基于CRM信息技术渠道偏好度模型管理的应用.doc

基于CRM信息技术的渠道偏好度模型的管理应用 摘要：文章以CRM系统对客户行为和偏好的深入分析为基础，对基于信息技术对客户的渠道偏好进行了深入探讨。 HYPERLINK / 论文以 HYPERLINK /china/ 中国电信行业为例，选取了一个典型案例 HYPERLINK /company/ 企业，对其电话客服中心、短信渠道和网站渠道的偏好度进行分析，研究结论对电信运营商的提升客户关系、提升业务绩效、提高客户数据处理技术方面均提供了良好的指导。 　　关键词：CRM；渠道偏好度；电信 　　 　　一、 案例研究方法与模型介绍 　　 　　西方学者的案例研究过程渊源已久，Kyburz-Graber（2004）将案例研究分为三类：描述性案例研究、探索性案例研究以及因果解释性案例研究。本研究属于探索性案例研究，希望以国内一家电信运营商的CRM管理过程实践为研究对象，分析客户对于渠道的偏好度。本案例企业为某电信运营商的一家地市分公司，拥有超过三百万用户，主要从事移动通信和数据服务业务。 　　 　　这家电信运营商在完成基本的各种业务运营的生产性信息系统后，进一步完成数据汇总并建设了涵盖所有客户互动 HYPERLINK /lishi/ 历史数据的中央数据仓库系统作为企业级业务数据平台。其市场营销部门充分利用这个统一集中的管理信息平台，对客户作各种深度的数据挖掘研究。对于渠道的偏好度的研究分析方案如下： 　　1. 渠道的类型定为四类：营业厅、电话客服中心、短信、网站。 　　2. 客户渠道的偏好度模型，使用数据挖掘的人工神经 HYPERLINK /network/ 网络技术（详述如后）， HYPERLINK /pc/ 计算出每个用户使用四种渠道办理业务的倾向度评分。 　　3. 主要的数据来源包括客服中心呼叫记录，短信请求记录，网站渠道运营记录，业务支撑系统工单，服务使用数据，以及客户基本属性数据等。 　　4. 时间分析窗口数据，利用渠道偏好度模型给每个分析用户进行渠道使用倾向评分，再通过验证窗口用户使用渠道情况进行模型验证。分析窗口：用于分析特征的历史数据的时间跨度，需要3个月的历史数据；验证窗口：用于验证用户使用渠道情况，需要2个月的历史数据。 　　5. 本案例研究所使用的技术方法为人工神经网络（ANN）。人工神经网络的研究 HYPERLINK /fazhan/ 发展起源于20世纪40年代，是一种模仿人脑神经系统的非线性映射结构。它不依赖于精确数学模型，而显示出自适应和自学习功能。1943年，法国心 HYPERLINK /lixue/ 理学家W.S.McCuloch和W.Pitts提出了第一个神经元数学模型，开创了人类 HYPERLINK /lixue/ 自然 HYPERLINK /gongxue/ 科学史上的一门新兴科学ANN的研究。 　　人工神经网络会不断检验预测结果与实际情况是否相符。把与实际情况不符合的输入输出数据作为新的样本，对新样本进行动态学习并动态改变网络结构和参数，这样使网络适应环境或预测对象本身结构和参数的变化，从而使预测网络模型有更强的适应性。而在ANN的实现过程中，往往需要大量的数据来产生充足的训练和测试样本模式集，以有效地训练和评估ANN的性能，这正好是建立在数据仓库和数据挖掘工具所能提供的。由于ANN和数据挖掘两者的优势互补，将神经网络用于数据挖掘具有现实意义和实用价值。人工神经网络在数据挖掘中的优势是：对于噪声数据的强承受能力，对数据分类的高准确性，以及可用各种算法进行规则提取。 　　人工神经网络方法常用于分类、聚类、特征挖掘、预测和模式识别。神经网络模型大致可分为以下三种：（1）前馈式网络：以感知机、反向传播模型和函数型网络为代表，主要用于预测和模式识别等领域；（2）反馈式网络：以Hopfield离散模型和连续模型为代表，主要用于联想记忆和优化计算；（3）自组织网络：以自适应共振理论：（Adaptive Resonance Theory，ART）模型为代表，主要用于聚类分析。 　　在本案例应用中，主要是用前馈式网络来进行多变量的概率分布预测。因为本文目标是对用户使用几种渠道的可能性高低进行预测。 　　 　　二、 案例研究的实施与分析 　　 　　1. 业务规划的考量。对客户使用渠道的习惯偏好进行分析具有重大意义，可以对营销活动提供有力的支持。通过客户行为特征分析，寻找客户选择渠道的偏好，提供客户营销渠道的最优路径。不但有利于优化渠道资源，降低营销成本，更能提高营销成功率，提升客户满意度。 　　目前电信客户可以使用的移动通信服务渠道包括营业厅、电话客服、短信、网站、自助服务终端等，其中营业厅提供服务功能最为齐全，但成本也是最高；电话客服使用最为广泛，几乎每个客户都有使用电话客服的