摘要：随着信息技术的发展，多种多样、来源广泛的数据以不同形式飞速增长和积累。这些数据数量巨大，种类各异。在大数据时代中，如何从客户信息挖掘价值，升级已有客户关系管理模型，是一个全新的话题。具体而言，大数据的出现，提高了各种信息的复杂度，数据体量和产生速度，但同时也提高了每一个客户的信息精准度。对于现在的许多企业尤其是在网络上进行交易的电子商务企业，数据分析和信息获取对其具有重要的商业意义。
关键词：企业管理；大数据背景；客户关系研究
近年来，“大数据”成为研究的热点问题，在零售、医疗、电信、金融、制造等行业都得到了广泛关注及研究。如今在买方市场环境的主导下，顾客角色从被动采购逐步转换为企业新产品、新服务的共同开发者以及企业的合作者、价值创造者等。客户关系管理的研究最早源于西方的市场营销理论。GartnerGroup公司率先提出客户关系管理（CustomerRelationshipManagement，CRM），即客户关系管理是通过客户细分来最大化了解客户，组织管理企业，采取满足客户需求或加强客户与供应商之间的联系的手段，并通过该手段增加企业收入以及提高客户满意度。早期研究主要侧重理论的探讨，后期发展集中在实用角度[1]。GartnetGroup、CarlsonMarketingGroup、HurwitzGroup等大型公司都积极地推出他们的客户关系管理理念。IBM、Oracle公司也相继推出CRM系统。部分学者也发现客户价值与公司绩效、公司价值之间具有较高的相关性。国内针对客户管理的研究更偏向理论性。综合现有研究来看，客户关系管理的研究中，较少涉及应用大数据来指导企业的营销活动。
一、大数据背景下的企业市场形势分析
在大数据的背景下，企业必须通过对客户交互信息的不断搜集、处理、分析和挖掘来了解客户的需求与喜好，借此来为客户提供更加个性化的服务，从而实现客户关系管理的目标。在我国，电子商务是从B2B（BusinesstoBusiness）发展而来的，然后有了C2C（ConsumertoConsumer）和B2C（BusinesstoBusiness）两种商业模式。在我国独特的经济环境下，B2C商业模式的发展受居民生活水平、物流行业发展、在线支付的完善程度、网络普及程度等因素的制约，这些决定了B2C的商业模式较适合一级城市和一些较为发达的二级城市。
今天，B2C电子商务以其灵活的交易手段、低成本高收益的营销模式、快捷的物流配送支持等优势成为电子商务的业态中发展最迅速同时也是最具有生命力的商业模式[2]。B2C商业形式的电子商务主要是指网络零售业借助于互联网开展在线的销售活动。同时，B2C电子商务正在深刻地改变着经济、市场和产业结构，改变着产品、服务及竞争模式，同时也改变着消费者的价值和行为以及就业形势和劳动力市场结构。电子商务行业的快速发展和激烈竞争，使这个行业的变化加快，对于电子商务企业的经营者，要想在瞬息万变的行业趋势中做出最快的反应，就必须拥有准确预判的能力，从而，学习运用数据挖掘技术成为必要。因此，大数据挖掘对于电子商务尤为重要。特别是传统企业，如果想要在网络上胜出，必须与互联网接轨，将互联网信息运用到企业中。
二、大数据对客户关系管理的发展优势
在大数据时代背景下，很多企业都有效的收集了大量客户的数据，然后将其存储于企业的数据库中，企业通过对隐藏在这些数据库在电子商务时代，一个最主要的特征就是将客户作为导向[3]。而对于客户关系管理，就是企业运营先进的信息技术，通过对客户进行管理、跟踪、服务，的一种方法，其主要目的就是吸引新客户、留住老客户。在现代社会中，各行各业间的竞争非常激烈， 企业要想留住老客户，仅靠提高产品的质量是行不通的，而企业如果想提高自己的市场竞争力，非常重要的一点就是要对每一个客户有能够提供非常优质的服务。
客户关系管理就是通过与信息技术的结合，收集、整理、分析客户信息，对客户行为深入研究，为了优化企业资源配置，降低企业成本，以客户为中心开展企业的各项业务，为企业决策提供依据的管理理念。客户关系管理最终要解决的是企业的市场和客户资源分配问题。企业希望通过客户关系管理能够提高效率、为客户提供更加优质的服务、扩大销售、降低成本，实现客户和企业的双赢局面。以下典型的商业行为可以通过数据挖掘得以解决：以数据库营销、客户群体划分、背景分析、交叉销售等为主要方式的市场分析行为以及客户流失性分析、客户信用记分、欺诈发现等。数据挖掘广阔的应用平台依赖于电子商务领域丰富的信息资源，并能极大地提高企业提炼信息的能力。
三、大数据背景下企业客户关系的数据挖掘作用
现今，通过与企业行业数据可的完美结合，数据挖掘已经有效的实现了自动化挖掘，同时能够将挖掘出的结果快速高效地展示给企业的管理决策部门。在应用数据挖掘的过程中，一方面要通过对优秀算法的选择来建立最佳模型，另一方面， 企业要将数据挖掘技术跟多变的信息采集环境进行很好的组合，来更好的开发利用其所收集到的信息[4]。
数据挖掘的技术定义从技术的角度分析，数据挖掘是在海量的、有噪音的、不完整的、随机的以及模糊的数据中，有效的提取出隐藏在其中的，实现不可预测的，具有一定潜在价值的信息的一种过程。所以，从某种意义上讲，信息就是知识的源泉，而数据挖掘的过程就好比是在金矿中淘金的过程。利用企业所发现的知识，能够对信息进行有效的管理，同时企业也可以利用这些知识进行相应的优化设计，在企业进行决策时，也能够提供一定的支持。数据挖掘也属于一种多种理论交叉的学科，人们对数据的应用能力也从简单的数据检索提升到通过数据挖掘技术对数据库中的知识进行有效的发现，同时为企业的决策提供一定的技术支持。
四、在B2C电子商务企业中构建客户分类指标体系研究
为了提高效益，企业可以从这些数据中挖掘有用的客户信息，对客户进行分类，从而进行差异化的营销手段，提高客户关系管理水平。
期刊文章分类查询,尽在期刊图书馆企业可以从交易记录中获取数据，电商企业的客户交易数据能全面说明客户的购买行为，具有不涉及个人隐私、易获得且高准确度等特点。而在大数据时代，可以获取结构化和非结构化的数据，包括客户性别、年龄、关联的社交账号、商品链接分享、口碑传递等数据。
（一）客户分类指标体系的构建
指标体系构建原则建立客户分类模型的基础是指标体系的构建，指标选择的好坏直接决定客户分类的质量，因此，建立客户分类指标体系，应遵循科学性原则、全面性原则、可操作性原则、恰当性原则。标体系的确定在B2C电子商务中，客户的信息可以分成三类：客户人口统计学特征、行为特征、客户价值信息。对于人口统计学特征，我们选取年龄、性别以及个人月收入这三个指标，受教育程度与婚姻状况也是影响购买行为的重要指标，但是因为不易获得，因此舍弃；对于行为特征，选取了逗留时长与浏览次数这两个指标；对于客户价值，我们则选取了总消费金额和年均消费金额这两个反映过去价值的指标以及最近1个月消费额和最近3个月消费额这两个反映当前价值的指标[4]。
（二）客户分类模型的建立
基于B2C电子商务企业的客户分类模型的总体框架具体说明如下：
1.提取指标。根据设计好的客户分类指标体系，从客户资料数据库中提取相应的指标。
2.因子分析。运用因子分析法，找出潜在的那些影响对客户进行分类结果的因素，最终确定需要应用的因子的个数、各因子的得分以及它们各自的权重。
3.根据2.的因子得分，进行K-means聚类。
4.用Kruskal-Wallis检验算法对聚类结果进行检验。
5.若聚类结果通过检验，进入。
6.若没有通过检验,调整分类类别，直到通过为止。
7.根据聚类结果，分析每一类客户的性质，定义客户类型，并将分类结果反馈到客户资料数据库。
（三）挖掘技术的应用
数据挖掘就是将隐藏着的，具有潜在价值的信息以及知识从数据库的大量数据中进行有效提取的一个过程。数据挖掘主要分为商业层面以及技术层面两种。数据挖掘在商业性质中的定义。数据挖掘是在商业活动中，对客户的资料进行收集并有效处理的一种技术[5]。在数据挖掘中，主要利用统计学以及机器方面的相关技术，建立一种模式，通过这种模式能够对市场以及客户进行模拟的行为。
1.客户分类分析。企业为了能够与客户之间建立长久的交易关系，在跟客户进行交易的过程中，都会充分地了解每一个客户，这就是所谓的“—对一营销”策略，这种观点在营销理论中非常重要。而客户分类就是将一个庞大的营销群体中细分出很多的小群体的过程。例如在对具有不同需求以及不同交易习惯的客户群体进行细分的过程中，可以根据客户的性别、交易行为以及收入等特征对其进行分类，将具有相同属性的客户划分在一个类型里面，而将具有较大差异的客户划分在不同的类型里面。对于那些对企业有价值的客户群体， 企业可以对其开展具有针对性的促销活动，对其提供个性化服务，进而让企业能够获得更大的投资回报。
2.客户行为分析。企业可以通过分析客户行为的模块来对客户的满意度、响应度、忠诚度以及客户流失预测等很多方面进行综合分析，企业在与客户建立交易关系的基础就在于客户长期保持的对该企业的满意度以及忠诚度，而这将会促进企业提高其盈利能力，并且能够保证企业的长期发展[6]。企业为了对销售成本进行降低，改善企业的销售水平，企业就需要对客户的响应度进行一定的分析，这样就能够对企业促销目标进行一定的提高。提高对具有流失可能的客户进行相应的预测分析，就能够帮助企业有效避免客户的流失。
在大数据时代背景下，谁能更有效地利用数据里面的信息，谁就能抢占市场的先机，得到制胜的法宝[7]。而作为线上交易的电子商务企业有其独特的优势，若能从大数据中获取有用的信息，加以处理，对客户进行个性化的营销，展示不一样的客户关怀，提高客户满意度，从而提高企业的经济效益。
结语：
综上所述，在我国很多企业的网络化以及信息化程度已经发展到了相当高的水平，都进入了信息化的基础阶段。在未来的一段时间内，我国 企业将会将低其在通讯方面的花费，这将成为互联网与电话发展的推动力，从而会推进呼吁中心的发展。 企业可以在与客户进行交流的过程中，将电话与网络进行很好的结合。
参考文献
[1]范兴兵.基于大数据的第三方供应链物流企业客户关系管理研究——以安徽CJ供应链物流有限公司为例[J].吉首大学学报(社会科学版),2019,40(S1):126-128.
[2]王丽蕊.大数据环境下电子商务企业客户关系管理研究[J].石家庄职业技术学院学报,2019,31(03):25-27.
[3]周敏,许菱.大数据背景下企业客户关系管理研究[J].经营与管理,2019(07):44-46.
[4]叶静.大数据时代下商业银行客户关系管理策略思考[J].中国新通信,2019,21(11):234-235.
[5]夏春梅.大数据背景下数据挖掘技术在银行中的应用[J].电子技术与软件工程,2019(10):174.
[6]张石.数据挖掘技术在商业银行的应用[J].甘肃金融,2019(05):13-15.
[7]赵菲菲.中信银行兰州分行个人客户关系管理优化策略研究[D].兰州大学,2019.
论文作者:孙志红
论文发表刊物:《知识-力量》2019年10月44期
论文发表时间:2019/9/27
标签：客户论文; 企业论文; 数据论文; 客户关系管理论文; 数据挖掘论文; 电子商务论文; 信息论文; 《知识-力量》2019年10月44期论文;