屬性，剩下相關的屬性就組成了相關數(shù)據(jù)集。

（4）建立模型。根據(jù)上一步得到的相關數(shù)據(jù)集對客戶貢獻度建立模型。首先對相關數(shù)據(jù)集進行分析和訓練形成訓練數(shù)據(jù)集。然后歸納判定樹。接著，對分類規(guī)則進行提取。最后，對得到的基本模型進行評價和改進。

（5）使用模型進行分類。當模型的準確率改進到某個可以接受的閾值，就可以用這個模型對貢獻度未知的客戶進行分類。將客戶數(shù)據(jù)輸入模型，然后就可以得到這個客戶對應的客戶貢獻率分類結果。

2.2客戶價值分析

客戶是企業(yè)最重要的資源了，擁有越多的客戶就以為著企業(yè)有更多地發(fā)展機會，而不同的客戶對于企業(yè)的價值是不一樣的，這就需要對客戶的價值進行分析，有助于企業(yè)合理利用，提高企業(yè)的收益。

客戶價值分析的方法：

可以根據(jù)客戶購買行為對客戶群進行細分。在模型上，采用客戶價值矩陣分析方法。首先選擇K均值算法作為聚類算法，然后采用決策樹算法對客戶群的特征進行提取，從而得到聚類分析中每個客戶群的對應的特征。

（1）基于K均值算法的客戶細分分析。首先選取500名客戶5年的購買數(shù)據(jù)作為數(shù)據(jù)挖掘的樣本數(shù)據(jù)，樣本數(shù)據(jù)主要包括客戶代號、平均采購額度和購買次數(shù)3個方面信息。然后設置K值，然后執(zhí)行K均值聚類算法。算法執(zhí)行后，樣本數(shù)據(jù)就進行了分類。

（2）基于決策樹分類的客戶群特征提取。首先進行數(shù)據(jù)準備和預處理，即對對客戶數(shù)據(jù)進行編碼和分類，然后構造訓練集，利用聚類結果提取客戶特征，最后，根據(jù)前面處理過的的客戶特征信息樣本數(shù)據(jù)，進行計算最終得到一棵客戶價值分析決策樹。采用決策樹的方法也對客戶流失進行了分析，預測了哪些客戶最容易流失，這些容流失的客戶又具有哪些特性，從而分析出了客戶流失的原因，為企業(yè)保留客戶提供了幫助。

3結束語

客戶資源是市場競爭至關重要的寶貴資源，擁有客戶就意味著擁有市場。數(shù)據(jù)挖掘技術能從日積月累的數(shù)據(jù)中挖掘出對企業(yè)決策有幫助的潛在知識和規(guī)則，挖掘現(xiàn)有客戶的消費潛力，減少客戶的流失，為企業(yè)的決策和發(fā)展提供幫助。