第五章 电子商务客户关系管理.docx
《第五章 电子商务客户关系管理.docx》由会员分享，可在线阅读，更多相关《第五章 电子商务客户关系管理.docx（14页珍藏版）》请在冰豆网上搜索。
第五章电子商务客户关系管理
第五章电子商务客户关系管理
5.1客户关系管理理念
5.2客户关系管理的内容
5.3数据仓库与数据挖掘技术
5.1客户关系管理理念
客户关系管理的含义
客户关系管理与客户服务的区别
电子商务环境下的客户关系管理
客户关系管理的实施
5.1.1客户关系管理的含义
客户关系管理（CRM）是指通过管理客户信息资源，提供客户满意的产品和服务，与客户建立起长期、稳定、相互信任、互惠互利的密切关系的动态过程和经营策略
它既是一种新型的管理思想，又是一种新型的管理机制，还是一整套的企业管理软件和技术
CRM首先是一种管理理念，其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）作为最重要的企业资源，通过完善的客户服务和深入的客户分析来满足客户的需要，保证实现客户的终生价值
CRM目的在于管理、改变和加强客户的行为。
公司能够根据市场需求来引导消费行为
目前全世界一些著名公司在不断推出新的概念、新的产品，并提交市场来引导整个消费
成功的CRM要求公司进行重组，要进行内部改革，并且此内部改革需要集团高层领导的支持
CRM的核心思想就是以客户为中心
CRM的宗旨就是改善企业与客户之间的关系，使客户时时感觉到企业的存在，企业随时了解到客户的变化
日本的丰田汽车案例
5.1.2客户关系管理与客户服务的区别
主动性不同
传统的客户服务是被动的，客户不提出问题就不发生客户服务
CRM是主动的，不但要解决客户提出的种种问题，还要主动与客户联络，了解客户新的需求，介绍企业新的产品，促使客户再度上门
对待客户的态度不同
传统的客户服务中，无论是客户打电话，还是给客户打电话，都被认为是麻烦事，增加企业成本
CRM的理念中，不联络，不响应客户是疏离客户的表现。
疏离客户代表客户的生命周期的终结，企业将永远失去了客户
与营销的关系不同
传统的客户服务与营销是分开的，营销依靠具有说服技巧的业务人员，而客户服务多依赖维修工程师
CRM则将营销和客户服务合为一体，将客户服务视为另一种营销途径。
把新产品推荐给老客户或依照老客户的特定需求创造新产品
5.1.3电子商务环境下的客户关系管理
客户关系管理是指企业借助网络环境下信息获取和交流
的便利，并充分利用数据仓库和数据挖掘等先进的智能
化信息处理技术，把大量的客户资料加工成信息和知识，
用来辅助企业经营决策，以提高客户满意度和企业竞争力
的一种过程或系统解决方案
5.1.4客户关系管理的实施
正确的实施顺序是CRM成功的基础
从理解客户开始，在客户需求的基础上阐明客户策略
招募需要的员工，培训、激励和保持员工以符合公司的总体策略
以客户为中心的方法设计合理并实用的流程
选择合适的软件或工具进行技术支持以确保能够实现以上需求
5.2客户关系管理的内容
客户关系管理的核心
客户关系类型
客户细分
客户满意度
客户忠诚度
客户流失与保持
5.2.1客户关系管理的核心
客户关系管理实质上是一种“关系营销”。
与以往只注重吸引新顾
客、达成一次性交易的“交易营销”相比，“关系营销”更注重保留
客户，建立长期稳定的关系
关系营销
交易营销
专注重视顾客
注重一次性交易
高度重视顾客利益
以产品功能为核心
着眼于长期关系
着眼于当前销售
强调客户服务
不太重视客户服务
很多的顾客承诺
有限的客户承诺
所有部门都关心产品和服务质量
质量首先被看作生产问题
“关系营销”的目的在于和客户结成长期、相互依存的关系
对于企业来说，寻找新客户固然重要，但忽视维持现有客户关系是绝对错误的，因为吸引新顾客的成本是保持老顾客成本的5倍以上
客户流失率是客户关系管理过程中严格控制的指标
5.2.2客户关系类型及其选择
营销大师科特勒把企业与客户之间的关系归结5种类型客户关系管理，企业可选择适合自己与特定客户之间的关系类型
基本型：
这种关系是指企业销售人员把产品销售出去后不再与客户接触。
被动型：
企业的销售人员在销售产品的同时，还鼓励客户在购买产品后，如果遇到问题或有意见时，及时向企业反馈。
能动型：
销售完成后，企业不断联系客户，提供有关改进产品的建议和新产品的信息。
伙伴型：
企业不断地协同客户，努力帮助客户解决问题，支持客户的成功，实现共同发展。
负责型：
产品销售完成后，企业及时联系客户，询问产品是否符合客户的需求，有何缺陷或不足，有何意见或建议，以帮助企业不断改进产品，使之更加符合客户需求。
这五种客户关系类型之间并不具有简单的优劣对比程度或顺序，因为企业所采用的客户关系类型既然取决于它的产品以及客户特征，那么不同企业甚至同一企业可根据其客户的数量和边际利润水平，选择合适的客户关系。
5.2.3客户细分
1、客户细分的概念
客户细分，又称市场细分，是指把某一产品的市场整体划分为若干个消费者群，以提供有针对性的产品服务和营销模式的市场分类过程。
属于同一个细分市场的客户彼此相似，而隶属于不同细分市场的客户具有差异性。
2、客户细分的目的
（1）帮助企业深刻地认识市场和寻找市场机会；
（2）帮助企业确定目标市场，有针对性地开展营销活动；
（3）帮助企业集中有限资源于最有价值的客户群；
（4）帮助企业对未来赢利进行量化分析。
VIP客户：
对企业最有价值的客户，占企业客户总量1%，对企业贡献的价值最大，位于金字塔最顶层，是企业最关注的客户群体
主要客户：
占4%，是企业需要重点关注的客户群体，并努力促使其向VIP客户升级
普通客户：
占15%，是企业值得关注的客户群体，通过企业努力，普通客户的一部分会升级成主要客户
小客户：
占80%，位于最底层，能为企业赢利不多，甚至使企业不赢或亏损。
企业对其采
用一般管理，对有潜力客户积极培养，对缺乏潜力客户需要放弃
客户满意度的概念
客户满意是客户通过一个产品或服务的可感知的效果，与他的期望值相比较后形成的愉悦或失望的感觉状态。
营销界有一个著名的等式：
100-1=0
即使有100个顾客对一个企业满意，但只要有一个顾客对
其持否定态度，企业的美誉就立即化为乌有。
Ø
（1）如果感知结果与期望相称，即c等于1或接近1时，一般会出现两种状态：
一种是客户因实际情况与心理期望值基本相符而表示“比较满意”；另一种是客户会因对整个购买决策过程没有留下特别印象而表示“一般”。
所以处于这种感受状态的客户很有可能重复同样的购买经历，也有可能选择该企业的竞争对手的产品或服务。
Ø
（2）如果感知结果超过期望，即c大于1时，这意味着客户获得了超过期望的满足感受，客户会十分满意或愉悦。
其满意程度可以从事后感知与事前期望之间的差异函数来测量。
显然，感知超过期望的越多，客户的满意程度就越高，而当感知远远超过期望时，满意就演变成忠诚。
Ø（3）当感知低于期望时，即c小于1时，则客户会感到失望和不满意，甚至会产生抱怨或投诉，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。
客户满意与否的后果
顾客不满意会告诉22个人
顾客满意会告诉8个人
顾客高度满意会告诉10个人以上
5.2.5客户忠诚度
顾客忠诚对于企业生存和发展的经济意义是非常重要的。
获得新顾客需要付出成本，特别在供过于求的市场态势下，这种成本将会越来越昂贵，但新顾客对于企业的贡献却是非常微薄的。
更重要的是：
忠诚的顾客成为“传道者”，努力向其他人推荐企业的服务，并愿意为其所接受的服务支付较高的价格。
因此，忠诚顾客是企业竞争力重要的决定因素，更是企业长期利润最重要的源泉。
客户的忠诚可理解为客户长期锁定于你的公司，使用你的产品，并且在下一次购买类似产品时还会选择你的公司
真正了解和赢得客户忠诚度的唯一的途径是了解自己客户的需求和行为。
而实现这一点的唯一途径是运用高度发达的信息技术对客户需求和行为进行分析和预测。
客户忠诚的定义
客户忠诚是指客户对某一特定产品或服务产生了好
感，形成了偏好，进而重复购买的一种趋势
客户流失的形成过程
客户保持的意义
发展一位新客户的成本是保持一个老客户的5-10倍；
向新客户推销产品的成功率是15%，而向现有客户推销产品的成功率是50%；
如果企业对服务过失给予快速灌注，70%对服务不满的客户还会继续与其进行商业合作；
60%的新客户来自现有客户的推荐；
客户忠诚度下降5%，则企业利润下降25%……
客户保持模型
客户保持模型描述了客户保持的决定因素（客户满意、客户认知价值、转移成本）与客户保持绩效的度量维度（重复购买意图）之间的因果关系和影响方向。
●客户满意
–是客户通过一个产品或服务的可感知的效果，与他的期望值相比较后形成的愉悦或失望的感觉状态。
–影响关系：
客户满意是导致购买或重复购买的最重要的因素；客户满意对重复购买意图有正向影响。
●客户认知价值
–是客户对供应商提供的相对价值的主观评价。
不仅要将收益与为之付出的成本相比较，而且要将当前供应商的价值与最好的可替代供应商的价值相比较。
–影响关系：
客户认知价值与重复购买意向正相关。
并通过两种途径产生影响：
（1）直接影响
（2）通过客户满意间接影响，客户认知价值与客户满意有正相关关系。
●转移成本
–是客户对结束与现供应商的关系和建立新的替代关系所涉及的相关成本。
包括两部分：
•
（1）过去投入的、在转移时将损失的关系投资；
•
（2）建立一个新的替代关系涉及的潜在的调整成本。
–影响关系：
转移成本与重复购买意图有正相关关系。
●客户保持模型的四个假设：
–H1：
客户认知价值越高，重复购买意图越强；
–H2：
客户认知价值越高，客户满意度越高；
–H3：
客户对企业越满意，重复购买意图越强；
–H4：
转移成本越高，重复购买意图越强。
5.3数据仓库与数据挖掘技术—客户关系管理的手段
数据仓库
数据挖掘
数据仓库
随着信息技术在企业中广泛应用，企业已经发现数据所隐含的巨大价值，所面对的问题不是简单的处理数据，而如何挖掘和利用原有数据中的信息和知识，以便支持决策和管理分析
数据仓库（Warehouse）技术
数据仓库是CRM的基础。
它不同于传统的数据库系统侧重企业的日常事务处理。
它是一个作为决策支持系统和联机分析应用数据源的结构化数据环境，从数据库中获取信息，目的是进行数据挖掘
数据挖掘的定义
什么是数据挖掘
我们先来看一个数据挖掘的故事
"尿布与啤酒"的故事是关于数据挖掘最经典和流传最广的故事
数据挖掘（DataMining）数据仓库中信息数据量非常大，欲从中找出与客户相关的有价值的信息，并找出信息间的关联，则需使用数据挖掘技术从海量数据中抽取出潜在的、有价值的知识、模型或规则，这些信息是可能有潜在价值的，支持决策，可为企业带来利益，或为科学研究寻找突破口
数据挖掘是一种决策过程，从大量数据库中发现并提取隐藏在其中的合理有效的信息。
帮助企业管理人员寻找规律，发现被忽略的要素，预测趋势，进行决策
数据挖掘主要功能
分类
聚类
关联分析
预测
偏差的检测
数据挖掘主要功能—分类
按照分析对象的属性、特征，建立不同的组类来描述事物。
例如：
银行部门根据以前的数据将客户分成了不同的类别，现在就可以根据这些来区分新申请贷款的客户，以采取相应的贷
款方案
数据挖掘主要功能—聚类
聚类如同通常所说的“物以类聚”，是通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别
数据挖掘主要功能—关联分析
数据关联是数据库中存在的一类重要的可被发现的知识。
若两个或多个变量的取值之间存在某种规律性，称关联。
关联是某种事物发生时其他事物会发生的这样一种联系。
例如：
每天购买啤酒的人也有可能购买香烟，比重有多大，可以通过关联的支持度和可信度来描述。
数据挖掘主要功能—预测
数据挖掘自动在大型数据库中寻找预测性信息，以往需要进行大量手工分析的问题如今可以迅速直接由数据本身得出结论。
一个典型的例子是市场预测问题，数据挖掘使用过去有关促销的数据来寻找未来投资中回报最大的用户
数据挖掘主要功能—偏差检测
数据库中的数据常有一些异常记录，从数据库中检测这些偏差很有意义
偏差检测对分析对象的少数的、极端的特例的描述，揭示内在的原因。
例如：
在银行的100万笔交易中有500例的欺诈行为，银行为了稳健经营，就要发现这500例的内在因素，减小以后经营的风险
数据挖掘的方法及工具
数据挖掘的方法很多，大致可分为：
传统统计方法、可视化技术、决策树、神经网络方法、遗传算法、关联规则挖掘算法等
传统统计方法
抽样技术。
对所有数据进行分析是不可能的也没有必要的，在理论的指导下进行合理的抽样
多元统计分析、聚类分析等
统计预测方法。
如回归分析（主要基于观测数据建立变量之间适当的依赖关系）等
可视化技术
用图表等方式把数据特征用直观地表述出来，如直方图等，这其中运用的许多描述统计的方法。
可视化技术面对的一个难题是高维数据的可视化
决策树
决策树：
利用一系列规则划分建立树状图，可用于分类和预测
常用算法：
ID3、C4.5、C5.0等
决策树的典型应用——金融行业
问题描述：
预测信用水平是好还是差，银行据此决定是否向客户发放贷款，发放多少
结果描述:
（决策树）
决策树应用
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
它用来模拟人的神经元功能，经过输入层、隐含层、输出层等，对数据进行调整、计算，最后得出结果
神经网络常用于两类问题：
分类和回归
遗传算法
遗传算法（GeneticAlgorithms）是J.H.Holland根据生物进化的模型提出的一种优化算法。
虽然GA刚提出时没有受到重视，但近年来，人们把它应用于学习、优化、自适应等问题中。
模拟生物进化过程的算法，由繁殖（选择）、交叉（重组）、变异（突变）三个基本算子组成。
遗传算法已在优化计算、分类、机器学习等方面发挥了显著作用。
遗传算法是基于进化理论，并采用遗传结合、遗传变异、以及自然选择等设计方法的优化技术
数据挖掘的实施步骤
确定业务对象
数据准备
数据挖掘
建立模型
评价和解释
数据挖掘的流程-确定业务对象
清晰地定义出业务问题，认清数据挖掘的目的是数据挖掘的重要一步。
挖掘的最后结构是不可预测的，但要探索的问题应是有预见的，依据CRM的功能做需求分析，定义问题
数据挖掘的流程-数据准备
数据的选择：
搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据。
将准备用于数据挖掘的数据进行预处理，如转换、清理、填补以及合并等，验证数据的完整性、规范性。
数据挖掘的流程-数据挖掘
对所得到的经过转换的数据进行挖掘.除了完善从选择合适的挖掘算法外，其余一切工作都能自动地完成。
数据挖掘的流程-建立模型
根据定义的问题以及数据的类型决定采用的模式，同时要根据数据的属性（连续或离散）考虑采用相应的算法，自动的建立数据挖掘模型。
数据挖掘的流程-评价和解释
对于挖掘的结果应用两个指标进行评估，一个是支持度，用来验证结果的实用性；一个是可信度，用来验证结果的准确性。
模型的验证是数据挖掘成败的关键，不但要验证预测模型的过程正确，同时使用这些模型的其他输入和输出过程也要正确。
验证的方法是输入一些历史数据，运用该模式比较数据挖掘的结果与已知历史结果的差异，如果差异很大，就要考虑改进模型或应该重新建立新的模型。
数据挖掘需要的人员
数据挖掘过程的分步实现，不同的步会需要是有不同专长的人员，他们大体可以分为三类。
（1）业务分析人员：
要求精通业务，能够解释业务对象，并根据各业务对象确定出用于数据定义和挖掘算法的业务需求。
（2）数据分析人员：
精通数据分析技术，并对统计学有较熟练的掌握，有能力把业务需求转化为数据挖掘的各步操作，并为每步操作选择合适的技术。
（3）数据管理人员：
精通数据管理技术，并从数据库或数据仓库中收集数据。
5.4数据挖掘在客户关系管理中的应用
客户细分；
客户识别与保留；
客户忠诚度分析；
个性化营销；
1、客户细分
客户属性可以分为内在属性和外在属性，客户的地域分布、客户的产品拥有、客户的组织归属等可以认为是客户的外在属性；性别、家庭成员数、信用度、价值取向等可以认为是客户的内在属性。
利用数据挖掘技术中的决策树或是模糊聚类方法来进行挖掘，得到基于客户预测价值的客户金字塔模型
客户细分的数据挖掘过程
2、客户识别与保留
在客户识别中应用
识别客户是企业发现潜在客户、获取新客户的过程。
由于新客户的信息企业掌握的并不多，所以企业应采取一些必要的手段来获取客户的信息，企业在得到相关信息后，企业应通过一些小规模的实验观察潜在客户对企业产品的不同反应。
再根据反馈结果建立数据挖掘预测模型，找到对产品最感兴趣的客户群，挖掘结果会显示潜在客户的名单，同时可根据潜在的客户的信息分析出哪种类型的人最可能是潜在客户
识别客户是获取新客户的过程，而客户保留是留住老客户，防止客户流失的过程。
在保留客户过程中，首先要对已经流失的客户数据进行分析，找到流失客户的行为模式，同时分析客户流失的原因。
其次根据已流失的客户特点还可以预测现有客户中有流失倾向的客户。
对于这些客户企业应该及时调整服务策略，针对用户分类时得到的用户特点采取相应的措施挽留客户。
3、客户忠诚度分析
数据挖掘在客户忠诚度分析中主要是对客户持久性、牢固性和稳定性进行分析。
客户持久性反映的是客户在企业连续消费的时间。
客户牢固性反映的是客户受各种因素（价格、广告）的影响程度。
客户稳定性是客户消费周期和频率的表现。
4、个性化营销
个性化营销是面向客户的营销，也是客户关系管理的重要组成部分。
个性化营销是在客户分类的基础上进行的。
针对不同类型的客户，企业可以采用不同的政策和销售方式。
通过对CRM中数据挖掘的应用的介绍可看出，在CRM中的各个方面几乎都要用到数据挖掘技术。
CRM要求对大量的客户数据进行分析和管理，而数据挖掘技术恰好提供了这样一个分析工具。
因此，数据挖掘技术的正确应用对CRM系统功能的全面实现具有重要的意义。
升级会员 