知识型客户关系管理研究

随着改革的深化，企业的经营理念和管理模式正从传统的产品管理逐步过渡到营销服务，企业必然要向知识管理和客户关系管理的方向转变。建立知识型客户关系管理系统，优化客户服务，是实现以“客户为中心”的经营理念的重要途径。知识管理是知识经济时代的一种全新的管理，它以人为中心，以信息为基础，以知识共享和知识交流为手段，以知识创新为目标。通过知识共享，运用集体的智慧提高对快速变化的环境的应变和创新能力，为组织实现显性知识和隐性知识共享提供新的途径。

知识型客户关系管理的提出，强调了在电子商务环境下，企业更加关注知识资本和客户资本，这也分别是知识管理和客户关系管理的精华所在。任何企业要想在复杂的大环境下不断增强自身的核心竞争力，就要不断加强与客户的互动学习，最终以知识取胜，以客户关系取胜。由此可见，实施知识型客户关系管理，把知识挖掘和知识管理运用到客户关系管理中是企业亟需解决的问题。

知识型客户关系管理研究：一、客户知识挖掘

许多有用的客户知识都是隐藏的，需要去发掘，如客户的购买习惯、客户的价值等。推行客户关系管理有必要进行知识挖掘，建立知识管理系统，以收集、发掘、整合知识，有效地利用知识，快速地找到所需的知识。

(一)客户知识的分类

知识的分类方式有多种，考虑到知识的处理特性，这里将客户知识大致分为三种：

1．客户信息知识。它主要包括客户自然情况，如姓名、年龄、性别等；社会属性，如地址、职业等；特长、信仰等。通常客户信息知识可以从客户注册信息中直接获得，不经常变动和修改。

2．客户操作知识。它主要包括客户习惯、爱好、需求、个人位置信息、购买信息等。客户操作知识主要通过集合分析和数据挖掘技术从客户历史操作的数据中获得。

3．客户隐藏知识。它是在客户信息知识和客户操作知识的基础上，采用知识挖掘技术来推断和预测出关于客户的对企业有价值的知识，用于描述客户未来的特征，如未来的需求和购买趋势等。

(二)客户知识挖掘的技术

客户数据及信息的存储既有结构化的也有非结构化的。结构化的数据如销售、客户、交易等数据，非结构化数据如故障信息、故障处理信息、故障处理结果数据、客户反馈信息等。目前，数据挖掘(DM)的对象主要是可纳入数据库的结构化数据。数据挖掘的主要过程是：根据相应数据的特点来选取规则模板。

对数据进行选取、清洗和转换，然后根据需要应用归纳学习方法、决策树方法、粗集方法、最邻近方法、人工神经网络技术、遗传算法等来进行数据挖掘。挖掘得到的结果可通过解释成为知识，经过筛选后加入知识库，帮助进行决策。知识挖掘的分析方法大体可分为以下四种：关联分析、时间序列分析、分类分析和聚类分析。知识挖掘系统经常综合利用这四种方法。

(三)客户知识挖掘的过程

图1 知识挖掘的过程

知识型客户关系管理研究：二、客户知识管理

客户知识管理就是有效地获取、发展与维系有利客户关系的知识与经验。具体内容包括：企业如何在策略规划上有效地获取、运用客户知识，建立一套有效的封闭式回路系统；如何将他们的努力集中在获取正确的客户，及扩展客户知识的深度；如何运用最合适的方法产生客户知识；最后就是如何有系统的将这些客户知识分门别类，并妥善运用。一般的客户知识管理过程如图2所示。

图2 客户知识管理过程

对客户知识的管理主要包括4个方面：客户信息采集、客户知识获取、共享与运用。

1．客户信息采集，指客户喜好、客户需求、客户联系方式、交易情况等一些关于客户的基本资料。对客户信息的收集，存储于数据库中。这时的客户信息就像原材料一样，等待被专门的组织进行整理、分析和挖掘。

2．客户知识获取，指运用各种知识挖掘技术，对客户信息进行统计、分析和预测，形成有用的知识，并存储于客户知识库中。

3．客户知识共享，指企业将客户知识进行整合，设立知识门户，建立知识地图，将客户知识进行发布和共享。

4．客户知识运用，指企业将客户知识应用于各部门，支持企业的生产、经营决策，实现客户服务的价值。

客户知识管理的完善不是一朝一夕的事情，而是一个循环往复的过程。企业的“客户”、“知识”和“管理”必须处在一个封闭式的循环体系中，客户信息的采集、获取和运用不断完善，运用这些部不断更新的客户知识，发展客户关系，从中获取最大的收益。

知识型客户关系管理研究：三、CRM系统中的知识挖掘与知识管理

基于知识挖掘和知识管理的CRM系统就是要充分利用网络技术、数据库技术和知识挖掘技术，为企业实现CRM知识管理体系提供可靠和良好的集成平台。它将相应的知识管理策略集成到CRM系统中，使CRM系统有了实际的知识和信息的支持，不再是一种管理理念或计算机软件，而是企业处理销售、营销和服务等业务与决策的有力工具，能切实在企业中应用，发挥应有的作用。

CRM系统中的知识挖掘和知识管理主要可应用在以下几个方面：

1．客户分析。基于知识挖掘和知识管理的CRM系统主要是针对客户的，对客户数据的分析是重要而必需的。首先，利用分类分析法和聚类分析法等方法对客户数据进行分析．从而得出客户在消费习惯、生活方式、社会联系等方面的特征，形成客户需求信息；其次通过对信息的共享，进一步形成企业员工有关客户的知识，从而用来发现客户需求，制定企业战略，实施相应的策略。客户分析主要包括客户分类、客户购买频率、客户忠诚度分析、购买相关性分析和营销有效性分析等。

2．客户满意度分析。通过对客户投诉电话的性质和趋势进行知识挖掘，集中分散的客户数据，全方位观察、了解客户，识别客户预期的要求，有针对性地安排与有意见或潜在有意见的用户进行沟通，并针对他们的需求制定解决方案，实现增值的目的。通过数据挖掘也可以建立客户满意程度的指标监控体系，分析出客服中的薄弱环节，完善客户服务系统运行方式，进一步提高客户满意度，提高企业的社会效益和经济效益。

3．竞争对手分析。企业竞争越来越激烈，客户与竞争对手之间都存在信息互通，因此通过对客户与竞争对手之间数据进行挖掘，可以了解有关竞争对手经营和客户服务策略，制定有效的市场应对措施。

4．消费欺诈分析。有些企业面临的一个最严重的问题是消费欺诈问题。因此，发现数据中出现的异常对于企业的决策者至关重要。通过对客户数据的多维分析、聚类分析和孤立点分析，发现客户消费异常，从而可以有效地对客户消费行为进行监控，尽早发现问题，减少企业损失。

5．趋势分析与预测。知识挖掘的工具为预测提供了有效的手段。目前常用的预测方法主要有三种：时间序列分析、系统动力学和神经网络。它们能为决策者提供科学的、有效的、图形化的趋势信息。趋势分析和预测可以预测客户的消费趋势，客户价值和消费倾向及客户忠诚度的变化，有针对性地对高价值客户进行优质服务，对有远离倾向的客户及时进行挽留活动，将对合理调整生产计划和提高企业市场占有率，降低营销成本是十分有益的。

6．管理客户知识。客户知识管理是CRM中重要的组成部分，包括客户信息的采集、客户知识的挖掘以及客户知识的共享与运用。企业要不断完善CRM系统中的各个环节，以便为企业提供决策支持，为客户提供更好的服务，实现知识挖掘和知识管理的价值。

知识型客户关系管理研究：四、结束语

知识型的CRM系统是一个通过积极使用信息和不断从信息中学习，从而将客户信息转化成企业员工的客户知识和客户关系互动的循环流程。客户的信息就像原材料一样，被专门的组织进行整理、分析和挖掘，并在组织内部形成共享，从客户信息转化成客户知识，比如对客户进行分类、划分出对企业的利润贡献最大的客户群加以重点对待分析客户的个性化需求、预测客户的行为、建立客户模型、预测产品的销量等，以支持营销决策和资源分配。

在这里我们讨论的是如何利用知识挖掘和知识管理，建立一整套基于知识的客户服务流程，满足在客户需要相关信息的时候企业能够以一种高效的方式向客户提供。而这些就可以通过在客户交户中用知识挖掘和知识管理来实现。通过建立知识型CRM系统，把企业建设成知识型企业，实现有效的知识管理，以提高企业的应变能力和创新能力。