客户关系管理系统(数据库)

时间：2022-10-31 06:30:01 | 来源：信息时代

时间：2022-10-31 06:30:01 来源：信息时代

    客户关系管理系统 : 一种以数据库为核心的计算机系统,它以信息技术为手段,运用CRM的管理思想,通过业务流程与组织的深度变革,实现具有客户关系管理各项功能的系统。
1.客户关系管理系统组成
客户关系管理系统的一般模型如图1所示。

图1 客户关系管理系统的一般模型

根据客户关系管理系统的一般模型,可以将客户关系管理系统划分为三个部分:
(1)接触活动: 客户关系管理系统应当能使企业以各种方式与客户接触,典型的方式有呼叫中心、直接沟通、传真、移动销售、电子邮件、互联网以及其他营销渠道。企业必须协调这些沟通渠道,保证客户能够以自己最习惯的方式与企业进行实时接触,并且保证来自不同渠道的信息的完整性、准确性和一致性。
(2)业务功能: 客户关系管理业务功能通常包括市场管理、销售管理、客户服务和支持三个组成部分。市场管理的主要任务是: 通过对市场和客户信息的统计和分析,发现市场机会,确定目标客户群和营销组合,科学地制定出市场和产品策略;为市场人员提供制定预算、计划、执行和控制的工具,不断完善市场计划; 同时,还可管理各类市场活动(如广告、会议、展览、促销等),对市场活动进行跟踪、分析和总结以便改进工作。
销售管理部门则使销售人员通过各种销售活动,如电话销售、移动销售、远程销售和电子商务等,方便及时地获得有关生产、库存、定价和订单处理的信息。所有与销售有关的信息都存储在共享数据库中,销售人员可随时补充或及时获取,企业也不会由于某位销售人员的离去而使销售活动受阻。另外,借助信息技术,销售部门还能自动跟踪多个复杂的销售线路,提高工作效率。
客户服务和支持部分具有两大功能,即服务和支持。一方面,通过计算机电话集成技术(CTI)支持的呼叫中心,为客户提供每周7×24小时的不间断服务,并将客户的各种信息存入共享的数据库以便及时满足客户需求。另一方面,技术人员对客户的使用情况进行跟踪,为客户提供个性化服务,并且对服务合同进行管理。
(3)商业智能: 客户关系管理系统中商业智能的实现以数据仓库为基础。其重要作用体现在以下几点: 帮助企业准确地找到目标客户群; 帮助企业在最合适的时机以最合适的产品满足客户需求,降低成本,提高效率; 帮助企业根据客户生命周期价值对现有客户进行划分; 帮助企业结合最新信息和结果制定出新策略。
一个高质量的数据仓库包含的数据应当能全面、准确、详尽和及时地反映客户、市场和销售信息。数据可按不同用途分为三类: 客户数据、销售数据和服务数据。
客户数据包含客户的基本信息、联系人信息、相关业务信息和客户分类信息等,它不但包括现有客户信息,还包括潜在客户、合作伙伴、代理商的信息等。
销售数据主要包括销售过程中相关业务的跟踪情况,如与客户的所有联系活动、客户价格咨询和相应报价、每笔业务的销售订单以及竞争对手的有关信息等。
服务数据则包括客户投诉信息、服务合同信息、售后服务情况以及解决方案的知识库等。
这些数据一般根据主题存放在数据仓库中,也可以存放在部门级数据仓库(即数据集市)中,实现信息共享,以提高企业信息系统后台业务的运作效率和工作质量。
客户关系管理系统的商业智能使用一种通过对业务数据进行数据挖掘产生报表,并对报表进行分析和决策支持的工具。商业智能的技术支持不仅包括数据仓库,还包括了数据挖掘、联机分析处理(OLAP)等数据处理技术。
2.客户关系管理系统中的数据仓库
(1)客户关系管理对数据仓库的需求: 业务整合需要数据仓库。市场、销售和服务部门之间有许多需要相互协调的地方,共同为客户提供方便的服务。首先,数据仓库将客户行为数据和其他相关的客户数据集中起来,为市场分析提供依据; 其次,数据仓库对客户行为的分析以OLAP、报表等形式传递给市场专家; 最后,数据仓库将客户的市场机会的反应行为集中到数据仓库中,作为评价市场策略的依据。
数据清洗与集中需要数据仓库。企业长期运营过程中积累了大量分散的面向业务的数据。客户关系管理需将数据转换为决策分析所需要的类型,即通过对分散数据的集中、清洁和转换,使数据仓库中存储着清洁、一致、全面和面向决策的数据。
数据分析需要数据仓库。客户关系管理需要将大量面向决策的数据进行充分的分析,并将分析结果传递给客户。主要手段有: OLAP、报表和数据挖掘。
(2)客户关系管理中数据仓库的体系结构: 客户关系管理系统中数据仓库体系结构模型如图2所示。系统由数据源、数据仓库系统和分析系统组成。

图2 客户关系管理系统中数据仓库体系结构模型

数据源来自客户信息、客户行为、生产系统和其他相关数据。
数据仓库系统分为数据仓库建设和数据仓库两部分。该系统利用数据ETL和设计工具,将与客户相关的数据集中到数据仓库中,然后通过OLAP、报表等将客户的整体行为分析和企业运营分析结果传递给数据仓库用户。
分析系统由数据准备、客户分析数据集市、客户分析系统和调度监控组成。
3.客户关系管理系统中的数据挖掘
客户关系管理中的客户分类、客户识别、客户保留、客户盈利率分析等功能都需要数据挖掘的功能来实现。
(1)客户分类: 客户分类是将所有客户分成不同的类的过程。对客户进行分类有利于针对不同类型的客户进行客户分析,分别制定客户服务策略。客户分类可以采用分类的方法也可以采用聚类的方法。
分类的方法是预先给定类别,比如将客户分为高价值客户和低价值客户,或者分为长期固定客户和短期偶然客户等。然后确定对分类有影响的因素,将拥有相关属性的客户数据提取出来,选择合适的算法(如决策树、神经网络等)对数据进行处理得到分类规则。经过评估和验证将规则应用在未知类型的客户中,对客户进行分类。
聚类的方法则是一种自然聚集的方式,在数据挖掘之前并不知道客户可以分为哪几类,只是根据要求确定分成几类(有些算法需要人为确定输出族的数目)。将数据聚类以后,再对每个族中的数据进行分析,归纳出相同族中客户的相似性或共性。
(2)客户识别: 识别客户使企业发现潜在客户、获取新客户的过程。新客户包括以前没听过或没有使用过企业产品的人、以前不需要企业产品的人甚至是竞争对手的客户。由于企业掌握的新客户信息并不多,所以企业应采取一些必要的手段(如广告宣传的同时进行调查问卷或网上调查等)来获取潜在客户的信息,这些信息应该包括地址、年龄、收入范围、职业、教育程度和购买习惯等。
在得到这些相关信息后,企业应该通过一些小规模的实验观察潜在客户对企业产品的不同反应。根据反馈结果建立数据挖掘预测模型,找到对产品最感兴趣的客户群,挖掘结果会显示潜在客户的名单,同时可根据潜在客户的信息分析出哪种类型的人最可能是潜在客户。得到了这样的分析结果,在寻找潜在客户时就有了指导方向; 同时,还可以根据潜在客户的特点分析企业产品的优势。
(3)客户保留: 客户保留是留住老客户、防止客户流失的过程。由于企业对现有客户的信息掌握得比较详细,而对潜在客户的信息掌握得很少,所以对于企业来说获取一个新客户的成本远比保留一个现有客户的成本高得多。
在客户保留过程中,首先要对已经流失的客户数据进行分析,找到流失客户的行为模式,同时分析流失客户的流失原因。
根据已经流失的客户的特点还可以预测现有客户中有流失倾向的客户。对于这些客户企业应该及时调整服务策略,针对用户分类时得到的用户特点采取相应的措施挽留客户。挽留一个现有客户,竞争对手就减少一个新客户,同时流失一个客户就可能为竞争对手带来一个新客户。
在客户识别和客户保留的过程中可以运用关联分析和序列模型分析等方法进行决策分析。
(4)客户忠诚度分析: 忠诚度高的客户会不断的购买企业产品或服务,不论产品或服务的质量是不是最好,价格是否有折扣。企业获得一个忠诚客户无疑会降低成本(广告成本、折扣成本等),同时会提高企业的竞争力
数据挖掘在客户忠诚度分析中主要是对客户持久性、牢固性和稳定性进行分析,主要运用时间序列模型中的趋势分析方法。趋势分析包含趋势走向、周期走向与周期变化、季节性走向与变化、不规则的随机走向几个方面的分析。通过预测分析可以了解客户在过去一段时间的消费周期和消费随时间变化的情况,同时还能预测客户在未来一段时间内的消费趋势。结合数据的分析结果和预测结果就可以判断一个客户的持久性、牢固性和稳定性,继而确定客户的忠诚度。
(5)客户盈利率分析: 客户盈利率是一个定量评价客户价值的指标。它是根据规定的评价尺度,通过对客户数据计算得到一个确定结果的过程,数据挖掘技术在客户盈利率分析中的应用主要体现在“分析”。企业可以运用数据挖掘技术预测在不同的市场竞争环境和市场活动环境下客户盈利率的变化。客户盈利率分析的目的是找到“高价值”的客户,并针对高价值的客户进行更深层、更细致的客户关系管理。客户盈利率分析中数据挖掘的应用目的是找到最合适的市场环境,使企业的客户盈利率达到最优。
(6)个性化营销: 是面向客户的营销,在客户分类的基础上进行。针对不同类型的客户,企业可以采用不同的政策和销售方式。
交叉销售也是个性化营销的一种形式。交叉销售和购物篮分析不同,购物篮分析是对客户已经购买的产品进行分析,找到产品之间的联系,而交叉销售是根据客户已经购买的产品预测他将要或可能需要购买的新产品。数据挖掘技术的应用目标是建立预测模型,找到适合交叉销售的商品。适合交叉销售的产品是在过去的客户购买信息中发现的。企业可以运用序列模型分析方法,对备选产品进行数据挖掘。序列模型分析强调先后顺序,它的实现原理和关联分析相同,也是根据支持度和置信度两个指标分析两个对象的关联性,不同的是关联分析的结果说明购买了A的客户大多也会购买B,而序列模型分析的结果说明先购买了A的客户在一段时间之后大多会购买B。
4.客户关系管理与其他IT系统的整合
(1) 与企业业务流程重组(business process reengineering,BPR)的整合: 在客户关系管理环境下,企业前端与客户相关的业务流程可以分为业务操作流程和客户合作管理流程。这两类流程的共性是它们都以企业外部客户为工作中心,以达到或改进与客户的交易为目标,这与企业后台管理集中于内部运作有效性有显著区别。
业务操作流程的重组包括: 市场营销流程的重组、销售流程的重组、客户服务流程的重组。
客户合作管理流程的重组包括:联络中心管理、Web集成管理和企业业务信息系统(包括:客户资料管理、客户跟踪管理、业务知识管理),对客户合作流程的优化和重构。
(2)与企业资源规划(enterprise resource planning,ERP)的整合: 客户关系管理侧重于管理企业的客户,这是企业最重要的资源,企业资源规划作为企业资源规划系统,必须保证企业的物质、资金、人力、信息等资源围绕客户资源进行配置;与此同时,客户关系管理以客户战略带动企业整体组织和业务流程的优化,企业资源规划必须遵循此战略对自身的生产制造、物流管理、财务和人力资源管理流程进行改造和更新。这种互相渗透、互相支持的关系,要求两者在整合之中,必须围绕企业的长期和中心战略,改进业务流程,提高功能效力,完成组织再造,将供应链系统与客户关系管理系统进行整合。
整合的重点包括: 客户信息管理整合、业务流程管理整合、信息管理与商业智能整合。
通过企业资源规划与客户关系管理的整合,可以确保客户关系管理中业务操作管理模块的销售自动化子系统能够及时向企业资源规划系统传送产品数量和交货日期等信息; 营销自动化和在线销售组件可使企业资源规划的订单与配置组件功能发挥到最大; 客户可以真正实现按照其需要配置产品,并在现场进行订购。
(3)与供应链管理(supply chain management,SCM)的整合:供应链管理与客户关系管理最大的共同点是都十分重视客户。
对客户实际需求的绝对重视是供应链发展的原则和目标,因而供应链应从客户开始,到客户结束。供应链管理思想由以前的“推式”转为以客户需求为原动力的“拉式”供应链管理,也就是更加重视客户。它的精髓表现在于: 以客户的需求为大前提,通过供应链中各节点企业紧密合作,有效地为客户创造更多附加价值; 对从原材料供应商、中间生产过程到销售网络的各个环节进行协调; 对企业实体、信息及资金的双向流动进行管理; 强调速度及集成,并提高供应链中各个企业的即时信息可见度,以提高效率。客户关系管理在最大化满足客户需要的同时,完整地认识整个客户生命周期,提供与客户沟通的统一平台,提高员工与客户接触的效率和客户反馈率,真正解决企业下游供应链管理问题。
客户关系管理与供应链整合的具体要求是: 将客户与供应链连接起来; 帮助实现供应链运作的可计划性和可控制性;支持企业由“科层制”向“流层制”管理模式的转变;倾听市场的需求信息,及时传达给整条供应链;全面管理企业与客户发生的各种关系; 使企业与客户有一种互动式关系,促进企业与外界的沟通。
客户关系管理与供应链整合的关键技术是: 建立一个相互之间联系紧密的共享数据库,加强呼叫中心系统和后台流程的整合,使销售流程自动化,快速创建订单及反映客户需求并利用数据挖掘技术,让客户得到个性化的服务。