大数据下第三方物流企业CRM 管理探究

李晓栋

（广东工贸职业技术学院 工商管理系，广东 广州 510510）

大数据下第三方物流企业CRM 管理探究

李晓栋

（广东工贸职业技术学院 工商管理系，广东 广州 510510）

分析了大数据时代对现代企业的经营管理产生的深刻影响，指出大数据会为第三方物流企业提供新的盈利价值和发展机会，其在数据归纳、分析和整合方面的强大功能，能够提高物流行业的经营管理能力。同时结合大数据相关理论对大数据下第三方物流企业客户关系管理进行了分析，提出了第三方物流企业信用关系管理的改进对策及路径。

大数据；第三方物流企业；信用关系管理

1 大数据背景下第三方物流企业客户关系管理的现状

1.1 客户关系管理现状

目前我国第三方物流企业对客户关系管理（CRM）不断重视，但并未将客户中心理念放在重点位置。

（1）客户管理思想较落后。我国第三方物流企业往往把CRM作为具体业务，而没有上升到战略层面作为核心竞争力来培养，仅着眼于自身利益来看待客户关系，并没有将客户利益放在核心位置，客户管理思想有待提高。

（2）CRM实施工作不够完善。很多第三方物流企业没有设置专门的部门机构来实施CRM工作，CRM工作也没有得到足够的技术支持和网络支持，相关数据库建设较落后。

（3）缺乏长远实施能力。很多第三方物流企业往往通过折扣、返利等手段在短期内聚集客户，而当这些优惠政策取消时，客户很容易流失。而且在消费者利益与企业利益相冲突时往往舍弃消费者利益，这是不利于长远的CRM工作实施的，没有从战略高度来实施长远的CRM。

（4）过度依赖CRM软件。第三方物流企业往往过度依靠CRM系统软件，机械式地按照软件流程和内容实施CRM，这导致CRM生硬而不够灵活，也缺乏真情实感和人文关怀。CRM软件只是辅助性工具，而科学完善的CRM则需要站在战略高度来实施。

1.2 大数据背景下第三方物流企业CRM实施现状

目前在大数据热点逐步兴起的环境下，很多CRM软件系统落后于大数据时代发展要求，大数据技术与CRM软件的结合工作尚处于起步阶段。第三方物流企业的CRM软件与大数据技术的结合，需要对传统CRM软件进行变革。

首先，传统CRM的接触层、功能层和支持层这一架构理念，在大数据背景下能够与大数据技术相融合，虽然传统数据挖掘技术难以胜任非结构化数据处理，同时传统CRM软件存在局限于对企业历史信息的搜集的不足，但是这样的实施方案可以作为大数据技术理念下CRM软件的发展思路。其次，传统CRM往往分为市场营销管理、服务与技术支持、销售管理、现场服务、呼叫中心这5大模块，但这样的分类方法忽略了数据搜集和分析，不利于对数据的深入及实时分析，所以大数据理念下CRM软件需要深度整合企业各部门和内部资源。最后，大数据处理技术目前来看侧重于云计算、Hadoop、人工智能等处理技术与工具，而传统CRM软件的数据挖掘技术需要与时俱进地加以丰富。

1.3 第三方物流企业CRM在大数据环境下存在的问题

目前我国第三方物流企业在大数据技术兴起的背景下，CRM系统应用主要有以下几个问题：

（1）数据不足导致客户维持能力低下。传统CRM软件是在搜集客户信息资料基础上，进行满意度分析，但是这些信息资料往往来自于企业自身搜集的市场信息，在信息分析时也难以分析出客户忠诚度。而现今客户需求纷繁复杂且更新较快，电商网站、社交平台上聚集了大量的消费者信息，然而这些信息价值密度低，第三方物流企业难以有效搜集并分析，只对固定客户信息进行分析来实施CRM及客户信用，效果是不够深入的。

（2）数据更新不足导致个性化服务难以实施。传统CRM软件中主要以分析结构化数据为主，而且数据库中数据信息更新速度相对较慢，难以跟上客户及客户信用不断更新的需求，这导致物流企业的CRM软件难以对不同客户群体进行实时聚类分析，也难以进行针对性的CRM，导致CRM的个性化服务难以实施。

（3）数据类型单一导致关联性分析不足。传统CRM软件中的结构化数据管理在分析潜在客户和提高客户忠诚度上，作用较为有限，而以大数据技术视角来看网络环境中潜在客户的挖掘、客户忠诚度、客户的心理往往与非结构化的数据相关联。目前我国物流企业的CRM软件系统仍然依赖结构化数据，数据类型单一导致关联性分析不足，容易忽略潜在市场，难以及时了解客户需求及产品服务的发展趋势。

（4）CRM模式滞后导致难以及时觉察客户信用变化。传统CRM的设计理念局限于客户互动及管理方式上，而大数据时代，信息数据是海量的，传统CRM难以及时挖掘有效的市场管理信息，CRM模式滞后导致难以及时觉察客户资信水平及市场需求变化，导致物流企业在竞争中容易落败。

2 大数据技术下第三方物流企业CRM管理的改进对策及路径

2.1 框架设计思想

基于大数据技术设计思想的CRM软件应当紧密结合大数据技术所蕴含的理念，具体论述如下：

（1）大数据技术下CRM系统应当将工作重点转移到对客户信息的多渠道、多维度、多方面的搜集工作上去，例如网络上各网站、社交平台、电商平台上客户所留下的信息。

（2）大数据技术下CRM系统应当强调将数据挖掘技术更新升级，积极利用大数据处理平台工具，以提高数据处理效率。

2.2 框架实施内容

应实施如下步骤：

（1）客户信息搜集。应当利用大数据技术，结合横向的网络平台，例如社交网站、电商平台、网络门户、论坛微博、朋友圈等网络平台来搜集并整合客户的需求、评价甚至忠诚度等信息；也可以结合纵向的物流供应链上的信息，来分析客户的具体需求，这个平台可以由第三方物流企业自建，也可以由外包给专门从事物联网建设的专业企业来完成，进而通过大数据技术发现物流产业链中存在的服务问题及客户关系等信息。也可以由我国第三方物流企业共同出资建设统一的信息共享平台，实现业务上的战略合作，整合资源并实现信息共享，消除冗余的流程和手续，为客户提供多渠道、立体化的物流服务方案，从整体上提高第三方物流企业的物流效率。

（2）客户信息分析。大数据技术下的客户信息分析要注意引入新型的数据分析技术。其中物流企业客户行为分析方面，要结合大数据分析技术进行实时、综合性、灵活性并立体化的分析，不仅要了解客户现有需求，还要发掘客户潜在需求，而且大数据环境下也要改进过去以单个客户为分析对象的理念，要以不同角度和渠道、特点做标准，将客户区分为不同类别，并作出全面性的分析总结，进而找出某一客户类别的行为规律和潜在需求。也可以在横向角度针对更大范围的客户群体，利用大数据技术进行分析，分析物流需求集中的领域和范围，以利于物流企业扩展自己的业务空间和战略规划。同时也要根据二八法则对于结合大数据技术重点客户进行深度分析并注重未来发展潜力；此外对于市场流动性较高的第三方物流企业来说，客户未来行为预测也是非常重要的，应结合大数据技术来设置客户流失预警系统，通过设置识别客户流失的综合输出指标，来分析潜在流失客户群及流失原因，进而实现对客户分类的精细化发展。

（3）客户信息输出。在大数据技术分析下，CRM系统的客户信息输出应当用于企业各项业务的管理策略中，而不局限于销售业务管理策略中。大数据分析技术中的各项数据分析技术有助于物流企业从整体上进行科学规划，因此要将融合大数据技术的CRM系统与自身经营系统深入结合。

2.3 大数据技术下第三方物流企业CRM的具体实施路径

（1）客户信息搜集具体实施路径。前文已分析出大数据技术背景下数据类型既包括结构化数据，也包括非结构化数据，应利用先进的信息技术对非结构化数据进行搜集和整理，第三方物流企业可利用物联网中的传感器技术、条形码技术、RFID标签技术、物流设备跟踪和控制技术来搜集物流产业链上的各方面数据，可利用第三方平台（如电商、社交网站、电邮）和数据分析服务来搜集半结构化的数据。

（2）客户细分与分析。在大数据分析技术下，应当对非结构化数据，例如社交网站、电商网站等的数据进行分析，提取有利于客户管理的信息，来实施第三方物流企业的客户细分工作。大数据技术下的客户细分不应局限于营销策略制定角度，而应当结合客户特点、客户需求、客户关系来进行客户识别和细分。

①利用关系营销来实施CRM。大数据技术有助于提高第三方物流企业掌握信息的交互性程度和共享性程度，相应CRM应建立多层次的管理体系，具体有：第一，财务层面上的CRM。在大数据技术分析后可以发现这种关系下的客户，往往会对价格与收入比较敏感，所以对于这种类型的CRM应当强调财务奖励、财务折扣等营销手段，并实施客户满意度计划进行绩效考核。第二，社交层面上的CRM。大数据技术分析后能够发现这种类型的客户不仅看重财务利益，而且还看重社会利益，所以在物流服务上，对个性化、富有人情味的物流服务需求更高，而且这类客户也会带来较高的忠诚度和满意度，所以大数据技术下的CRM体系应当强调对该类型客户建立长久的互动机制，也应当按照贡献率程度和潜在价值来建立不同分类的客户俱乐部，以进一步为客户提供增值服务。第三，结构层面上的CRM。结构性联系更强调物流企业运营能力对客户收益的促进作用，这种联系更强调合作共赢，具体表现为合作伙伴或战略联盟关系，所以结构层面上的CRM需要提供精准的服务，物流企业可以通过大数据技术分析客户的潜在需求和评价，以主动提供满足客户需要的服务，进一步促成紧密合作的战略伙伴关系，以获得更稳定、盈利潜力更高的市场关系。

②利用客户全生命周期利润来实施信用管理。在大数据技术下，应结合对客户利润潜在发展能力和向忠诚客户的转化率来对客户进行细分，从全生命周期利润视角，可以将物流企业的客户分为四种类型，见表1。

表1 大数据技术分析理念下的客户价值矩阵

对每种客户的特点及CRM实施策略进行分析，见表2。

表2 大数据技术下客户分类及信用管理

3 结论

在大数据技术下，第三方物流企业应当积极升级自身的CRM系统，引入并建设相应的人才体系，提高大数据的应用水平，积极应用大数据分析技术和流程，并将大数据技术下的CRM与自身战略相结合，转变经营思路，进而提高客户信用管理水平。

[1]杨熙.大数据下第三方物流企业客户关系管理探讨[J].经营管理者,2016,(19).

[2]宋杰.大数据时代第三方物流企业客户关系管理问题研究[J].商业故事,2016,(25).

[3]宿恺,尤翠翠.大数据背景下第三方物流企业的客户关系管理[J].经营与管理,2015,(2).

[4]叶斌,余真翰,黄文富.大数据背景下物流企业CRM变革分析[J].商业经济研究,2014,(22).

Exploration of CRM of Third Party Logistics Enterprises Using Big Data

LiXiaodong
(Department of Business Administration,Guangdong Polytechnic of Industry&Commerce,Guangzhou 510510,China)

In this paper,we analyzed the profound influence of big data on the operation and management of modern enterprises,pointed out that it would introduce new value and development opportunity for the TPL enterprises,whose strong functionality in data summarization,analysis and coalescence could substantially improve the operation and management processes of the logistics industry,and at the end,in connection with the big data theory,proposed the countermeasures and paths to improve the CRM of the TPL enterprises.

big data;TPL enterprise;CRM

F259.23

A

1005-152X(2017)10-0027-03

10.3969/j.issn.1005-152X.2017.10.006

2017-09-08

李晓栋（1982-），男，湖南湘潭人，硕士，广东工贸职业技术学院工商管理系讲师，研究方向：物流与供应链管理、高职教育。