数据挖掘在物流客户关系管理中的应用

左玉洁

的确，已经有不少物流企业意识到“以客户为中心”的必要性，但是因信息技术的制约，物流企业并未真正实现“以客户为中心”。在物流企业客户关系管理中有效实施数据挖掘技术，可以使客户关系管理树立“以客户为中心”的管理理念，利用数据挖掘，识别客户相关数据中的重要数据，以便合理规划与实施客户关系管理，拉近物流企业与客户之间的关系，根据客户的需求，为其提供优质产品与服务，创造较高的经济效益，促进物流企业持续健康的发展。所以，在市场竞争日益激烈的今天，数据挖掘有效应用于物流企业客户关系管理之中是非常有意义的。

数据挖掘

数据挖掘的涵义。产生于上世纪九十年代的數据挖掘，解释了通过数据库抽取隐含的、未知的、具有潜力在使用价值的信息的过程。

从技术角度来讲，数据挖掘是一门交叉学科，是把对数据的应用从低层次查询提升到挖掘知识，是从大量、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中的、人们所不知道的、但又是潜在有用的信息和知识的过程。这使得数据挖掘具有实际应用价值，同时容易被用户理解，即从数据中挖掘知识。相对来说，数据库中存储的数据是以多种形式呈现的，如文本、图形、图片等，这使得数据具有结构化或变结构化的特点，而有效的进行数据挖掘，可以对数据库数据进行分类与归纳，进而找出隐藏数据，便于人们应用。基于此，数据挖掘可以有效的应用与多个领域之中，如统计学、人工智能、模式识别、机器学习、信息检索、信号处理等。

从商业角度来讲，数据挖掘是一种新型的商业信息处理技术，主要是对商业数据库中的大量业务数据进行抽取、转化、分析及整理，从而提取辅助商业决策的关键知识，发现相关商业模式。在企业之间竞争日益激烈的今天，商业运营情况直接关系到企业未来的发展，科学、合理的运用数据挖掘来对企业大量的业务数据进行深层次的分析，可以获得与企业运作、商业经营相关的隐藏信息，为更企业更好的进行商业经营提供帮助。所以，数据挖掘虽然是一种数据处理方法，但其按照企业既定业务目标，合理的应用，可以促进企业更好的进行商业经营。

数据挖掘过程。整个数据挖掘过程中，工作人员需要按照以下步骤来进行：

首先，数据准备。在明确数据挖掘目的的情况下，应当选择适合的数据，如进行企业业务数据分析，那么就要在与业务对象相关的内部数据和外部数据中选择适合的数据。当然，也可以直接基于数据仓库来进行数据挖掘。这样就可以省去数据集成与合工作，简化数据准备。

其次，建立模型。适合的分析模型的建立，利于提高数挖掘成功的概率。对于数据模型的建立，需要进行数据分析，正确选择变量，并构建预示值。在此基础上，按照模型使用要求转变变量，即可利用模型进行数据分析。

再次，数据挖掘。在分析模型分析数据之后，进行算法规划，选择适合算法来挖掘数据。

最后，结果分析。出于保证隐藏数据可以有效的应用于实际中，利用可视技术或其他方式来表达数据，进而评价数据，明确隐藏数据的利用价值，以便后续可以在实际应用中充分发挥作用。

物流企业客户关系管理

LCRM的涵义。物流客户关系管理（LCRM）。是基于物流、资金流、信息流，通过建立企业与供应商、生产商和经销商及最终客户之间的合作关系，实现信息共享、资源互动和客户价值最大化。那么，物流客户关系管理的实施，使得企业建立“以客户为中心”的商业模式，充分整合资源，良好的进行生产经营活动，创造较高的经济效益。作为一种新管理理念，LCRM除了关注客户领域之外，也关注市场、业务及技术领域，即：

市场。在市场竞争日益激烈。价值多种不确定因素村改的情况下。实施LCRM，将“以客户为中心”作为核心理念，那么物流企业将把目光转向满足客户个性化需求，如此物流企业所展开的各项业务，将得到广大客户的青睐，那么物流企业将获得较高的资金回报率。

业务。LCRM的实施，使得企业从“以产品为中心”转变为“以客户为中心”，那么企业在进行市场营销、产品销售、业务服务等方面规划时，考虑客户，以便增进与客户之间的关系。另外，LCRM的实施，还会对物流业务进行有效的、全面的管理，能够尽可能的降低成本、缩短销售周期等，使企业创造较高的经济效益。

技术。因LCRM理念与企业管理中应用的技术相关。处于保证LCRM可以在物流企业中充分发挥作用的考虑，应当根据LCRM实施需要，合理的规划应用信息技术、网络技术等先进技术。

LCRM的内容

物流客户识别管理。作为LCRM的一部分，物流客户识别管理包括客户资料收集、识别、分析、物流客户交流与反馈。有效的实施物流客户识别管理，将保证物流客户相关数据的识别准确、有效。

物流客户资料的搜集。也就是对在企业营销数据库之中，进行客户相关数据的搜集，如客户的基本信息、信用状况、客户沟通记录、销售情况等。在此需要说明的是一定要确保所搜集的客户资料真实、完整。

物流客户的识别。因物流客户分为普通客户、关键客户及合适客户。在进行物流客户识别时，一定要合理、准确的识别客户，合理分类。

物流客户分析。出于有效管理客户的考虑，应当合理的、细化的分析客户，如基于生命周期、购买情况、终身价值等方面进行客户分析。

物流客户的拓展与巩固管理。与客户维系好关系，并且不断开发潜在客户，将可以使企业的各项业务良好推进，进而促进物流企业持续性健康的发展。基于此，还要有效实施物流客户的拓展与巩固管理，也就是明确LRCM要求，合理的设置物流服务体系、精准定位物流市场、开展多样化的促销活动等，以便拓展物流客户、巩固老客户。

物流客户细分与服务策略。从以往物流企业运营实际情况来看，企业资源有限，在为客户进行资源分配的过程中时常会出现问题。针对此种情况，有效的实施物流客户细化与服务策略，也就是从不同角度出发来细化客户，如客户购买力度、客户信用程度、客户分类等，进而分析不同客户群对企业未来发展所占比重，进而合理分配企业资源。另外，还要对客户的需求进行细化，进而为客户提供针对性的服务，以便更好的维护企业与客户之间的关系。

数据挖掘在物流客户关系管理中的应用

基于以上内容的分析及相关文献的查阅，确定数据挖掘在物流企业客户关系管理中有效应用是非常必要的，可以拉近企业与客户之间的关系，实现“以客户为中心”的经营活动，进而促进物流企业在竞争激烈的市场环境中良好发展。那么，如何在物流企业客户关系管理中有效应用数据挖掘呢？笔者的建议是：

基于数据挖掘的cRM体系结构

面对当前CRM系统建设的实际情况，我们不难发现其中存在的不足，为了良好的应用数据挖掘来实施CRM，应当明确CRM系统存在的不足，进而合理的构建基于数据挖掘技术的CRM体系结构。

通过相关文献的分析，确定现有CRM系统存在的不足具体表现为：

没有客户全生命周期利润预测系统，无法评估客户对公司的终身价值，因而无法有效地识别有价值客户。

目前所应用的CRM系统体系结构之中没有客户生命周期管理系统，也就是CRM系统不能对客户关系的动态特征予以洞察，如此就不能准确的了解客户需求。进而合理把握与客户的关系，相应的企业的生产经营活动将会受到影响。

目前所应用的CRM系统体系结构之中没有建立客户提出倾向识别系统，导致系统不能够及时的发现客户退出行为或相应的防范措施，导致企业在进行生产经营的过程中可能出现人员流失的情况。

在明确CRM系统存在不足的情况下，合理构建基于数据挖掘的CRM结构体系，应当注意加强以下几方面：

客户接触。也就是根据客户的日常沟通方式，采用比较便捷的、有效的方式来与客户接触，如通过电话、传真、面对面等方式来与客户接触。

数据存储。数据存储指存储通过客户接触获得的客户数据，客户数据在存储之前一般要进行必要的数据预处理。因此，为了良好的设置数据存储，应当明确数据挖掘需要及客户关系管理需要，进而合理的设置数据存储。

数据挖掘在物流客户关系管理中的典型应用

客户细化分析。基于数据挖掘技术来进行客户细化，也就是收集客户相关数据，并对数据进行加工与处理，将客户进行不同的分类，并且保证每一类的客户属性是很是相似，能够确定相对统一的消费习惯、消费倾向、消费需求等，为后续利用数据推断客户的消费行为，或挖掘潜在客户创造条件。在此需要说明的是，客户细分中应用数据挖掘，应当注意结合企业业务实际情况，合理划分客户分类方案，以便有针对性的应用数据挖掘的方法，从而准确的进行客户分类，满足应用需求。

交叉销售分析。为了企业交叉销售良好展开，在进行交叉销售分析的过程中，还要注意科学。合理的应用数据挖掘技术。也就是：首先对客户购买、消费方面的数据进行数据挖掘，从而建立数据分析模型，明确客户的购买习惯、消费习惯；其次是建立预测模型来预测与分析各种销售方式實施的有效性，明确最佳的销售方式；最后建立分析模型来对新客户购买数据进行分析，进而确定最佳的、最适合的销售方式，为后续物流企业合理的运用交叉销售方式奠定基础。

相对于传统的数据库查询来说，基于人工智能、数据识别等技术的数据挖掘具有深层次识别隐藏数据、有效分析数据等优势，这使得数据挖掘技术可以在诸多领域之中发挥作用。以上文中研究的是数据挖掘在物流企业客户关系管理中的应用。通过一系列的分析与探讨，确定将数据挖掘有效的应用于物流企业客户关系管理之中，可以对客户相关的数据进行深层次的挖掘，进而获得重要数据信息，以便优化调整客户关系管理，从而拉近企业与客户之间的关系，良好的进行生产经营活动，创造较高的经济效益，促进物流企业持续健康的发展。由此看来，市场竞争日益激烈的情况下，物流企业客户关系管理中有效应用数据挖掘是非常有意义的。

（作者单位：赤峰学院）