摘要本文在建陶企业客户关系管理的基础上，通过对数据挖掘方法的具体分析，阐述了数据挖掘在建陶企业客户关系管理中的应用。
关键词数据挖掘，客户关系管理，建筑陶瓷企业
1引言
至2004年，中国拥有建筑陶瓷生产企业约为2860余家，其中国营集体企业560家，私营企业2300家，主要分布在广东、山东、四川、福建、河北、、浙江、河南及上海周边地区等八大建筑卫生陶瓷生产区域，合计产量占全国总产量的93%，其中年产700万m2以上的大中型企业的数量增长速度较快，规模最大的企业年产量已达1亿m2以上。建陶企业面对如此巨大的销售市场和客户市场，企业内部必然产生了庞大的业务数据，这些数据和由此产生的信息是企业的宝贵财富，它如实地记录着企业运行的本质状况。如此庞大的数据，迫使人们不断寻找新的数据工具对建陶企业的运营规律进行分析，为经营、管理和决策提供有价值的信息，使企业获得利润，提升核心竞争力。因此，数据挖掘技术便应运而生并显示出强大的生命力。
[1]
2客户关系管理与数据挖掘
2.1 客户关系管理
客户关系管理（customer relationship management，英文缩写为crm），由gartner group首先提出，其定义是企业与客户之间建立的管理双方接触活动的信息系统，它告诉企业谁是其最有利的客户，并激发其制定保留老客户、吸引新客户的市场战略。企业的客户关系管理是利用现代信息技术手段，在企业与客户之间建立一种数字的、实时的、互动的管理交流系统。数据挖掘技术可以对客户数据进行分析和处理，为企业的客户关系管理提供决策的参考依据。
[2]
2.2 数据挖掘
数据挖掘就是从大量的、不完全的、模糊的、随机的实际应用数据中，提取隐含在其中的有用信息和知识的过程。数据挖掘作为一种数据分析工具，具有统计分析、联机事务处理（oltp）和联机分析处理（olap）等数据分析工具无可比拟的优点。数据挖掘技术在功能上包括聚类分析、关联分析、分类分析和孤立点分析等主要分析技术。
[2]
3数据挖掘技术在建陶企业客户关系管理中的应用
数据挖掘技术可以应用到建陶企业客户关系管理的许多领域，主要有客户获取、交叉销售、客户细分、客户赢利能力分析和客户流失分析等。
3.1 数据挖掘在建陶企业客户获取中的应用
建陶企业的发展和壮大需要不断获得新客户、维持老客户。数据挖掘技术可以用来揭示客户的行为习惯和预测发现一些在不同情况下有相似行为的新客户，帮助建陶企业识别出这些潜在的客户群，并提高市场活动的响应率，使客户关系管理做到心中有数、有的放矢。数据挖掘技术还可以帮助市场营销人员完成对潜在客户的发现和筛选工作，把潜在的客户名单和这些客户感兴趣的营销、促销措施系统地结合起来，为每一个客户提供个性化、一站式的服务，以不断地获取新客户。
企业可以利用客户评分模型来获取新客户。下面介绍建立客户评分模型的步骤：第一步，客户参观了企业的展台并对企业产品有了初步了解；第二步，客户通过下列途径进一步获取感兴趣的产品资料：浏览企业的网站、收到企业发出的产品推广电子广告邮件、收到企业发出的介绍产品的传真；最后，客户主动联系服务中心。建立模型的目的是为了通过上述客户的行为，找出潜在的最有可能购买产品的新客户，使营销人员能更有效地销售产品。模型中可对客户的行为分别制定相应的权数，然后对客户进行综合评分，以客户收到电子广告邮件为例，如果客户仅仅是打开邮件，权值可以设定为1，而客户不仅打开了邮件而且点击了其中的超级链接，则说明客户对宣传的产品有更高的兴趣度，权值可以定义为9。在评分模型中将用到决策树、神经网络等数据挖掘方法。如果企业不进行任何建模分析，盲目将调查表发出，其响应率将大大降低，这样既浪费了人力、财力和时间，又不便于对调查者进行追踪分析。由此可以看出，数据挖掘在企业决策者提升客户关系管理能力方面起着非常重要的作用。
3.2 数据挖掘在建陶企业交叉销售中的应用
交叉销售是服务人员在向顾客提供某种服务或产品的同时，推销其它产品和服务的销售方式。它是一种借助各种分析技术和经验判断，发现现有客户的多种相关需求，通过满足其需求而销售多种相关产品和服务的一种营销理念。利用数据挖掘中的关联规则算法，可以建立交叉销售模型。关联性分析是数据挖掘的主要功能之一，可广泛用于市场营销的各个方面，其中的一个主要应用就是对顾客的购买行为作关联性规则的分析，探询顾客在商品购买时的行为模式。利用关联规则算法发现的规则可以应用于顾客购物分析、目录设计、商品广告邮寄分析、追加销售、商品货架设计、仓储规划、网络故障分析以及根据购买模式对用户进行分类，帮助决策人员分析出最优的销售匹配。关联规则的结果可以用在建陶企业交叉销售的两个方面：一方面，对购买频率较高的产品组合，找出购买了组合中大部分产品的顾客，向他们推销“遗漏的”产品；另一方面，为每个顾客找出比较适用的产品组合，向他们推销对应的产品系列，促进相关产品的销售。
[3]
3.3 数据挖掘在建陶企业客户细分中的应用
客户细分实质上是把大量的客户分成不同类型，每种类型里的客户拥有相似的属性。数据挖掘中的聚类算法可以应用到建陶企业的客户细分工作中。
聚类算法是通过无指导学习，按类相似性最大化原则，自动对数据分类。聚类可以帮助市场分析人员从消费者数据库中区分出不同的消费群体，并且概括出每一类消费者的消费模式或习惯。因此，可以通过聚类算法建立客户细分模型，把建陶企业客户分为大客户和小客户。对大客户选择主动型的客户关系类型，开展“一对一”的营销活动；对小客户选择基本型的客户关系类型，以服务品牌的号召力、专业的商品提供与优良的客户服务吸引其消费。
[4]
3.4 数据挖掘在建陶企业客户赢利能力分析中的应用
客户赢利能力分析和预测是建陶企业市场营销成功的关键。数据挖掘技术可以从客户的交易记录中发现一些有用的行为模式，并用这些行为模式来分析客户赢利能力的高低和预测客户未来最可能的行为模式。如在整个客户群体中，通过分析筛选，确定有多少赢利能力高的客户，有多少赢利能力低的客户，从而可以在市场、销售和服务方面做适当工作来促进客户从赢利能力低向赢利能力高的方向发展。通过对客户的行为特征和交易历史数据的挖掘工作，可以使销售人员了解客户赢利能力的高低。
[5]
数据挖掘技术在客户盈利能力评估中的预测步骤为:(1)计算客户过去每个时间单元的利润；(2)绘制客户历史利润随时间变化的曲线图；(3)将客户的历史利润曲线图与已知的典型客户利润曲线进行拟合，并预测客户未来利润随时间变化的趋势，描绘出客户未来利润曲线图；(4)根据客户的整体利润曲线图，得出客户利润模式的数学函数，在给定的客户生命周期内，计算出客户盈利能力的大小。
根据客户盈利能力的大小，建陶企业就能对客户进行合理细分，从而为不同类型的客户提供不同的客户关怀，节约企业资源，使单位企业交易成本下的客户资源价值实现最大化。
1[]