《客户智能：CRM的内核》由会员分享，可在线阅读，更多相关《客户智能：CRM的内核（9页珍藏版）》请在金锄头文库上搜索。
1、客户智能：CRM 的内核0.引言客户关系管理(crm)是适应企业“以产品为中心”到“以客户为中心”的经营模式的战略转移而迅猛发展起来的新的管理理念，它把追求客户满意和客户忠诚作为最终目标。近年来，越来越多的国内外企业和软件开发商把 CRM 作为研究热点。CRM 是集成了后台应用的前台应用系统，是在以客户为中心的销售、营销、服务和支持应用的增强、自动化的基础上，提高客户满意度和忠实度，从而给企业带来长久利益的一种应用和理念。许多企业在实施 CRM 时，正是违背了这条原则，致使 CRM 不成功的案例屡见不鲜。现有的关于 CRM 的文章绝大多数探讨建立的系统和流程对高质量的 CRM 会产生什么样的影
2、响，却很少关心实施 CRM 第一步要做的工作：知道谁是你的客户，以及影响他们行为的因素。现阶段企业能做到的，是了解(know about)自己的客户，而不是理解(understand)客户本身。 KPMG 报告指出：70%的 UK 公司承认很难发现谁是他们的客户，他们买些什么。诸如此类的与 CRM 有价值的信息，在通常的报表和分析中是难以被发现的。Jim Berkowitz 认为 CRM 必须具备两个坚实的基础：一个是合理的组织结构(Organization)，另一个是合理的信息结构(Information) 。如果企业实施 CRM 的动机是建立在各部门各自的利益之上而不是适应面向客户为中心的
3、商业哲理、文化和战略，那么 CRM 就缺少了合理的组织结构基础。这种合理的组织结构是将一个共享的、更加整合的工作流和信息流代替原先集中的部门流程。这样，企业变成一个统一的组织，来预测客户需求，管理客户价值，简化企业运作流程。本文的出发点放在第二点，即如何创建一个适于 CRM的、合理的信息结构。1.客户智能：CRM 与商业智能共同的焦点引言中提到的实施 CRM 第一步要做的工作，其实就是客户智能实现功能的一部分。概括起来讲，客户智能是 CRM 的商业智能实现。正确理解客户智能这个概念，先关心一下商业智能(business intelligence，简称 BI)。1.1.商业智能商业智能是 90
4、年代末首先在国外企业界出现的一个术语。代表为提高企业运营性能而采用的一系列方法、技术和软件。到目前为止，关于商业智能还没有一个准确的定义。它把先进的信息技术应用到整个企业，不仅为其提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势。我们可以把它看作是继决策支持系统 DSS、领导执行系统 EIS 后发展起来的又一个决策支持领域。商业智能与 DSS，EIS 相比，存在以下两点优势：一是用户不再仅仅局限于企业的领导和决策、分析人员，而是扩展到企业组织内外的各类人员。CRM 是整合了后台应用的前台应用系统，就像 Jim Berkowitz 提到的组织结构一样，需要组织的全员参与，而不仅局
5、限于个别部门领导；二、具有 DSS，EIS 所不具备的强大的数据管理、数据分析与知识发现能力。这些能力的实现，实质上是因为商业智能融合了当代先进的信息处理新技术，如数据仓库、OLAP 、数据挖掘等。1.1.1.数据仓库数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制订过程。把数据仓库技术作为 CRM 的数据存贮，主要出于两个目的：一、客户数据分布在企业的各个应用系统中，如 ERP，HR 系统等。数据仓库可以借助企业集成环境， 有些专家把这种企业集成环境称为扩展的企业应用(extended enterprise Application， EEA)环境，从这些应
6、用系统中抽取、清洗、转换，使之符合基于数据仓库的分析与决策工具的数据要求；二、数据仓库的数据组织是面向主题的，被认为是新一代的决策支持工具，并且由于良好的数据环境，可以直接用于决策分析。SAS、CA 、NCR 及国内的中圣的 CRM 方案均采用数据仓库技术。作者本人把数据仓库应用在 CRM 的形式称为 CCDW(customer-centric datawarehouse，客户信息数据仓库)。数据集市(data mart)是按照某一特定部门的决策支持需求而组织起来的、针对一组主题的小型数据仓库。由于创建企业级的数据仓库存在许多困难，许多 CRM 方案采用数据集市的变通办法。从数据集市可以升级到
7、企业级数据仓库。1.1.2.OLAPCRM 从 CCDW 中发现有用的信息有两种不同的方式，方式之一是较低层次上的由用户制导的被动方式，这种方式多指 OLAP 分析。1993 年，关系数据库之父 E.F.Codd 针对OLTP 查询分析效率低、不能满足多角度分析决策的需求，提出了 OLAP 的概念。OLAP分析属于验证驱动型发现。其策略是：用户首先提出自己的假设，然后利用 OLAP 工具检索查询以验证或否定假设。在 CCDW 的数据环境下， OLAP 提供上钻、下钻、切片、旋转等在线分析机制。完成的功能包括多角度实时查询、简单的数据分析，并辅之于各种图形展示分析结果。1.1.3.数据挖掘CRM
8、 从 CCDW 中发现信息的另一种方式就是数据挖掘，是高层次上的主动式自动发现方法，被称为发现驱动型数据挖掘。W.J.Frawley, G.Piatetsky给出的定义是：数据挖掘，就是从大型数据库中的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的、潜在有用的信息，提取的知识表示为概念(concepts)，规则(rules) ，规律(regulations)，模式(patterns)等形式。数据挖掘是实现从客户数据、信息到客户知识转变的有力的工具。目前，许多公司的 CRM 方案中声称的数据挖掘其实是 OLAP 分析，并没有实现真正意义上的数据挖掘。因此，客户知识一词也仅留于表面。1.
9、2.客户智能是对客户知识的生成、分发、使用知识管理是目前热门的研究领域，但客户知识是较难获得和利用的。因为知识管理的对象是人，因此需要收集的数据不仅仅包括交易(transaction)数据，而且包括消费行为(human)数据。这样获得的知识才能全面反映客户本身。而消费行为数据的收集与分析、挖掘是大多数实现 CRM 的企业所忽略的。1.2.1.客户知识的生成(generation)在已经建好的 CCDW 的基础之上，使用商业智能提供的 OLAP 分析工具、数据挖掘工具或两种工具的组合，发现存在于客户数据中的模式、规则、概念、规律的整个过程，叫客户知识的发现。相比较而言，数据挖掘工具的使用难度较大
10、，包括确定任务、选择合适的挖掘工具(数据准备、挖掘算法、结果解释等)，以及明确哪部分任务必须有营销专家参与，哪部分可以自动执行。Emma Chablo 认为营销是提供真正客户知识的 CRM 组成部分，并提出营销数据智能(marketing data intelligence)的概念。Neural Innovation 的观点是：客户智能系统是商业智能应用在营销功能上的特定应用。可以认为，营销是客户知识的重要发源地。CRM 是一个闭合循环的整体，单从客户知识在 CRM 各组成部分的流向来看，正确、快捷、科学的营销决策是高质量 CRM 的基础。1.2.2.客户知识的分发(distribution)
11、客户知识必须到达组织内每一个需要客户知识的部分。将客户知识存贮于动态知识库，借助 CRM 的系统平台，将客户知识分发到需要的终端。不仅如何分发知识，还有一个知识分发质量(quality)和多少(how much)的问题。国外某公司利用一种软件过滤使用者需要和获得知识。更理想的做法是，在组织内部建立客户知识分发的协议(protocols)与标准(norms)，将特定类型的信息和知识与特定的使用人员联系起来，提高知识的使用效率。1.2.3.客户知识的使用(using it)将信息和知识投入使用是 CRM 的最后一个环节。许多 CRM 和数据挖掘没有成功，很大程度上在于产生的与客户有关的信息和知识不
12、能投入使用。CRM 通过营销、销售、客户服务和支持与客户打交道，客户知识通过它们的使用与集成，作用于客户。这些工作不单是一个合理的信息结构所能完成的，需要与之整合的工作流程做支撑，即引言中讲到的合理的组织结构。下文提到的“商业活动管理”就具有客户知识的分发、使用功能。综合以上，一个完全的客户智能方案包括以下内容： 可从组织内部的系统中获得需要的客户数据(参照后面提到的 EIP)； 客户数据的清洗、ETL(抽取、转化、存贮)； 数据总结和详细报表； 通过 OLAP 分析，获得有价值的客户信息； 运用数据挖掘工具发现客户知识的能力，譬如，从历史交易中寻找关系和异常的能力、对未来活动建立预测模型的能
13、力等； 客户知识的分发； 客户知识的使用。2. 以客户智能为内核的 CRM 框架总体上来讲，对 CRM 的探讨，应用超前于理论研究。目前 CRM 尚无统一的定义和系统框架，能够实现客户智能的 CRM 实现更是少之又少。目前这方面实现的较好的有 NCR、CA 、 SAS 的 CRM 方案，但并非所有这些方案均实现了真正意义上的数据挖掘而不仅仅是基于客户数据仓库的 OLAP 分析。国内能够真正实现客户智能的 CRM 方案尚为空白。作者认为一个 CRM 系统的研制和实施至少应该强调以下几点：一、以客户为中心；二、是与企业的后台应用有集成关系的前台应用及理念；三、最终实现功能包括营销自动化、销售人员自
14、动化、客户服务与支持；四、CRM 两大目标：客户满意和客户忠诚。本文对以客户智能为主线的 CRM 工作流程和逻辑结构进行了简要描述。其中工作流程刻画了CRM 的商业智能实现过程，逻辑结构蕴含在整个实现过程之中，体现了客户智能的实质和实现机理。本文在此基础之上，构造出了基于全文思路的、以客户智能为内核的 CRM 框架面向 CRM 的商业智能系统。2.1.工作流程有以下说明：CRM 有自己独立的数据存储中心，不依赖于业务系统；CRM 的数据存储中心可以导出供客户接触使用的数据，可以直接被商业活动管理利用。OLAP 分析可以直接在数据存储中心的基础上使用。数据挖掘需要的数据一般从数据存储中心按需要抽
15、取；CRM 在互动层提供多种渠道与客户接触；商业规则与元数据管理贯穿了 CRM 的整个结构；CRM 以工作流管理为基础，根据需要有时实施 BPR。2.2.逻辑结构数据源层代表数据的收集，互动层是将分析、处理的结果直接作用于客户，可以归为操作层面；应用支持层是 CRM 的分析、处理层面，叫做分析层面；数据存储层为操作层和分析层面提供统一的客户视图，归为统一视图层面(图 3)。三层的关系为：统一视图层面是操作层面和分析层面的数据支持；操作层面为统一视图层面收集数据，将分析层面的决策支持结果加以执行。分析层面为操作层面提供技术支持。从 CRM 的组成来看，有些组件可以不具有，但有两点是不可缺少的：强
16、大的决策分析功能和整合的客户信息。这是 CRM 科学、正确地实现客户智能的灵魂。当前有将 CRM分为操作型 CRM，协作型 CRM，分析型 CRM(META Group)的提法，其实均是完整 CRM 的一部分。2.3.面向 CRM 的商业智能系统EIP(Enterprise Information Portal，企业信息门户)提供了用户获取信息的统一界面(基于 WEB)。通过这个界面， CRM 将客户知识分发在包括事务型系统在内的所有企业应用，使 CRM 成为企业应用的核心并促进企业集成；其它图 4 中的组件在以上的分析中已经做了不同程度的解释；面向 CRM 的商业智能系统的知识库与传统的 DSS、EIS 中的知识库有很大区别。 图中所描述的系统是一个闭环的动态系统，知识库的内容在不断地自动修正，所以是一种动态结构，而不像 DSS、EIS 中的知识库是很少发生变化的。3.总结本文根据存在于 CRM 实施中的实际困难，针对性地提出了以客户智能为中心的 CRM框架。该框架突出了
