第十章　客戶關(guān)系管理與數(shù)據(jù)挖掘

學(xué)習(xí)目標(biāo)

1．了解關(guān)系營銷

2．熟悉關(guān)系營銷中的關(guān)系

3．了解客戶關(guān)系管理產(chǎn)生的背景

4．掌握客戶關(guān)系管理

5．掌握數(shù)據(jù)倉庫的概念

6．熟悉元數(shù)據(jù)在數(shù)據(jù)倉庫中的作用

7．熟悉數(shù)據(jù)倉庫的使用

8．掌握數(shù)據(jù)挖掘的概念

9．熟悉數(shù)據(jù)挖掘的常用方法

第一節(jié)　客戶關(guān)系管理

一、關(guān)系營銷的定義

1．關(guān)系營銷的概念

關(guān)系營銷是企業(yè)為實(shí)現(xiàn)其自身目標(biāo)和增進(jìn)社會福利而與相關(guān)市場建立和維持互利合作關(guān)系的過程。關(guān)系營銷把營銷活動看成是一個(gè)企業(yè)與消費(fèi)者、供應(yīng)商、分銷商、競爭者、政府機(jī)構(gòu)及其他公眾產(chǎn)生互動作用的過程，正確處理企業(yè)與這些組織及個(gè)人的關(guān)系是企業(yè)營銷的核心，是企業(yè)經(jīng)營成敗的關(guān)鍵。它從根本上改變了傳統(tǒng)營銷將交易視為營銷活動關(guān)鍵和終結(jié)的狹隘認(rèn)識。企業(yè)應(yīng)在主動溝通、互惠互利、承諾信任的關(guān)系營銷原則指導(dǎo)下，利用親緣關(guān)系、地緣關(guān)系、業(yè)緣關(guān)系、文化習(xí)慣關(guān)系、偶發(fā)性關(guān)系等關(guān)系與客戶、分銷商及其他組織和個(gè)人建立、保持并加強(qiáng)關(guān)系，通過互利交換及共同履行諾言，有關(guān)各方實(shí)現(xiàn)各自的目的。對這個(gè)概念可以做如下理解：首先，這個(gè)定義提出了關(guān)系營銷的目的是雙重的，包括社會宏觀目標(biāo)與企業(yè)微觀目標(biāo)。企業(yè)作為社會的一部分，除了其自身的目標(biāo)外，還應(yīng)該關(guān)注社會總體利益與目的。其次，關(guān)系營銷的對象是相關(guān)市場。相關(guān)市場包括企業(yè)所有利益相關(guān)者，如客戶、供應(yīng)商、員工、媒體、政府部門等。再次，關(guān)系營銷的手段是互利合作關(guān)系?；ダ呛献鞯那疤?，沒有互利就很難有進(jìn)一步的合作。缺乏合作的營銷也不能成為關(guān)系營銷。最后，關(guān)系營銷是動態(tài)的過程，而不是靜態(tài)的狀態(tài)。

2．關(guān)系營銷中的關(guān)系

關(guān)系營銷是以建立、維護(hù)、促進(jìn)、改善、調(diào)整“關(guān)系”為核心，是對傳統(tǒng)營銷觀念進(jìn)行革新。這里的“關(guān)系”主要是指企業(yè)與客戶、供應(yīng)商、分銷商、競爭者、內(nèi)部員工等之間的關(guān)系。

（1）與客戶的關(guān)系。企業(yè)要實(shí)現(xiàn)盈利目標(biāo)，必須依賴客戶，企業(yè)需要通過收集和積累大量的市場信息，預(yù)測目標(biāo)市場購買潛力，采取適當(dāng)方式與消費(fèi)者溝通，變潛在客戶為現(xiàn)實(shí)客戶。同時(shí)，要致力于建立數(shù)據(jù)庫或其他方式，密切與消費(fèi)者的關(guān)系。對老客戶，要更多地提供產(chǎn)品信息，定期舉行聯(lián)誼活動，加深情感信任，爭取成為長期客戶，其花費(fèi)的成本肯定比尋找新客戶更少。

（2）與供應(yīng)商、分銷商的關(guān)系。在信息經(jīng)濟(jì)的條件下，競爭不僅是公司之間的競爭，更是網(wǎng)絡(luò)間的競爭。借助于先進(jìn)的信息系統(tǒng)，供應(yīng)鏈中所有參與者成為信息伙伴，彼此之間實(shí)現(xiàn)了信息共享和利益共享。這樣形成的供應(yīng)商—企業(yè)—分銷商之間的關(guān)系，不僅有競爭，更有合作。明智的市場營銷者會與供應(yīng)商和分銷商建立長期的、彼此信任的互利關(guān)系。最佳狀態(tài)是交易不需要每次都進(jìn)行磋商，而是成為一種慣例?，F(xiàn)代信息技術(shù)的應(yīng)用為這種慣例的形成創(chuàng)造了條件，不少成功的跨國公司就是這種慣例的受益者。

（3）與競爭者的關(guān)系。同行競爭者通常把商場比做戰(zhàn)場。事實(shí)上，競爭者之間可以建立一種“雙贏”的關(guān)系，而不一定只有贏輸關(guān)系。曾有人做過形象的比喻，市場是一塊“蛋糕”，吃的人越多，每個(gè)人分到的就越少。但換個(gè)角度，如果吃“蛋糕”的人合作起來，共同把“蛋糕”做大，則可以使每個(gè)人分到更多的“蛋糕”。事實(shí)上，競爭者合作可使合作各方獲得更多的利益。

（4）與內(nèi)部員工的關(guān)系。員工不僅是企業(yè)的雇員，更是企業(yè)的伙伴。企業(yè)要搞好與內(nèi)部員工的關(guān)系首先應(yīng)該給員工提供滿意的物質(zhì)利益，其次要為員工提供內(nèi)部營銷服務(wù)，要關(guān)心員工。

（5）與影響者的關(guān)系。各種金融機(jī)構(gòu)、新聞媒體、公共事業(yè)團(tuán)體以及政府機(jī)構(gòu)等，對企業(yè)營銷活動都會產(chǎn)生重要的影響，企業(yè)必須以公共關(guān)系為主要手段爭取他們的理解和支持。例如，社區(qū)是以地緣為紐帶連接和聚集的若干社會群體或組織之間的關(guān)系，構(gòu)成企業(yè)關(guān)系營銷中不可忽視的一環(huán)。企業(yè)需要社區(qū)提供完善的基礎(chǔ)設(shè)施和高效的工作，社區(qū)也希望企業(yè)為社區(qū)建設(shè)提供人、財(cái)、物的支持。這個(gè)影響者的市場由獨(dú)立的實(shí)體、組織和個(gè)人構(gòu)成，其能夠積極或消極地影響公司參與競爭的市場營銷環(huán)境。因此，公共關(guān)系或者公共事務(wù)管理應(yīng)該成為關(guān)系營銷過程中的一個(gè)有機(jī)成分。

3．關(guān)系營銷與交易營銷的比較

交易營銷（Trade Marketing）是指為了達(dá)成交易而開展的營銷活動，是交付功能、基本產(chǎn)品價(jià)值的傳遞過程。關(guān)系營銷與傳統(tǒng)的交易營銷相比，在對待客戶上有不同之處，如表10－1所示。

表10－1　關(guān)系營銷與交易營銷的比較

續(xù)表

（1）交易營銷關(guān)注的是一次性交易，關(guān)系營銷關(guān)注的是如何保持客戶。

（2）交易營銷較少強(qiáng)調(diào)客戶服務(wù)，而關(guān)系營銷則高度重視客戶服務(wù)，并通過客戶服務(wù)來提高客戶滿意度，培育客戶忠誠。

（3）交易營銷往往只有少量的承諾，關(guān)系營銷則有充分的客戶承諾。

（4）交易營銷認(rèn)為產(chǎn)品質(zhì)量應(yīng)是生產(chǎn)部門所關(guān)心的，關(guān)系營銷則認(rèn)為所有部門都應(yīng)關(guān)心質(zhì)量問題。

（5）交易營銷不注重與客戶的長期聯(lián)系，關(guān)系營銷的核心就在于發(fā)展與客戶長期而穩(wěn)定的關(guān)系。關(guān)系營銷不僅將注意力集中在發(fā)展、維持與客戶的關(guān)系，而且擴(kuò)大了營銷的視野，它涉及的關(guān)系包含了企業(yè)與其所有利益相關(guān)者間發(fā)生的關(guān)系。

二、客戶關(guān)系管理產(chǎn)生的背景

客戶關(guān)系管理（Customer Relationship Management，CRM）的興起始于20世紀(jì)90年代初。隨著客戶關(guān)系時(shí)代的來臨和以客戶為導(dǎo)向的經(jīng)營理念的推廣，企業(yè)開始把了解客戶真實(shí)需求，維系、穩(wěn)固、發(fā)展與客戶的關(guān)系作為經(jīng)營活動的出發(fā)點(diǎn)，客戶的意識成為企業(yè)經(jīng)營決策的重要影響因素。20世紀(jì)90年代興起的以互聯(lián)網(wǎng)應(yīng)用為基礎(chǔ)的“新經(jīng)濟(jì)”、“網(wǎng)絡(luò)經(jīng)濟(jì)”，打破了傳統(tǒng)經(jīng)濟(jì)的地域界限與銷售模式，極大地增強(qiáng)了企業(yè)與客戶之間的互動關(guān)系，市場的客戶驅(qū)動程度大大提高，客戶與企業(yè)的信息交互水平及企業(yè)對客戶行為和價(jià)值的認(rèn)知程度驅(qū)動著經(jīng)濟(jì)活動中企業(yè)與客戶關(guān)系的演變。隨著交互水平的提高、認(rèn)知程度的加深，企業(yè)與客戶間的關(guān)系正由單向的價(jià)值管理與創(chuàng)造向雙向的價(jià)值集成與挖掘轉(zhuǎn)變，因而互動式營銷的出現(xiàn)成為市場發(fā)展的必然。20／80法則認(rèn)為，客戶帶給企業(yè)的價(jià)值貢獻(xiàn)大小是有區(qū)別的。甄別有價(jià)值的客戶，并培養(yǎng)與其長期的關(guān)系，同時(shí)放棄那些缺乏忠誠度、不具價(jià)值培養(yǎng)前景的客戶，從而使得有限的企業(yè)資源能夠帶來最大的價(jià)值回報(bào)，這就有賴于對客戶信息的充分了解與掌握，對客戶關(guān)系進(jìn)行梳理與挖掘。關(guān)系營銷理念的提出為企業(yè)在新的市場環(huán)境下維持持續(xù)競爭優(yōu)勢提供了指導(dǎo)思想，而其后的數(shù)據(jù)庫營銷則為這一目標(biāo)的實(shí)現(xiàn)提供了有力的技術(shù)支撐。數(shù)據(jù)庫營銷是為了提高營銷的針對性和有效性，在了解客戶真實(shí)需求的基礎(chǔ)上滿足客戶，以維持長期的市場關(guān)系。它將數(shù)據(jù)庫技術(shù)與目標(biāo)營銷相結(jié)合，通過各種信息渠道將收集到的客戶信息、競爭對手信息和企業(yè)內(nèi)部信息數(shù)字化，并在數(shù)據(jù)庫中進(jìn)行存儲、分類、整理、挖掘、交互，從而為企業(yè)營銷決策提供有力信息支持與更好的客戶服務(wù)。數(shù)據(jù)庫營銷的出現(xiàn)使得關(guān)系營銷朝著客戶關(guān)系管理的方向邁進(jìn)了一大步，通過信息技術(shù)對關(guān)系進(jìn)行管理的思想成為客戶關(guān)系管理的基本思想之一。關(guān)系營銷、數(shù)據(jù)庫營銷與客戶關(guān)系管理三者之間的關(guān)系如圖10－1所示。隨著關(guān)系營銷與數(shù)據(jù)庫營銷在理論上的成熟與實(shí)踐上的深入，人們對關(guān)系問題的研究逐漸從營銷的范疇向企業(yè)整體擴(kuò)展，通過有效地設(shè)計(jì)組織流程與信息系統(tǒng)，實(shí)現(xiàn)對企業(yè)經(jīng)營過程中的各種信息的有效識別、收集、分析、共享，從而實(shí)現(xiàn)對企業(yè)整體經(jīng)營中與客戶所產(chǎn)生的各種關(guān)系進(jìn)行有效管理。客戶關(guān)系管理正是在這一背景下產(chǎn)生的。

圖10－1　關(guān)系營銷、數(shù)據(jù)庫營銷、客戶關(guān)系管理三者間的關(guān)系

三、客戶關(guān)系管理的概念及核心管理思想

1．客戶關(guān)系管理的概念

以“客戶為中心”的理念在國外興起于20世紀(jì)50年代，當(dāng)時(shí)很多企業(yè)寄希望于通過改進(jìn)技術(shù)、壓縮生產(chǎn)周期、應(yīng)用內(nèi)部資源管理來提高增長率和利潤率，但事實(shí)上效果并不明顯。企業(yè)開始從強(qiáng)調(diào)降低經(jīng)營成本的供應(yīng)方發(fā)展策略轉(zhuǎn)向了與客戶聯(lián)系更緊密的策略，從客戶關(guān)系方面挖掘新的產(chǎn)品需求策略，客戶關(guān)系管理的理論應(yīng)運(yùn)而生。隨著Internet的迅速發(fā)展，整個(gè)世界經(jīng)濟(jì)進(jìn)入了一個(gè)從未有過的高速增長期，電子商務(wù)正在造就全球范圍內(nèi)的新經(jīng)濟(jì)時(shí)代，這種新經(jīng)濟(jì)就是利用信息技術(shù)使企業(yè)獲得新的價(jià)值、新的增長、新的商機(jī)和新的管理。電子商務(wù)浪潮在發(fā)展新經(jīng)濟(jì)的同時(shí)，也對企業(yè)的管理理念提出了嚴(yán)峻的挑戰(zhàn)，客戶資源被視為企業(yè)最寶貴的財(cái)富。具有近百年歷史的美國時(shí)代華納被無論資產(chǎn)還是盈利規(guī)模都不如自己的美國在線（AOL）吞并，就是例證。AOL的最大財(cái)富就是擁有了1700萬客戶，為此AOL投入了100億美元，奮斗了10年。因此，越來越多的企業(yè)希望通過更好的管理與客戶資源使用來達(dá)到競爭制勝的目的。自1999年開始，客戶關(guān)系管理受到了更廣泛的關(guān)注，并開始注重通過信息技術(shù)管理客戶關(guān)系，使用CRM系統(tǒng)管理客戶關(guān)系。通過信息技術(shù)的手段或CRM系統(tǒng)可以使企業(yè)更全面地觀察客戶，更好地利用所有的客戶信息，使客戶資源得以更充分的使用，客戶關(guān)系管理理論也隨之發(fā)展到了一個(gè)新的階段。

2．客戶關(guān)系管理的定義

對客戶關(guān)系管理的定義尚無統(tǒng)一的描述，下面列出三種具有代表性的定義。

定義1：客戶關(guān)系管理是企業(yè)處理其經(jīng)營業(yè)務(wù)及客戶關(guān)系的一種態(tài)度、傾向和價(jià)值觀。該定義將客戶關(guān)系管理理解為一種方法和思路，即如何在市場及每個(gè)客戶的大腦中創(chuàng)建和發(fā)展自己的企業(yè)。鑒于每一位客戶都是一個(gè)獨(dú)立的主體，都有自己的選擇，客戶關(guān)系管理應(yīng)該區(qū)別對待不同的客戶，促使其選擇本企業(yè)的產(chǎn)品或服務(wù)。

定義2：客戶關(guān)系管理是代表增進(jìn)盈利、收入和客戶滿意度而設(shè)計(jì)的，是企業(yè)范圍的商業(yè)戰(zhàn)略。該定義強(qiáng)調(diào)的是客戶關(guān)系管理是一種商業(yè)戰(zhàn)略，它涉及的范圍是整個(gè)企業(yè)（而不是一個(gè)部門），它的戰(zhàn)略目標(biāo)是增進(jìn)盈利、銷售收入，提升客戶滿意度。

定義3：客戶關(guān)系管理是企業(yè)的一項(xiàng)商業(yè)策略，它按照客戶細(xì)分情況有效地組織企業(yè)資源，培養(yǎng)以客戶為中心的經(jīng)營行為以及實(shí)施以客戶為中心的業(yè)務(wù)流程，并以此為手段來提高企業(yè)的獲利能力、收入以及客戶滿意度。該定義強(qiáng)調(diào)的是客戶關(guān)系管理是一種基于企業(yè)商業(yè)戰(zhàn)略的商業(yè)策略，實(shí)現(xiàn)的是基于客戶細(xì)分的一對一營銷，對企業(yè)資源的有效組織和調(diào)配是按照客戶細(xì)分而來的，以“客戶為中心”不是口號，具體體現(xiàn)為在企業(yè)的經(jīng)營行為和業(yè)務(wù)流程上都要圍繞客戶，通過這樣的客戶關(guān)系管理手段來提高企業(yè)的利潤和客戶滿意度。

通過以上三種不同的客戶關(guān)系管理定義，可以得到一個(gè)多層次總結(jié)。

（1）客戶關(guān)系管理是一種經(jīng)營觀念，它要求企業(yè)全面地認(rèn)識客戶，最大限度地發(fā)展客戶與本企業(yè)的關(guān)系，實(shí)現(xiàn)客戶價(jià)值的最大化。

（2）客戶關(guān)系管理是一套綜合的戰(zhàn)略方法，它通過有效地使用客戶信息，培養(yǎng)與現(xiàn)實(shí)及潛在客戶之間的良好關(guān)系，為公司創(chuàng)造價(jià)值。

（3）客戶關(guān)系管理是一套基本的商業(yè)戰(zhàn)略，企業(yè)利用完整、穩(wěn)固的客戶關(guān)系而不是某個(gè)特定的產(chǎn)品或業(yè)務(wù)單位來傳送產(chǎn)品和服務(wù)。

客戶關(guān)系管理的主要目標(biāo)是通過更好地理解顧客的需求和偏好來增大顧客價(jià)值。客戶關(guān)系管理的核心內(nèi)容是不斷地改善與管理企業(yè)銷售、營銷、客戶服務(wù)和支持等與客戶關(guān)系有關(guān)的業(yè)務(wù)流程并提高各個(gè)環(huán)節(jié)的自動化程度，從而縮短銷售周期、降低銷售成本、擴(kuò)大銷售量、增加收入與盈利、搶占更多市場份額、尋求新的市場機(jī)會和銷售渠道，最終從根本上提升企業(yè)的核心競爭力，使得企業(yè)在當(dāng)前激烈的競爭環(huán)境中立于不敗之地。對于現(xiàn)代企業(yè)來說，客戶關(guān)系管理不僅是一種改善企業(yè)與客戶之間關(guān)系的管理機(jī)制，更是一種現(xiàn)代企業(yè)活動的管理機(jī)制。它用于企業(yè)市場營銷、銷售、服務(wù)，并用于支持與客戶有關(guān)的各個(gè)方面。這種管理機(jī)制能使企業(yè)在營銷、銷售、服務(wù)與支持各個(gè)方面形成一種協(xié)調(diào)的關(guān)系，通過信息共享和優(yōu)化商業(yè)流程來有效地降低企業(yè)經(jīng)營成本。

3．客戶關(guān)系管理的核心思想

基于上述客戶關(guān)系管理的定義，結(jié)合客戶關(guān)系管理近年來發(fā)展的新特點(diǎn)，給出八條客戶關(guān)系管理的核心思想。

（1）企業(yè)真正經(jīng)營的是“顧客”?？蛻絷P(guān)系管理是一種企業(yè)新的經(jīng)營理念，即企業(yè)真正經(jīng)營的是“顧客”而不是過去認(rèn)為的“產(chǎn)品”。這種經(jīng)營理念的轉(zhuǎn)變主要是因?yàn)槠髽I(yè)營銷哲學(xué)由“生產(chǎn)觀念、產(chǎn)品觀念”轉(zhuǎn)向“營銷觀念”。以市場為經(jīng)營導(dǎo)向的企業(yè)，必須樹立以“顧客”為經(jīng)營中心的經(jīng)營理念，才可能真正成為市場導(dǎo)向型企業(yè)。

（2）企業(yè)的行為內(nèi)容是“對顧客需求的關(guān)注和滿足”。在“經(jīng)營顧客”這種理念指導(dǎo)下，企業(yè)的行為內(nèi)容是“對顧客需求的關(guān)注和滿足”?！瓣P(guān)注”的層次可以分為響應(yīng)、預(yù)知、創(chuàng)造?！皾M足”的層次可以分為屬性、價(jià)值、關(guān)系。企業(yè)客戶關(guān)系管理的實(shí)施，就是為了在對顧客需求關(guān)注方面能從“現(xiàn)實(shí)需求的響應(yīng)到萌芽需求的預(yù)知再到未來需求的創(chuàng)造”；在對顧客需求滿足方面能從“屬性滿足到價(jià)值滿足再到關(guān)系滿足”。

（3）企業(yè)的行為方式為“一對一營銷”。在“經(jīng)營顧客”理念指導(dǎo)下，企業(yè)的行為方式由“大眾化營銷”到“一對一營銷”。通過高效雙向的客戶管理信息系統(tǒng)，企業(yè)能更好地理解顧客的需求和偏好，隨著客戶管理信息系統(tǒng)功能的完善，企業(yè)甚至可以依據(jù)每個(gè)個(gè)體的需求來提供定制化的產(chǎn)品和服務(wù)。

（4）以客戶群為標(biāo)準(zhǔn)組建跨職能服務(wù)的組織。在“經(jīng)營顧客”理念指導(dǎo)下，企業(yè)的組織職能必須進(jìn)行轉(zhuǎn)變。過去企業(yè)的組織職能架構(gòu)通常是以“產(chǎn)品”為中心，如產(chǎn)品開發(fā)部門只負(fù)責(zé)產(chǎn)品的開發(fā)，財(cái)務(wù)部門只負(fù)責(zé)公司財(cái)務(wù)控制，營銷部門只負(fù)責(zé)產(chǎn)品的銷售。在引入客戶關(guān)系管理且經(jīng)營中心轉(zhuǎn)向“顧客”后，內(nèi)部的組織職能必須轉(zhuǎn)變，不僅營銷部門需要關(guān)注顧客，而且企業(yè)所有的部門都必須樹立起“關(guān)注顧客、尊重顧客”的意識。在組織結(jié)構(gòu)上，改變原來以職能為標(biāo)準(zhǔn)進(jìn)行的架構(gòu)，轉(zhuǎn)為以客戶群為標(biāo)準(zhǔn)組建跨職能服務(wù)組織。

（5）構(gòu)建與顧客良好長久的關(guān)系。在“經(jīng)營顧客”理念指導(dǎo)下，企業(yè)經(jīng)營追求的目標(biāo)發(fā)生轉(zhuǎn)移，由過去關(guān)注“一次交易的達(dá)成”轉(zhuǎn)向“與顧客長久關(guān)系的構(gòu)建”。諸多學(xué)者對客戶關(guān)系管理的定義中，幾乎都提到“最大限度地發(fā)展顧客與本企業(yè)的良好關(guān)系，實(shí)現(xiàn)顧客價(jià)值的最大化”。

（6）客戶關(guān)系管理需要專門信息系統(tǒng)的支持。在“經(jīng)營顧客”理念指導(dǎo)下，實(shí)施客戶關(guān)系管理必須有一整套完整的信息系統(tǒng)加以支持，必須有高效的信息管理、傳遞、共享、雙向溝通的信息系統(tǒng)，必須有柔性化的各種制造功能，必須有優(yōu)秀的客戶合作管理功能、數(shù)據(jù)挖掘分析功能等。

（7）細(xì)化顧客關(guān)系價(jià)值。在“經(jīng)營顧客”理念指導(dǎo)下，確立顧客貢獻(xiàn)差異化營銷的思想：不同的顧客具有不同的關(guān)系價(jià)值，企業(yè)必須將最大的精力放在最有價(jià)值的顧客身上。雖然那些低價(jià)值的顧客在數(shù)量上占有絕對比例，但對公司的銷售和利潤貢獻(xiàn)卻很小?？蛻絷P(guān)系管理并不是主張放棄那些價(jià)值較低的顧客，而是強(qiáng)調(diào)仔細(xì)甄別良性顧客關(guān)系和惡性顧客關(guān)系，并加以區(qū)別對待。通過對關(guān)系的有效識別，發(fā)展與特定顧客之間良性的、長期的、有利可圖的關(guān)系，堅(jiān)決剔除不具有培養(yǎng)前景的惡性客戶關(guān)系。

（8）確立顧客與企業(yè)的“雙贏”思想。在“經(jīng)營顧客”理念指導(dǎo)下，客戶關(guān)系管理的目的是實(shí)現(xiàn)顧客價(jià)值最大化和企業(yè)收益最大化之間的平衡，即確立顧客與企業(yè)的“雙贏”思想。也就是與客戶建立共同獲利的關(guān)系，而不是千方百計(jì)地從客戶身上謀取自身的利益。

事實(shí)上，顧客價(jià)值最大化與企業(yè)收益最大化是矛盾統(tǒng)一體。堅(jiān)持以顧客為中心、為顧客創(chuàng)造價(jià)值是任何客戶關(guān)系管理戰(zhàn)略必須具備的理論基石。而企業(yè)是以盈利為中心的組織，追求利潤最大化是企業(yè)存在和發(fā)展的宗旨。顧客價(jià)值最大化意味著窮盡企業(yè)的資源和能力以全面滿足所有顧客需求，這樣勢必增加企業(yè)的成本，挫傷企業(yè)的盈利能力。不過，為顧客創(chuàng)造的價(jià)值越多，越可能增強(qiáng)顧客的滿意度，提高顧客忠誠度，從而實(shí)現(xiàn)顧客挽留，有利于增加顧客為企業(yè)創(chuàng)造的價(jià)值，使企業(yè)收益最大化。

四、電子商務(wù)環(huán)境下的客戶關(guān)系管理

現(xiàn)在CRM這個(gè)詞主要是指電子化客戶關(guān)系管理，它一般有兩種基本類型：其一是操作型客戶關(guān)系管理（Operational CRM），它強(qiáng)調(diào)采用與客戶直接接觸、聯(lián)系、互動的方式來影響客戶，維護(hù)與客戶的關(guān)系。主要由行銷自動化、銷售自動化和客戶服務(wù)三個(gè)方面組成。其二是分析型客戶關(guān)系管理（Analytical CRM），它強(qiáng)調(diào)洞察和理解客戶的行為。通過對客戶數(shù)據(jù)、信息進(jìn)行分析，形成客戶知識，從而理解客戶的需求，預(yù)測客戶潛在的需求，為企業(yè)市場決策、關(guān)系管理提供依據(jù)。它具有如下特點(diǎn)：

1．采用IT技術(shù)

在建立一種行之有效的客戶關(guān)系機(jī)制的過程中，IT技術(shù)扮演了一種很重要的角色。因?yàn)閷Υ蟛糠值漠a(chǎn)業(yè)來講，IT是一種基礎(chǔ)的客戶服務(wù)傳遞方式，所以新的客戶關(guān)系的建立與改造，從根本上說也是對公司IT系統(tǒng)的建立與改造。只有建立起良好的IT客戶服務(wù)系統(tǒng)，或?qū)⒃械腎T系統(tǒng)進(jìn)行改造，且改造后的IT系統(tǒng)能把整個(gè)業(yè)務(wù)流程完全連接起來，才能真正形成全新的客戶關(guān)系管理體系。

電子商務(wù)的客戶管理可以促進(jìn)傳統(tǒng)的客戶關(guān)系管理，且在許多方面比傳統(tǒng)客戶關(guān)系管理做得更好。從終端管理系統(tǒng)到網(wǎng)絡(luò)瀏覽器，IT技術(shù)為當(dāng)今的客戶服務(wù)提供了重要方法。良好的CRM系統(tǒng)使我們能對客戶的需求快速、靈敏、正確地做出反應(yīng)。這將大大提高企業(yè)客戶服務(wù)水平。另外，這個(gè)系統(tǒng)可幫助企業(yè)迅速有效地配置新軟件，并在原有系統(tǒng)基礎(chǔ)上升級，使企業(yè)能夠更好地處理客戶關(guān)系，獲得更多的超越本地區(qū)的銷售市場和服務(wù)機(jī)會。

企業(yè)通過互聯(lián)網(wǎng)向客戶提供24小時(shí)全天候不間斷的服務(wù)，同時(shí)，也可以根據(jù)不同客戶的需要為客戶提供個(gè)性化的服務(wù)，這大大提高了客戶服務(wù)質(zhì)量。

2．IT系統(tǒng)與流程的整合

在客戶關(guān)系管理上，要注重IT系統(tǒng)與商業(yè)流程的整合。一般來說，有價(jià)值的客戶不會只發(fā)生一次業(yè)務(wù)。如在保險(xiǎn)行業(yè)里，客戶可能在養(yǎng)老、人壽、汽車和房產(chǎn)等幾個(gè)方面都有投保的欲望，但是，保險(xiǎn)公司往往只注意到客戶的某一種需求，而把其他需求忽視了。再比如在制造行業(yè)，當(dāng)客戶打電話求購某種商品時(shí)，公司可能只會給他們相關(guān)商品的信息，而不會隨時(shí)附上其曾經(jīng)買過的商品資料。對公司而言，這意味著失去了一次很好的交叉銷售機(jī)會，因?yàn)榭蛻艨赡苓€有興趣購買他們曾經(jīng)購買過的商品。以上例子是典型的建立在孤立信息系統(tǒng)之上的公司業(yè)務(wù)模式。在建立CRM系統(tǒng)時(shí)，企業(yè)應(yīng)該將客戶的這些需求整合到IT技術(shù)中去。例如，可在客戶服務(wù)的網(wǎng)頁上加上一些可選項(xiàng)，提供多路徑的客戶鏈接等。

一個(gè)優(yōu)秀的公司應(yīng)該進(jìn)行多元化的銷售來滿足客戶的需求。在客戶看來，公司就應(yīng)該是一個(gè)整體。如果公司不能滿足客戶的多方面需求，客戶又怎么會接受公司所提供的商品和服務(wù)呢？他們甚至還可能對公司的信譽(yù)產(chǎn)生懷疑。一個(gè)公司失去了客戶，就意味著失去了市場，公司的效益自然也會不佳。

3．將客戶信息轉(zhuǎn)成客戶關(guān)系

客戶關(guān)系是指與客戶的交互作用，也就是與客戶的溝通。許多企業(yè)往往注重收集客戶信息而忽略了客戶關(guān)系。所以，要將收集到的客戶信息轉(zhuǎn)化成客戶關(guān)系。

（1）客戶信息（Customer Information）。信息技術(shù)提供了更廣泛的收集客戶信息的途徑，如通過POS系統(tǒng)、ATM、網(wǎng)站、客戶服務(wù)中心等。

（2）客戶互動（Customer Interaction）。建立客戶呼叫中心或以網(wǎng)絡(luò)為基礎(chǔ)的網(wǎng)上客戶服務(wù)，利用數(shù)據(jù)采礦等技術(shù)，就可將客戶的信息從數(shù)據(jù)庫中提取出來，以增加客戶的回復(fù)率。這樣可以加強(qiáng)與客戶的交流，滿足客戶的需求。

通過將面向客戶的前端系統(tǒng)和公司后端IT系統(tǒng)結(jié)合，電子商務(wù)的客戶關(guān)系管理系統(tǒng)平衡并分享了企業(yè)積累的客戶信息，使企業(yè)對客戶和市場有一個(gè)強(qiáng)化的印象。

企業(yè)與客戶的交流不能滿足于獲得客戶資料，而要利用所獲得的客戶資料為企業(yè)創(chuàng)造效益。所以，企業(yè)與客戶的交互作用是非常重要的，而它的基礎(chǔ)是利用IT信息技術(shù)。

五、客戶關(guān)系管理的主要內(nèi)容和主要手段

（一）面向客戶

1．提供盡可能多的客戶服務(wù)接入形式

為了讓客戶能及時(shí)地找到企業(yè)，了解企業(yè)在做什么、能提供什么，就要為客戶提供一個(gè)便利的聯(lián)系方式。除了原有的公司在各處的分支機(jī)構(gòu)和銷售代表之外，還應(yīng)該增加音頻自動應(yīng)答、電話聯(lián)系中心、網(wǎng)站、自動回復(fù)表單、自動回復(fù)郵件、自助電話系統(tǒng)、免費(fèi)800電話等新的客戶服務(wù)接入方式，而且要保證每一種客戶服務(wù)接入方式都能夠提供高質(zhì)量的服務(wù)。

2．洞察更深層次的客戶需求

這是建立在對客戶現(xiàn)狀和過去情況全面把握的基礎(chǔ)之上的。可應(yīng)用網(wǎng)絡(luò)IT技術(shù)對客戶進(jìn)行在線調(diào)查，了解盡可能多的客戶詳情，以便分析市場動向和客戶需求。IT技術(shù)在這個(gè)方面具有得天獨(dú)厚的優(yōu)勢，它可以提供多種多樣的了解客戶需求的途徑。

3．注重向那些最具潛力的客戶提供服務(wù)

為了達(dá)到這個(gè)目的，必須安排最優(yōu)秀的客戶服務(wù)代表去解決那些最具潛力的客戶提出的問題，做到重點(diǎn)客戶重點(diǎn)服務(wù)。銷售人員應(yīng)經(jīng)常進(jìn)行經(jīng)驗(yàn)交流，在公司中推廣優(yōu)秀銷售人員的經(jīng)驗(yàn)，公司可以把優(yōu)秀銷售人員的經(jīng)驗(yàn)作為全體公司員工的客戶服務(wù)模式加以推廣。

4．提供個(gè)性化的客戶服務(wù)界面

當(dāng)客戶需要時(shí)，可以利用網(wǎng)站提供盡可能多的個(gè)性化信息資訊。例如，如果客戶希望買賣股票，那么公司就應(yīng)該提供相關(guān)精選股票的歷史資料。

5．提供讓客戶放心的安全環(huán)境

如果客戶對企業(yè)電子商務(wù)的安全沒有信心，那么企業(yè)就不會獲得在線市場。要利用IT技術(shù)，提供給客戶一個(gè)安全交易的網(wǎng)絡(luò)環(huán)境，這是在線商務(wù)的保障，也是客戶服務(wù)的一項(xiàng)重要內(nèi)容。要使客戶感到與企業(yè)交易是安全的，只有這樣，企業(yè)的客戶服務(wù)才可能成功。

（二）處理客戶問題

1．尋找一個(gè)簡便的客戶關(guān)系管理解決方案

實(shí)際上，公司的信息系統(tǒng)總是很復(fù)雜的。一旦公司的商業(yè)環(huán)境發(fā)生變化，如公司進(jìn)行合并、收購或者政府制定新的法律，都會使信息系統(tǒng)變得復(fù)雜。良好的客戶服務(wù)就是要使公司的信息系統(tǒng)與客戶對公司的認(rèn)知相一致。所以，有必要尋找一種簡便的方法來解決公司復(fù)雜的信息系統(tǒng)問題，而且這種方法要能滿足不斷變化的公司信息系統(tǒng)的需要。

2．客戶關(guān)系管理的整合方案

雖然在客戶關(guān)系管理方面并沒有一種固定可循的解決方案，但任何一種解決方案都會涉及以下幾個(gè)方面：

（1）集中客戶所有的信息。公司擁有的客戶信息不可能從同一個(gè)系統(tǒng)的數(shù)據(jù)庫中獲得，所以就需要把分散的客戶信息集中起來，存放在同一個(gè)地方，并對這些客戶信息進(jìn)行內(nèi)在的分析。一個(gè)完整的解決方案應(yīng)該能夠把這些分散的個(gè)人資料有效地聯(lián)系起來。

（2）要具有連接公司所有系統(tǒng)的重要商業(yè)應(yīng)用軟件。為了理清這些錯(cuò)綜復(fù)雜的關(guān)系，就需要用一種連接軟件把公司所有的系統(tǒng)連接起來，并使各個(gè)系統(tǒng)能夠共享信息。此外，為了適應(yīng)新技術(shù)和新產(chǎn)品，這種連接軟件還必須能進(jìn)行更新。

（3）構(gòu)建能夠隨時(shí)隨地增加應(yīng)用軟件的工具。為了滿足客戶經(jīng)常變化的需求，公司各個(gè)系統(tǒng)中的軟件也應(yīng)不斷地添加和更新，這就要求公司使用一種能夠快速更新的軟件系統(tǒng)。

（4）自動控制各種業(yè)務(wù)流程。自動化業(yè)務(wù)流程不但能夠更好地滿足客戶在快速提供信息方面的要求，而且對企業(yè)客戶服務(wù)代表來說，可以根據(jù)客戶的資料及時(shí)采取靈活的應(yīng)變措施。

（5）逐步整合新技術(shù)和新產(chǎn)品。由于新技術(shù)和新產(chǎn)品的不斷涌現(xiàn)，公司系統(tǒng)需要不斷地進(jìn)行集成。但是，不能一次性地將其全部集成起來，而應(yīng)循序漸進(jìn)地把它們逐個(gè)地與公司現(xiàn)有的核心系統(tǒng)進(jìn)行整合。

（6）安全解決方案的整合。對公司的核心系統(tǒng)來說，一旦與互聯(lián)網(wǎng)、內(nèi)聯(lián)網(wǎng)或者外聯(lián)網(wǎng)進(jìn)行連接，就意味著暴露在更多客戶的視線范圍內(nèi)，當(dāng)然也就增加了核心系統(tǒng)受到攻擊的危險(xiǎn)。所以就要有一個(gè)解決安全問題的方案，以保證公司中所有與互聯(lián)網(wǎng)連接的系統(tǒng)安全。

（7）統(tǒng)一管理公司的各種系統(tǒng)。公司中的各種系統(tǒng)都要求能夠正常地運(yùn)行，萬一某客戶服務(wù)支持系統(tǒng)不能正常運(yùn)作，公司應(yīng)該有能力把它單獨(dú)斷開并迅速高效地進(jìn)行修復(fù)。公司的系統(tǒng)維護(hù)人員統(tǒng)一地對各種系統(tǒng)進(jìn)行監(jiān)控。他們需要一種能夠管理各種系統(tǒng)，并能夠方便地對系統(tǒng)中所有用戶和軟件進(jìn)行監(jiān)控的系統(tǒng)管理方法。

總之，企業(yè)所需要的是一種能夠整合所有系統(tǒng)的解決方案。這種方案要有擴(kuò)展功能，并能夠最大限度地滿足客戶的需要。

（三）CRM規(guī)劃的思考過程

（1）知識發(fā)掘（Knowledge Discovery）。知識發(fā)掘是指分析所獲得的客戶信息，確認(rèn)特定的市場機(jī)會與投資策略。這個(gè)過程包括客戶確認(rèn)、客戶區(qū)隔、客戶預(yù)測。行銷人員要善于利用詳細(xì)的客戶資料，以便做出最佳的決策。

（2）市場規(guī)劃（Market Planning）。這是指定義特定的客戶產(chǎn)品，定義提供產(chǎn)品的途徑、提供產(chǎn)品的時(shí)間以及其他與產(chǎn)品相關(guān)的事宜。在制訂策略性的客戶溝通計(jì)劃時(shí)，市場規(guī)劃可以幫助行銷人員定義特定的活動種類、客戶偏好、行銷計(jì)劃以及客戶購買動機(jī)等。

（3）客戶互動（Customer Interaction）。這是指應(yīng)用相關(guān)的信息技術(shù)，通過各種途徑和應(yīng)用軟件管理已有的客戶和潛在的客戶。

（4）分析與修正（Analysis and Refinement）。這是指利用來自客戶交互的信息，經(jīng)分析而獲得持續(xù)的知識，并用這些知識來改善客戶關(guān)系管理的方法。

六、呼叫中心的概念、構(gòu)成、流程及主要類型

（一）呼叫中心概念

呼叫中心（Call Center，CC）在國內(nèi)也稱作“客戶服務(wù)中心”（Customer Care Center，CCC），是一種基于計(jì)算機(jī)與電話集成技術(shù)（CTI）、利用通信網(wǎng)絡(luò)和計(jì)算機(jī)網(wǎng)絡(luò)的多項(xiàng)功能集成，并與企業(yè)連為一體的完整的新型綜合信息服務(wù)系統(tǒng)。呼叫中心利用現(xiàn)有的各種先進(jìn)的通信手段，有效地為客戶提供高質(zhì)量、高效率、全方位的服務(wù)。它通過提供各種CTI中間設(shè)備來支持自動呼叫分配、專用分組交換機(jī)，實(shí)現(xiàn)計(jì)算機(jī)電話集成技術(shù)與CRM業(yè)務(wù)應(yīng)用軟件之間的整合，通過電話技術(shù)進(jìn)行與客戶之間的互動，對來自多個(gè)渠道的工作任務(wù)和座席代表的任務(wù)進(jìn)行全面管理。呼叫中心好像是企業(yè)在最外層加上一個(gè)服務(wù)層，實(shí)際上它不僅僅為外部用戶，也對整個(gè)企業(yè)內(nèi)部的管理、服務(wù)、調(diào)度、增值起到非常重要的統(tǒng)一協(xié)調(diào)作用。呼叫中心已經(jīng)在很多方面得到應(yīng)用。如電話銀行，用戶可以通過電話進(jìn)行匯率查詢、賬戶結(jié)余查詢、轉(zhuǎn)賬、代扣公用事業(yè)費(fèi)等?，F(xiàn)在的呼叫中心是CRM行業(yè)的一個(gè)重要分支，它是由若干成員組成的工作組，這些成員既包括人工座席代表，又包括自動語音設(shè)備。它們通過網(wǎng)絡(luò)進(jìn)行通信，共享網(wǎng)絡(luò)資源，為客戶提供交互式服務(wù)。

（二）呼叫中心構(gòu)成

20世紀(jì)90年代初，呼叫中心開始發(fā)展并逐漸興起。近幾年來，隨著技術(shù)的發(fā)展，呼叫中心又融入了Internet、基于網(wǎng)際協(xié)議的語音（Voice Over IP，VOIP）、E－mail、WAP、視頻等多種交互手段，發(fā)展成為一個(gè)多媒體的、可為移動用戶服務(wù)的、智能化的呼叫中心。典型的呼叫中心由六部分組成：程控交換機(jī)、自動呼叫分配器、交互式語音應(yīng)答、計(jì)算機(jī)語音集成服務(wù)器、人工座席代表和后臺業(yè)務(wù)處理系統(tǒng)。雖然各公司的呼叫中心不盡相同，但呼叫中心環(huán)境下的基本技術(shù)差別不大。

（1）程控交換機(jī)（Private Branch Exchange，PBX）。程控交換機(jī)為呼叫中心提供內(nèi)外的通道。對外作為與市話局中繼線的接口，對內(nèi)則作為與座席代表話機(jī)和自動應(yīng)答設(shè)備（VRU）的接口。但呼叫中心的PBX與傳統(tǒng)的PBX不同，其中繼線數(shù)大于內(nèi)線數(shù)。

（2）自動呼叫分配器（Automatic Call Distribution，ACD）。自動呼叫分配器的作用是將外界來電均勻地分配給各個(gè)代表。如果沒有空閑的座席代表，就將來電放入等待隊(duì)列，空閑時(shí)再轉(zhuǎn)接過去。如果來電在長時(shí)間里得不到處理，ACD可以為客戶播放提示信息，包括呼叫者在等待隊(duì)列中的位置并詢問來電者是否愿意繼續(xù)等待等，以減少客戶掛機(jī)比例。隨著技術(shù)的發(fā)展，ACD將會提供更多的特色服務(wù)，如呼叫溢出等，并與其他解決方法更好地結(jié)合起來。

（3）交互式語音應(yīng)答（Interactive Voice Response，IVR）技術(shù)。交互式語音應(yīng)答技術(shù)給呼叫中心帶來了強(qiáng)大的生命力。IVR又稱自動語音應(yīng)答（Voice Response Utensil，VRU），它是將計(jì)算機(jī)技術(shù)用于呼叫中心的產(chǎn)物。用戶通過雙音頻電話輸入信息，IVR系統(tǒng)向用戶播放預(yù)先錄制好的語音，回答用戶的問題。IVR還具有語音信箱、傳真收發(fā)等功能。應(yīng)用IVR技術(shù)之后，有80%～90%的呼叫不需要座席代表的干預(yù)就能完成。在IVR應(yīng)用中，語音識別技術(shù)將會發(fā)揮很大的作用，從而減少語言誤解和消息失真。

（4）計(jì)算機(jī)語音集成服務(wù)器（Computer Telephony Integration，CTI）。CTI對整個(gè)呼叫中心進(jìn)行全面管理，是呼叫中心的“心臟”。它與PBX相連，接收來自PBX的事件／狀態(tài)消息，并向PBX發(fā)出命令。CTI服務(wù)器能夠向上提供統(tǒng)一的編程接口，屏蔽PBX與計(jì)算機(jī)間的復(fù)雜通信協(xié)議，為不同用戶開發(fā)應(yīng)用程序帶來了方便。CTI服務(wù)器與PBX的連接稱為CTI鏈路。CTI鏈路在物理上可能是X．25、ISDN（D通道）或TCP／IP連接中的一種，在軟件上是一種專用的應(yīng)用層協(xié)議。目前，CTI協(xié)議缺少統(tǒng)一的標(biāo)準(zhǔn)，于是CTI服務(wù)器的最大任務(wù)就是協(xié)調(diào)不同交換機(jī)廠家的這些協(xié)議，使其具有統(tǒng)一的模式。有人認(rèn)為，解決這個(gè)問題的途徑是同時(shí)支持多種不同的CTI鏈路協(xié)議或?qū)@些協(xié)議進(jìn)行編程，但這是不切實(shí)際的。可行的方法是開發(fā)運(yùn)行于CTI服務(wù)器上的CTI中間件，以完成底層的協(xié)議操作。

（5）人工座席代表（Agent）。通常，呼叫中心的工作人員被稱為座席（業(yè)務(wù)代表），由業(yè)務(wù)代表組成的小組被稱為座席組（業(yè)務(wù)組）。一個(gè)呼叫中心可以由幾百個(gè)，甚至幾千個(gè)業(yè)務(wù)代表組成，而小企業(yè)和大企業(yè)的小部門也可以根據(jù)需要，非常經(jīng)濟(jì)地建立一個(gè)只有幾個(gè)業(yè)務(wù)代表的小型呼叫中心。Agent的工作設(shè)備包括話機(jī)（數(shù)字或?qū)Ｓ媚M話機(jī)）、耳機(jī)、話筒及運(yùn)行CTI應(yīng)用程序的PC機(jī)或計(jì)算機(jī)終端，對于電話接聽、掛斷、轉(zhuǎn)移和外撥等工作，座席代表只需通過鼠標(biāo)和鍵盤就可輕松完成。人工座席代表是呼叫中心中惟一的非設(shè)備成分，能更靈活地進(jìn)行呼叫處理。呼叫中心的某些服務(wù)，如業(yè)務(wù)咨詢、電話號碼查詢、故障報(bào)告和服務(wù)投訴等，必須由座席代表完成。

（6）后臺業(yè)務(wù)處理系統(tǒng)。后臺業(yè)務(wù)處理系統(tǒng)負(fù)責(zé)整個(gè)過程中信息的收集、處理、反饋，利用這些信息，可以更好地提供客戶服務(wù)，提升企業(yè)的服務(wù)水平。

（三）呼叫中心典型處理流程

（1）呼叫進(jìn)入中心交換局（Center Office）。

（2）PBX應(yīng)答呼叫，捕獲自動號碼證實(shí)（ANI）或被叫號碼證實(shí)（DNIS）信息。

（3）PBX尋找空閑的VRU路由，并把呼叫轉(zhuǎn)至該線路。

（4）PBX通過RS232串行口發(fā)送初始呼叫信息給VRU，包括呼叫轉(zhuǎn)至的端口號及ANI和DNIS信息。

（5）VRU播放提示菜單信息給呼叫者，以確定哪類接線員受理比較合適。

（6）VRU檢查接線員隊(duì)列，若無空閑接線員，則播放消息給呼叫者，告訴其在等待隊(duì)列中的位置，詢問是否愿意等待。

（7）接線員空閑時(shí)，VRU通過拍叉簧將呼叫轉(zhuǎn)至該接線員，等待PBX發(fā)來的撥號音，撥通新的分機(jī)號。接線員拿起電話后，VRU自動掛機(jī)，處理另一個(gè)呼叫。

（8）利用數(shù)據(jù)庫共享或局域網(wǎng)通信工程，VRU向接線員的PC發(fā)送ANI信息，呼叫到達(dá)時(shí)，客戶信息會自動顯示出來。

（9）當(dāng)呼叫用戶或接線員一方掛機(jī)時(shí)，PBX檢測到斷線信號，通過RS232串口發(fā)送呼叫記錄信息給VRU。VRU根據(jù)此信息確定剛處理完呼叫的接線員已恢復(fù)空閑，可進(jìn)行下一次呼叫處理。

（四）呼叫中心類型

呼叫中心可以按照不同的參照標(biāo)準(zhǔn)分成多種類型。

（1）按采用的不同接入技術(shù)劃分：有基于交換機(jī)的ACD呼叫中心和基于計(jì)算機(jī)的板卡式呼叫中心。

（2）按呼叫類型劃分：有呼入型呼叫中心、呼出型呼叫中心和呼入、呼出混合型呼叫中心。

（3）按功能劃分：有傳統(tǒng)的電話呼叫中心、Web呼叫中心、IP呼叫中心、多媒體呼叫中心、視頻呼叫中心、統(tǒng)一消息處理中心等。

（4）按使用性質(zhì)劃分：有自用呼叫中心、外包呼叫中心和ASP型呼叫中心。其中ASP型是指租用其他人的設(shè)備和技術(shù)，而話務(wù)代表則屬于本公司的類型。

（5）按分布地點(diǎn)劃分：有單址呼叫中心和多址呼叫中心。

（6）按人員的職業(yè)特點(diǎn)劃分，有正式（Formal）呼叫中心和非正式（Informal）呼叫中心兩種。正式的呼叫中心就是我們通常所說的有專門的話務(wù)代表處理客戶呼叫，為客戶提供服務(wù)的呼叫中心；而非正式的呼叫中心是指那些由不是專門的話務(wù)代表來處理客戶的呼叫，如在證券業(yè)有大量的證券經(jīng)紀(jì)人，他們利用證券公司的呼叫中心為客戶提供交易服務(wù)，但他們并不是專門的話務(wù)員，而這個(gè)證券公司的呼叫中心就屬于非正式的呼叫中心。

（7）按呼叫中心技術(shù)的發(fā)展史劃分有兩種分法：一是從大體上把呼叫中心分成傳統(tǒng)呼叫中心和現(xiàn)代呼叫中心；二是一些設(shè)備廠商的分法，就是經(jīng)?？梢砸姷降牡谝淮⒌诙姆Q謂，現(xiàn)在已經(jīng)到了第四代。這主要是廠商要強(qiáng)調(diào)在新一代的產(chǎn)品中加入了更多的先進(jìn)技術(shù)。

（8）按應(yīng)用劃分：主要有電信呼叫中心、銀行呼叫中心、郵政呼叫中心、民航呼叫中心、企業(yè)呼叫中心和政府呼叫中心等。在實(shí)際中，更多的是根據(jù)應(yīng)用的不同情況和場合，將這些分類有機(jī)地結(jié)合在一起。如我們可以將一個(gè)呼叫中心描述為基于交換機(jī)的、具有Web功能的、呼出型多址外包呼叫中心。盡管顯得繁雜，但卻是對呼叫中心最精確的描述。在呼叫中心產(chǎn)業(yè)中，多數(shù)企業(yè)是按照不同的使用性質(zhì)進(jìn)行分類的，所以我們著重介紹自營型呼叫中心（In－h(huán)ouse Call Center）、外包型呼叫中心（Outsourcing Call Center）和ASP型呼叫中心三類。

第一，自營型呼叫中心。自營型呼叫中心是指企業(yè)自身建立的獨(dú)立的呼叫中心，其運(yùn)營指標(biāo)要從這幾個(gè)方面來評估：①服務(wù)級別（Service Level），即多少呼叫會在一定時(shí)間內(nèi)被接聽，是80／20還是90／10或者是70／30。②呼損率（Abandon Rate）。③平均通話時(shí)間（Average Speech Time）。④后續(xù)工作時(shí)間（After Call Work）。⑤轉(zhuǎn)接率（Change Rate）。⑥單個(gè)呼叫成本（Cost／Call）。⑦人員流失率（Staff Turnover）。

當(dāng)然如果呼叫中心還擔(dān)負(fù)著追蹤銷售線索、維護(hù)客戶關(guān)系，則還要考察銷售成功率和客戶挽留成功率等指標(biāo)。以上只是考核呼叫中心運(yùn)營的基本指標(biāo)，具體指標(biāo)還要根據(jù)企業(yè)的實(shí)際情況來制定。

第二，外包型呼叫中心。外包型呼叫中心是指租用其他方的呼叫中心設(shè)備、座席、人員和運(yùn)營管理，完成客戶服務(wù)、市場營銷等諸多活動的類型。外包型呼叫中心的各種業(yè)務(wù)都可以拆分成外包業(yè)務(wù)：建設(shè)外包、應(yīng)用外包、系統(tǒng)硬件外包（不含座席代表）、座席外包、運(yùn)營管理外包、招聘和培訓(xùn)外包等。一些富有經(jīng)驗(yàn)的外包運(yùn)營商可以提供全套的一條龍服務(wù)。按業(yè)務(wù)類型的難易程度、時(shí)效性、階段性、企業(yè)文化的理解等方面，可將外包分為四種類型：①按座席外包（呼入呼出混合型）。②按呼入量外包（呼入型）。③按項(xiàng)目外包（呼入型、呼出型）。④連帶CRM的外包（綜合型）。

第三，ASP型呼叫中心。ASP型呼叫中心是將各種應(yīng)用軟件安裝在數(shù)據(jù)中心（IDC）或服務(wù)器群上，通過網(wǎng)絡(luò)將應(yīng)用軟件的功能或基于這些功能的服務(wù)，以有償?shù)姆绞教峁┙o使用者，并由ASP負(fù)責(zé)管理、維護(hù)和更新這些功能和服務(wù)，提供給使用者優(yōu)質(zhì)完善的服務(wù)。

第二節(jié)　數(shù)據(jù)倉庫和數(shù)據(jù)挖掘

一、數(shù)據(jù)倉庫

（一）數(shù)據(jù)倉庫簡介

1．?dāng)?shù)據(jù)倉庫的概念

數(shù)據(jù)倉庫是支持管理決策過程的、面向主題的、集成的、時(shí)變的、非易失的數(shù)據(jù)集合。它支持管理部門的決策過程，充當(dāng)決策數(shù)據(jù)模型的物理實(shí)現(xiàn)，并存放企業(yè)戰(zhàn)略決策所需信息。通過將異種數(shù)據(jù)源的數(shù)據(jù)集合在一起而構(gòu)造、支持結(jié)構(gòu)化的查詢、分析和決策制定。它與組織機(jī)構(gòu)的操作數(shù)據(jù)分別維護(hù)。數(shù)據(jù)倉庫系統(tǒng)允許將各種應(yīng)用系統(tǒng)集成在一起，為統(tǒng)一的數(shù)據(jù)分析提供堅(jiān)實(shí)的平臺，對信息處理提供支持。

數(shù)據(jù)倉庫也是一種體系結(jié)構(gòu)，具有四個(gè)層次：操作層、數(shù)據(jù)倉庫層、部門層和個(gè)體層。其中，操作層存儲原始數(shù)據(jù)，即公司等單位每天運(yùn)營所使用的細(xì)節(jié)型數(shù)據(jù)，原始數(shù)據(jù)可以更新，所使用的主要是原始數(shù)據(jù)的當(dāng)前值，原始數(shù)據(jù)以重復(fù)方式運(yùn)行支持日常的操作。而從操作層的原始數(shù)據(jù)轉(zhuǎn)換為進(jìn)入數(shù)據(jù)倉庫的導(dǎo)出（集成）數(shù)據(jù)，是不可以更新的，通常為歷史數(shù)據(jù)，運(yùn)行在非重復(fù)的啟發(fā)式系統(tǒng)中，以滿足公司管理決策者或決策支持系統(tǒng)的需要。在部門決策層，數(shù)據(jù)倉庫中存儲的歷史數(shù)據(jù)將被輕度概化（或概念分層），形成了按某種屬性概化的數(shù)據(jù)子集，或稱數(shù)據(jù)集市。將從數(shù)據(jù)倉庫中抽取的數(shù)據(jù)集市，應(yīng)用于各種各樣的決策分析，可使各個(gè)不同的部門級應(yīng)用得到滿足，建立適合各個(gè)部門級的決策分析環(huán)境。在個(gè)體決策層，通過編寫應(yīng)用軟件，抽取數(shù)據(jù)倉庫中輕度或高度概化（綜合）的數(shù)據(jù)子集，是應(yīng)用數(shù)據(jù)挖掘的各種方法進(jìn)行決策、分析和處理的層次。

數(shù)據(jù)倉庫中的數(shù)據(jù)，來源于不同的異構(gòu)系統(tǒng)，在進(jìn)入數(shù)據(jù)倉庫之前往往被綜合或集成為一個(gè)記錄，送入數(shù)據(jù)倉庫。這個(gè)過程包含了數(shù)據(jù)類型的統(tǒng)一、格式的轉(zhuǎn)換等預(yù)處理。例如，從操作層中取出每天的事務(wù)處理，然后綜合成數(shù)據(jù)倉庫的一條記錄。這條記錄可以根據(jù)顧客、賬戶或其他主題來進(jìn)行。對某顧客的一個(gè)賬戶每天的所有活動進(jìn)行合計(jì)，并輸入到數(shù)據(jù)倉庫中。這個(gè)過程的反復(fù)進(jìn)行致使數(shù)據(jù)倉庫不斷地增長，所以數(shù)據(jù)倉庫是漸進(jìn)式建立起來的。

粒度是指數(shù)據(jù)倉庫中的數(shù)據(jù)被細(xì)化或被綜合的程度。粒度越大，表示綜合程度越高；粒度越小，表示綜合程度越低。在數(shù)據(jù)倉庫環(huán)境中，粒度是一個(gè)重要的設(shè)計(jì)問題，它影響到數(shù)據(jù)倉庫的數(shù)據(jù)量以及系統(tǒng)能回答的查詢類型。顯然，粒度越小，細(xì)節(jié)程度越高，能回答的查詢就越多。然而，因?yàn)橐鎯Φ土６燃壍募?xì)節(jié)數(shù)據(jù)，數(shù)據(jù)量就較多。反之，如果數(shù)據(jù)倉庫不保存低粒度級數(shù)據(jù)，只有粗粒度級的數(shù)據(jù)，則需要存儲的數(shù)據(jù)量較少，但不能回答過細(xì)的查詢。

在數(shù)據(jù)倉庫的四個(gè)層次體系結(jié)構(gòu)中，從操作層到最高的個(gè)體層，數(shù)據(jù)的粒度從低到高，即從高細(xì)節(jié)型數(shù)據(jù)向低細(xì)節(jié)型數(shù)據(jù)轉(zhuǎn)化。

數(shù)據(jù)分割（分區(qū)）問題是數(shù)據(jù)倉庫的另一個(gè)重要問題。數(shù)據(jù)倉庫中數(shù)據(jù)表的數(shù)據(jù)量一般都比較大，如果只用一個(gè)物理數(shù)據(jù)表來存儲這些模式相同的數(shù)據(jù)，則可能造成數(shù)據(jù)管理和查詢效率低下。為了提高數(shù)據(jù)管理和查詢的效率，對數(shù)據(jù)進(jìn)行分割是個(gè)很有效的辦法，恰當(dāng)?shù)臄?shù)據(jù)分區(qū)能有效提高數(shù)據(jù)倉庫各種數(shù)據(jù)處理功能的效率。合適的分區(qū)能使數(shù)據(jù)的增長和管理較容易實(shí)現(xiàn)。有多種分區(qū)標(biāo)準(zhǔn)，通常按照日期、地域、商業(yè)領(lǐng)域、組織單位對數(shù)據(jù)進(jìn)行分割。

元數(shù)據(jù)是關(guān)于數(shù)據(jù)的數(shù)據(jù)，元數(shù)據(jù)定義下列數(shù)據(jù)或結(jié)構(gòu)：

（1）數(shù)據(jù)倉庫結(jié)構(gòu)的描述：包括倉庫模式、視圖、維、層次結(jié)構(gòu)和導(dǎo)出數(shù)據(jù)的定義，以及數(shù)據(jù)集市的位置和內(nèi)容。

（2）操作元數(shù)據(jù)：包括移植數(shù)據(jù)的歷史及用于它的轉(zhuǎn)換序列，數(shù)據(jù)流通和監(jiān)視的信息，諸如倉庫使用統(tǒng)計(jì)、錯(cuò)誤報(bào)告和審計(jì)跟蹤等。

（3）匯總用的算法數(shù)據(jù)說明：包括度量和維定義算法，數(shù)據(jù)所采用的粒度、分割、主題領(lǐng)域、聚集、匯總、預(yù)定義的查詢與報(bào)告等。

（4）由操作型到數(shù)據(jù)倉庫型的映射說明：包括源數(shù)據(jù)庫及其內(nèi)容、網(wǎng)間連接程序描述、數(shù)據(jù)分割、數(shù)據(jù)提取、清理、轉(zhuǎn)換規(guī)則、數(shù)據(jù)刷新和剪裁規(guī)則、用戶授權(quán)和存取等安全控制。

（5）關(guān)于系統(tǒng)性能的數(shù)據(jù)：除刷新、更新和復(fù)制周期的定時(shí)和調(diào)度規(guī)則外，還包括改善數(shù)據(jù)存取和檢索性能的索引和配置。

（6）商務(wù)元數(shù)據(jù)：包括商務(wù)業(yè)務(wù)等的術(shù)語、定義、數(shù)據(jù)擁有者信息、收費(fèi)策略等。

總之，數(shù)據(jù)倉庫包含了不同級別的綜合，元數(shù)據(jù)是其中的一種類型。元數(shù)據(jù)與數(shù)據(jù)倉庫中的其他數(shù)據(jù)相比，具有重要的作用。例如，元數(shù)據(jù)用做目錄，可以幫助決策支持系統(tǒng)的使用者對數(shù)據(jù)倉庫的內(nèi)容進(jìn)行定位。當(dāng)數(shù)據(jù)從操作型向數(shù)據(jù)倉庫型轉(zhuǎn)換時(shí)，其作為映射的指南，也可用在當(dāng)前細(xì)節(jié)數(shù)據(jù)與輕度匯總數(shù)據(jù)之間以及輕度匯總數(shù)據(jù)與高度匯總數(shù)據(jù)之間的匯總算法指南。另外，元數(shù)據(jù)應(yīng)當(dāng)永久地存放和進(jìn)行管理。

2．?dāng)?shù)據(jù)倉庫與操作型數(shù)據(jù)庫的區(qū)別

通常在操作層使用普通的數(shù)據(jù)庫管理系統(tǒng)，實(shí)現(xiàn)對操作型數(shù)據(jù)的聯(lián)機(jī)事務(wù)處理（OLTP）以及實(shí)現(xiàn)系統(tǒng)的大部分日常操作，如購買、庫存、制造、銀行、工資等。這些操作型的數(shù)據(jù)以細(xì)粒度級別存儲和使用，它們可以被即時(shí)更新、修改、刪除或添加，并實(shí)現(xiàn)系統(tǒng)的查詢、匯總、一般性統(tǒng)計(jì)等功能。

而當(dāng)操作型數(shù)據(jù)被轉(zhuǎn)換、集成到數(shù)據(jù)倉庫中后，數(shù)據(jù)由細(xì)粒度級別下降到粗粒度級別，隨之而來的是數(shù)據(jù)在更高的概念層得到概化。進(jìn)入數(shù)據(jù)倉庫的數(shù)據(jù)是不被經(jīng)常更新的，它們是面向管理決策人員的，這些數(shù)據(jù)作為決策支持系統(tǒng)分析的基礎(chǔ)。

在數(shù)據(jù)倉庫中可以進(jìn)行聯(lián)機(jī)分析處理（OLAP），實(shí)現(xiàn)系統(tǒng)的多維數(shù)據(jù)分析、復(fù)雜查詢、匯總統(tǒng)計(jì)、趨勢分析以及預(yù)測等功能。

數(shù)據(jù)倉庫與操作型數(shù)據(jù)庫的不同致使在設(shè)計(jì)數(shù)據(jù)倉庫系統(tǒng)時(shí)，總是采用這兩者分離的方法，分別設(shè)計(jì)操作型數(shù)據(jù)庫和數(shù)據(jù)倉庫。其中，操作型數(shù)據(jù)庫用于聯(lián)機(jī)事務(wù)處理，數(shù)據(jù)倉庫用于聯(lián)機(jī)分析處理或數(shù)據(jù)挖掘。

3．?dāng)?shù)據(jù)倉庫的使用

（1）數(shù)據(jù)倉庫的構(gòu)建。數(shù)據(jù)倉庫是面向應(yīng)用的，所采用的數(shù)據(jù)模型是多維數(shù)據(jù)模型。該模型采用數(shù)據(jù)立方體（Data Cube）建模。通常多維數(shù)據(jù)模型圍繞一個(gè)中心主題創(chuàng)建，主題用事實(shí)表表示，事實(shí)表中的數(shù)值是度量的數(shù)量和連接各個(gè)維表的關(guān)鍵字。如圖10－2所示，事實(shí)表以及與之連接的四個(gè)維表構(gòu)成了數(shù)據(jù)倉庫的星型模式。

圖10－2　數(shù)據(jù)倉庫的星型模式

數(shù)據(jù)倉庫的雪花型模式結(jié)構(gòu)如圖10－3所示。

圖10－3　數(shù)據(jù)倉庫的雪花型模式

（2）數(shù)據(jù)倉庫中數(shù)據(jù)分析的操作?；诙嗑S數(shù)據(jù)模型的數(shù)據(jù)倉庫，可在多維數(shù)據(jù)模型上進(jìn)行在線數(shù)據(jù)分析處理操作，這些數(shù)據(jù)分析包括上卷、下鉆、切片和切塊以及轉(zhuǎn)軸等處理。

第一，上卷（Roll－up）：通過一個(gè)維的概念分層向上攀升或者通過維歸約，在數(shù)據(jù)立方體上進(jìn)行聚集的操作。例如，在某個(gè)銷售Sales數(shù)據(jù)倉庫中，一個(gè)維的分層定義為全序：街區(qū)＜城市＜省份＜國家，那么上卷操作沿著“銷售分區(qū)”維，由“城市”向上到“國家”的聚集，致使數(shù)據(jù)在立方體“國家”而不是在“城市”被分組，即所表示的結(jié)果是在“國家”級別上得到了“銷售數(shù)量”匯總，而不是在“城市”級別上的匯總結(jié)果。這樣，上卷操作可以使聚集的結(jié)果更有普遍性。

第二，下鉆（Drill－down）：通過沿維的概念分層向下或引入新的維來實(shí)現(xiàn)。這是一個(gè)細(xì)化操作，由不太詳細(xì)的數(shù)據(jù)到更詳細(xì)的數(shù)據(jù)，使結(jié)果能夠用更細(xì)節(jié)的數(shù)據(jù)表示。例如，在某個(gè)銷售Sales數(shù)據(jù)倉庫中，某個(gè)時(shí)間維的概念分層是全序：day＜month＜quarter＜year，那么沿著時(shí)間維由quarter層到更詳細(xì)的month層下鉆操作的結(jié)果，將得到在立方體month上的每月總銷售額，而不是按quarter的匯總。

第三，切片（Slice）：切片操作在給定的數(shù)據(jù)立方體的一個(gè)維上進(jìn)行選擇，生成一個(gè)子立方。例如，在某個(gè)銷售Sales數(shù)據(jù)倉庫中，對某個(gè)時(shí)間維的切片操作，將得到一個(gè)使用條件time＝“quarter1”的銷售數(shù)據(jù)立方，這個(gè)立方顯示了“第一季度的家電銷售量為605件，計(jì)算機(jī)825臺”等信息。

第四，切塊（Dice）：切塊操作是對兩個(gè)或多個(gè)維執(zhí)行選擇，生成一個(gè)子立方體。例如，在某個(gè)銷售Sales數(shù)據(jù)倉庫中，根據(jù)條件（location＝“上?！眔r“北京”）and（time＝“quarter1”or“quarter2”）and（item＝“家電”or“計(jì)算機(jī)”），對立方體進(jìn)行按銷售分區(qū)、季節(jié)和銷售類型三個(gè)維上的選擇操作，將得到一個(gè)新的滿足條件的立方體。

第五，轉(zhuǎn)軸（Pivot或Rotate）：是一種改變視角的操作，這個(gè)操作不產(chǎn)生新的立方體，而只是對數(shù)據(jù)立方旋轉(zhuǎn)一定角度后的替代表示。

OLAP還有其他的一些操作，諸如鉆過（Drill－across）、鉆透（Drill－through）等。OLAP提供了分析建模機(jī)制，包括推導(dǎo)比率、變差等以及跨越多個(gè)維的計(jì)算度量。OLAP能在每一個(gè)粒度級與所有維的交叉產(chǎn)生匯總、聚集和分層。OLAP還支持預(yù)報(bào)、趨勢分析和統(tǒng)計(jì)分析的函數(shù)模型。

（3）在數(shù)據(jù)倉庫基礎(chǔ)之上的數(shù)據(jù)挖掘。在數(shù)據(jù)倉庫的基礎(chǔ)之上，可以進(jìn)行三種類型的應(yīng)用開發(fā)，包括查詢處理、分析處理和數(shù)據(jù)挖掘。隨著數(shù)據(jù)倉庫的構(gòu)建、進(jìn)化，數(shù)據(jù)倉庫中的數(shù)據(jù)就越來越具有高品質(zhì)，越來越能支持從一般的數(shù)據(jù)查詢到數(shù)據(jù)挖掘的功能實(shí)現(xiàn)。

在構(gòu)建數(shù)據(jù)倉庫之初，數(shù)據(jù)倉庫主要用于產(chǎn)生報(bào)告和回答預(yù)先定義的查詢。這些查詢處理可以發(fā)現(xiàn)或反映直接存放在數(shù)據(jù)庫中的信息，或通過聚集函數(shù)計(jì)算一些信息。但它們不能反映隱藏在數(shù)據(jù)庫中的規(guī)律。因此，這個(gè)初期的信息處理并不等于數(shù)據(jù)挖掘。

隨著數(shù)據(jù)倉庫的不斷進(jìn)化，它可以用于分析匯總的、細(xì)節(jié)的數(shù)據(jù)。進(jìn)而數(shù)據(jù)倉庫可以用于決策，進(jìn)行多維數(shù)據(jù)分析和復(fù)雜的OLAP分析處理。OLAP可以實(shí)現(xiàn)數(shù)據(jù)倉庫中數(shù)據(jù)的一般描述，并能在用戶的指導(dǎo)下進(jìn)行匯總和比較。這些都使得OLAP實(shí)現(xiàn)了部分?jǐn)?shù)據(jù)挖掘的功能，但它仍然無法實(shí)現(xiàn)自動發(fā)現(xiàn)隱藏在大量數(shù)據(jù)中的隱含模式和有趣知識的功能。

數(shù)據(jù)倉庫在經(jīng)歷長時(shí)間充分進(jìn)化后，可以用于數(shù)據(jù)挖掘。數(shù)據(jù)挖掘不限于分析數(shù)據(jù)倉庫中的數(shù)據(jù)，它可以分析現(xiàn)存的、比數(shù)據(jù)倉庫提供的匯總數(shù)據(jù)粒度更細(xì)的數(shù)據(jù)。它可以分析事務(wù)的、文本的、空間的和多媒體的數(shù)據(jù)。數(shù)據(jù)挖掘所涵蓋的范圍比OLAP要廣泛得多，它除了可以執(zhí)行OLAP操作外，還可以執(zhí)行關(guān)聯(lián)規(guī)則、分類、預(yù)測、聚類、時(shí)間序列分析等其他數(shù)據(jù)挖掘任務(wù)。

數(shù)據(jù)倉庫為數(shù)據(jù)挖掘功能的實(shí)現(xiàn)提供了良好的基礎(chǔ)。在數(shù)據(jù)挖掘的初期，用戶常常并不十分清楚自己想挖掘什么類型的知識，通過將OLAP與多種數(shù)據(jù)挖掘功能的集成，可以為用戶提供有用并有趣的知識。

（二）數(shù)據(jù)倉庫在電子商務(wù)中的應(yīng)用

電子商務(wù)實(shí)現(xiàn)了從傳統(tǒng)貿(mào)易到網(wǎng)絡(luò)貿(mào)易的過渡，顧客可以通過電子商務(wù)網(wǎng)站，自己瀏覽、選擇所需要的商品。此外電子商務(wù)網(wǎng)站也可以借助網(wǎng)絡(luò)來擴(kuò)大市場份額，增加利潤，了解顧客的群體特征，根據(jù)顧客的購買模式制定商品的營銷策略。

數(shù)據(jù)倉庫的建立與多維數(shù)據(jù)庫上的聯(lián)機(jī)分析處理能夠滿足電子商務(wù)的決策和管理者的需要。數(shù)據(jù)倉庫系統(tǒng)的功能優(yōu)勢可以用于電子商務(wù)的各個(gè)業(yè)務(wù)領(lǐng)域。應(yīng)用數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行電子商務(wù)決策，數(shù)據(jù)倉庫中的數(shù)據(jù)都是經(jīng)過預(yù)處理的、高粒度的匯總數(shù)據(jù)，這使得在數(shù)據(jù)倉庫之上的應(yīng)用，可以獲得利用操作型數(shù)據(jù)無法獲取的多維查詢、分析結(jié)果。并且，所得到的結(jié)果其層次較高，所以更具有普遍的指導(dǎo)意義。

示例：根據(jù)某電子商務(wù)網(wǎng)站的訂單事實(shí)數(shù)據(jù)表Order，以星型多維數(shù)據(jù)庫模式，構(gòu)造數(shù)據(jù)倉庫Order，并實(shí)現(xiàn)從事實(shí)表Order到維的聚集計(jì)算。

星型結(jié)構(gòu)的Order表與其關(guān)聯(lián)維表有Time、Customer、Product、Region四個(gè)維，它們分別表示訂單時(shí)間、客戶信息、商品信息和訂單區(qū)域以及訂單金額（Total）、訂單數(shù)量（Order－sum）兩個(gè)度量值。事實(shí)表Order與這四個(gè)維表的星型結(jié)構(gòu)如圖10－4所示。

圖10－4　訂單數(shù)據(jù)倉庫星型結(jié)構(gòu)

示例說明如下：

2009年訂單事實(shí)表Order包含的各維表外鍵及數(shù)據(jù)為：Time＿key，Oduct＿id，Customer＿id，Region＿code，Total，Order＿sum（其中Time＿key是時(shí)間維表的索引字段，可以是年、月、日、小時(shí)等）。

各維表結(jié)構(gòu)如下：

商品維表：

Product＿id，Product＿class，Product＿name

時(shí)間維表：

Time＿key，Hour，Day，Month，Quarter，Year

地區(qū)維表：

Region＿code，Region＿name

Region＿code　　　　　　含義

1　　　　　　　　　　　 東北

2 　　 　　　　　　　　華北

3 　　　　　　　　 　　　華東

4 　　　　　　 　　　 　華南

5 　　　　　　　 　　　　西北

6 　　　　　　　　　　　西南

客戶維表：

Customer＿id，Account＿num，Name，Region＿code，Phone

圖10－5　訂單在time／product／customer三個(gè)維上的立方體

如圖10－5所示，在默認(rèn)的情況下，在頂點(diǎn)（all）立方體，將對在三個(gè)維上的全部數(shù)據(jù)實(shí)施匯總操作，得到訂單的總金額Total和訂單的總數(shù)量Order＿sum，結(jié)果為訂單金額Total＝100000萬元，訂單數(shù)量Order＿sum＝2000張。

對Order數(shù)據(jù)倉庫的計(jì)算示例如下：

1．要求按季度匯總數(shù)據(jù)

（1）按Quarter對維表Time進(jìn)行索引。

（2）得到訂單金額在四個(gè)季度值Q1、Q2、Q3、Q4上的匯總細(xì)化值，分別是Q1＝25000萬元，Q2＝10000萬元，Q3＝30000萬元，Q4＝35000萬元。結(jié)果表明下鉆操作的結(jié)果可以得到下一個(gè)層次的詳細(xì)數(shù)據(jù)，在全年的訂單總金額中，最多的訂單金額發(fā)生在第四季度。

（3）對結(jié)果做出解釋，可以調(diào)整電子商務(wù)網(wǎng)站的營銷策略，或?qū)ふ业谒募径扔唵屋^多的原因，以便于提供決策的依據(jù)。

2．要求查詢不同地區(qū)的客戶對商品種類的喜好情況

（1）按Region＿code對Customer維表建立索引。此時(shí)，將按客戶區(qū)域匯總數(shù)據(jù)。

（2）按Product＿class對Product維表建立索引；為簡單起見，假設(shè)Product＿class的值為C1和C2兩種。

（3）沿頂點(diǎn)立方體下鉆，到達(dá)Product維表與Customer維表的組合立方體，分別按關(guān)鍵字Region＿code、Product＿class匯總事實(shí)表中的數(shù)據(jù)，得到C1、C2在6個(gè)地區(qū)（代號從1～6）的訂單匯總數(shù)據(jù)，分別是C11＝10000萬元，C12＝20000萬元，C13＝30000萬元，C14＝35000萬元，C15＝3000萬元，C16＝2000萬元，C21＝50000萬元……

（4）解釋結(jié)果數(shù)據(jù)：發(fā)現(xiàn)對于C1類商品，在華南地區(qū)的訂單數(shù)量最多，而在西南和西北地區(qū)較少。管理決策人員應(yīng)該考慮如何加強(qiáng)針對西南、西北地區(qū)C1類商品的營銷。

二、數(shù)據(jù)挖掘

（一）數(shù)據(jù)挖掘簡介

1．?dāng)?shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘（Data Mining）就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的，但又潛在有用的信息和知識的過程。在早期的數(shù)據(jù)挖掘研究中，數(shù)據(jù)挖掘等同于數(shù)據(jù)庫中的知識發(fā)現(xiàn)KDD （Knowledge Discovery in Database）。在1995年第一屆知識發(fā)現(xiàn)與數(shù)據(jù)挖掘國際學(xué)術(shù)會議上，專家將數(shù)據(jù)庫中的大量數(shù)據(jù)比喻為“礦床”，因此，數(shù)據(jù)挖掘就是在“礦床”中挖掘“金子”。此后，數(shù)據(jù)挖掘的概念和術(shù)語就得以流傳了。

關(guān)于數(shù)據(jù)挖掘的較為精確的定義是在1996年由Fayyad等人提出的：數(shù)據(jù)挖掘就是從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他信息庫中的大量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。

數(shù)據(jù)挖掘的一般原理步驟：

（1）建立數(shù)據(jù)庫或數(shù)據(jù)倉庫管理系統(tǒng)，對原始行業(yè)或營銷數(shù)據(jù)進(jìn)行存儲、預(yù)處理；提供一般的查詢、統(tǒng)計(jì)功能。

（2）在存儲數(shù)據(jù)的基礎(chǔ)上，對數(shù)據(jù)進(jìn)行分析處理，尋找數(shù)據(jù)庫中所蘊(yùn)涵的規(guī)則、規(guī)律等有用的知識。

（3）對于需要挖掘的特定主題，可以根據(jù)用戶的要求，選擇特定的挖掘算法（如匯總、分類、回歸、聚類等）進(jìn)行挖掘。

（4）將所挖掘到的規(guī)則（知識）應(yīng)用于實(shí)際系統(tǒng)中，進(jìn)行規(guī)律或知識的驗(yàn)證。

總之，數(shù)據(jù)挖掘過程是一個(gè)對數(shù)據(jù)處理、反復(fù)迭代的過程。通常包含多個(gè)相互聯(lián)系的步驟：預(yù)處理、提出假設(shè)、選取算法、提取規(guī)則、規(guī)則評價(jià)和解釋、規(guī)則知識的應(yīng)用。

示例：在一個(gè)包含有1000條記錄的數(shù)據(jù)庫中，存儲著網(wǎng)絡(luò)用戶訪問商務(wù)網(wǎng)站的數(shù)據(jù)。其中，有30%的客戶年齡在20～30歲，根據(jù)這個(gè)事實(shí)可以推出：有30%左右的年輕人喜歡這個(gè)網(wǎng)站的產(chǎn)品。因此，該網(wǎng)站在產(chǎn)品開發(fā)中要更多地考慮年輕人的需要。

這個(gè)示例表明：通過分析、推理過程，可以從一個(gè)數(shù)據(jù)庫中得到有用的知識。再通過所得到的規(guī)則，結(jié)合自己的領(lǐng)域知識，得到不能直接從數(shù)據(jù)庫中得到的一些規(guī)則或規(guī)律，這就是數(shù)據(jù)挖掘（或知識發(fā)現(xiàn)）。

2．?dāng)?shù)據(jù)挖掘的任務(wù)

數(shù)據(jù)挖掘就是尋找數(shù)據(jù)庫或數(shù)據(jù)倉庫中有用的知識（模式），所謂“模式”是關(guān)于數(shù)據(jù)集合的某種抽象描述。模式分成描述型與預(yù)測型兩種。描述型只能揭示數(shù)據(jù)集合中存在的規(guī)律或規(guī)則，或者是數(shù)據(jù)之間的相互聯(lián)系；預(yù)測型則可以根據(jù)數(shù)據(jù)集合中的數(shù)據(jù)，預(yù)測一些未知的數(shù)據(jù)。

由數(shù)據(jù)挖掘的任務(wù)可以發(fā)現(xiàn)數(shù)據(jù)挖掘的研究涉及多門學(xué)科領(lǐng)域，主要有數(shù)據(jù)庫、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、模式識別、人工智能、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)可視化等。數(shù)據(jù)挖掘的功能包括了概念類的描述、關(guān)聯(lián)規(guī)則、分類、預(yù)測、聚類、趨勢分析、偏差分析和類似性分析等。

在數(shù)據(jù)挖掘的研究中，還需要應(yīng)用行業(yè)的背景知識。要實(shí)現(xiàn)數(shù)據(jù)挖掘的功能，通常是構(gòu)建一個(gè)具有應(yīng)用背景的數(shù)據(jù)挖掘系統(tǒng)。這樣的系統(tǒng)包括了挖掘控制模塊、數(shù)據(jù)庫接口、背景知識庫、數(shù)據(jù)查詢模塊、數(shù)據(jù)挖掘模塊、模式評價(jià)模塊、知識驗(yàn)證模塊等幾個(gè)部分。

各模塊的含義如下：

（1）挖掘控制模塊：初始化系統(tǒng)中的各個(gè)構(gòu)件。

（2）數(shù)據(jù)庫接口：響應(yīng)查詢請求，對數(shù)據(jù)源進(jìn)行加工處理。

（3）背景知識庫：相應(yīng)領(lǐng)域知識數(shù)據(jù)庫或數(shù)據(jù)倉庫。

（4）數(shù)據(jù)查詢模塊：理解用戶的挖掘主題，生成初始查詢、統(tǒng)計(jì)結(jié)果。

（5）數(shù)據(jù)挖掘模塊：完成相應(yīng)的挖掘算法功能，輸出挖掘的規(guī)則或可理解的知識。

（6）模式評價(jià)模塊：根據(jù)模式的精度要求，對挖掘的中間或最后結(jié)果進(jìn)行篩選。

（7）知識驗(yàn)證模塊：將經(jīng)驗(yàn)證的挖掘輸出結(jié)果添加到背景知識庫中，用以支持后續(xù)的挖掘。

完成數(shù)據(jù)挖掘任務(wù)的流程：

（1）準(zhǔn)備待挖掘的數(shù)據(jù)，將其存于數(shù)據(jù)庫或數(shù)據(jù)倉庫中。

（2）確定要挖掘的主題知識類型，如需要確定是否要挖掘關(guān)聯(lián)規(guī)則、分類或預(yù)測等。

（3）建立背景知識庫，并對背景知識庫中的數(shù)據(jù)進(jìn)行概念分層，概念分層能夠在多個(gè)抽象層挖掘數(shù)據(jù)。背景知識有助于指導(dǎo)、評價(jià)知識的發(fā)現(xiàn)過程以及所發(fā)現(xiàn)的模式。

（4）確定對挖掘知識的興趣度度量。興趣度包括支持度（出現(xiàn)規(guī)則模式的任務(wù)相關(guān)記錄所占的百分比）和置信度（出現(xiàn)規(guī)則的蘊(yùn)涵強(qiáng)度估計(jì)）。如果對所發(fā)現(xiàn)的模式的支持度與置信度低于用戶指定的值，則這些規(guī)則被認(rèn)為是不感興趣的。

（5）發(fā)現(xiàn)模式的表示和可視化。輸出由公式、規(guī)則、表格、圖表、圖、決策樹等所表示的結(jié)果。

3．?dāng)?shù)據(jù)挖掘的方法

（1）決策樹方法。利用信息論中的信息增益尋找數(shù)據(jù)庫中具有最大信息量的字段，建立決策樹的一個(gè)結(jié)點(diǎn)，再根據(jù)字段的不同取值建立樹的分支，在每個(gè)分支子集中重復(fù)建立樹的下層結(jié)點(diǎn)和分支的過程，即可構(gòu)造一棵決策樹。最有影響的決策樹算法是ID3算法，數(shù)據(jù)庫越大，該算法的效果越好，在ID3的基礎(chǔ)上又發(fā)展了各種改進(jìn)算法。

（2）關(guān)聯(lián)規(guī)則挖掘。關(guān)聯(lián)規(guī)則挖掘用于發(fā)現(xiàn)同一事件中不同數(shù)據(jù)項(xiàng)的相關(guān)性。典型的購物籃分析（顧客在一次購物中所進(jìn)行的商品組合或集合）是一個(gè)引發(fā)關(guān)聯(lián)規(guī)則挖掘的例子，它只是關(guān)聯(lián)規(guī)則挖掘的一個(gè)形式。購物籃分析想要了解的是客戶在一次購物中會同時(shí)購買哪些商品，以此作為調(diào)整營銷策略決策的依據(jù)。

關(guān)聯(lián)規(guī)則挖掘涉及下面幾個(gè)方面的問題：

第一，規(guī)則所處理的數(shù)據(jù)類型：如果規(guī)則考慮所關(guān)聯(lián)的屬性是否存在，則它是布爾型關(guān)聯(lián)規(guī)則挖掘；如果規(guī)則描述的是量化的項(xiàng)或?qū)傩灾g的關(guān)聯(lián)，則它是量化關(guān)聯(lián)規(guī)則挖掘。

第二，規(guī)則所涉及的數(shù)據(jù)維：如果規(guī)則中關(guān)注的是單一的屬性，則是單維關(guān)聯(lián)規(guī)則挖掘；如果涉及兩個(gè)或兩個(gè)以上的維，則屬于多維關(guān)聯(lián)規(guī)則挖掘。

第三，規(guī)則所涉及的數(shù)據(jù)分別屬于不同的概念抽象層，則是多層關(guān)聯(lián)規(guī)則挖掘；否則是單層關(guān)聯(lián)規(guī)則挖掘。

第四，關(guān)聯(lián)規(guī)則的各種擴(kuò)充分析：可以挖掘最大模式或頻繁項(xiàng)集。

常用的Apriori算法是最有影響的挖掘布爾型關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法，它分為兩步，首先找出滿足最小支持度閾值的頻繁項(xiàng)集；然后由其形成滿足最小置信度閾值的強(qiáng)關(guān)聯(lián)規(guī)則。在應(yīng)用中可以將Web挖掘得到的關(guān)聯(lián)規(guī)則用于改進(jìn)電子商務(wù)站點(diǎn)的結(jié)構(gòu)，將相關(guān)聯(lián)的商品放在一起，減輕用戶過濾信息的負(fù)擔(dān)，增加交叉銷售。

關(guān)聯(lián)規(guī)則挖掘的對象數(shù)據(jù)集，經(jīng)常是超市、商場等交易數(shù)據(jù)集。每個(gè)交易包含一個(gè)數(shù)據(jù)項(xiàng)集，關(guān)聯(lián)挖掘算法作用于交易集，返回各數(shù)據(jù)項(xiàng)集間存在的關(guān)系。

（3）概念樹方法。對數(shù)據(jù)庫中記錄的屬性按概念分層的方式進(jìn)行抽象，所建立的層次結(jié)構(gòu)稱為概念樹。應(yīng)用概念樹方法進(jìn)行挖掘，可以得到更高一層的較為普遍的知識。例如，對于某個(gè)筆記本銷售數(shù)據(jù)庫中的數(shù)據(jù)，按地區(qū)屬性的歸類方式進(jìn)行抽象，得到了在省份（或直轄市）一級的銷售結(jié)果：上海地區(qū)的筆記本銷售量遠(yuǎn)大于青海地區(qū)的銷售量。在這個(gè)示例中，不以縣或市作為規(guī)則挖掘的層次，而是上升到更高一層的省份（或直轄市）來進(jìn)行挖掘，使得所挖掘的規(guī)則更有一般性。

（4）粗糙集方法。在數(shù)據(jù)庫中，如果將行元素看成對象、列元素看成屬性，又將屬性分為條件屬性與決策屬性，則粗糙集方法研究的是條件屬性對決策屬性的支持情況。

等價(jià)關(guān)系R定義為不同對象的某個(gè)（或幾個(gè)）屬性上取值相同，這些由滿足等價(jià)關(guān)系的對象組成的集合稱為該等價(jià)關(guān)系R的等價(jià)類，條件屬性上的等價(jià)類E與決策屬性上的等價(jià)類Y之間有下面三種情況：

下近似：表示Y包含E；

上近似：Y與E的交為非空；

無關(guān)：Y與E的交為空。

在數(shù)據(jù)挖掘中，應(yīng)用粗糙集的這三種關(guān)系可以進(jìn)行規(guī)則的挖掘。對于下近似的情況，可以建立確定的規(guī)則；對于上近似的情況，可以根據(jù)置信度，建立不確定性的規(guī)則；對于無關(guān)的情況，不存在規(guī)則。

（5）神經(jīng)網(wǎng)絡(luò)方法。神經(jīng)網(wǎng)絡(luò)是一組連接的輸入、輸出單元，其中每個(gè)連接都與一個(gè)權(quán)值相關(guān)。在學(xué)習(xí)階段，通過調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)，使得能夠預(yù)測輸入樣本的正確類標(biāo)號。神經(jīng)網(wǎng)絡(luò)需要很長時(shí)間的訓(xùn)練，因而有足夠長訓(xùn)練時(shí)間的應(yīng)用較為合適。它需要大量的參數(shù)，這些通?？拷?jīng)驗(yàn)確定。

最流行的神經(jīng)網(wǎng)絡(luò)算法是后向傳播算法。它通過迭代處理一組訓(xùn)練樣本，將每個(gè)樣本的網(wǎng)絡(luò)預(yù)測與實(shí)際知道的類標(biāo)號進(jìn)行比較，修改權(quán)以使網(wǎng)絡(luò)預(yù)測與實(shí)際類之間的均方差最小。這種“修改”沿著網(wǎng)絡(luò)向后傳播，最后經(jīng)隱藏層（如果有的話）到達(dá)輸出層。

如果一個(gè)神經(jīng)網(wǎng)絡(luò)的輸入為I1，I2，…，In，輸出為O1，O2，…，On，那么經(jīng)過訓(xùn)練神經(jīng)網(wǎng)絡(luò)可以提取到類似下面的規(guī)則：

If（I1＝0and I2＝0and I3＝1）then class＝1；

If（I2＝0and I4＝0and I5＝0）then class＝2。

（6）遺傳算法。這是模擬生物進(jìn)化過程的算法。由三個(gè)基本算子組成：

繁殖（選擇）：從一個(gè)舊種群中選擇生命力強(qiáng)的個(gè)體，產(chǎn)生新的種群。

交叉（重組）：選擇兩個(gè)不同個(gè)體的部分進(jìn)行交換，生成一個(gè)新的個(gè)體。

變異（突變）：對某些個(gè)體的某些基因進(jìn)行變異處理（1變0，0變1）。

遺傳算法有改良后代的作用。經(jīng)過若干代的遺傳，可以得到問題的解。遺傳算法更適合應(yīng)用于優(yōu)化計(jì)算和分類機(jī)器學(xué)習(xí)等方面。

（7）統(tǒng)計(jì)分析方法。由于關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)在字段之間存在著函數(shù)和相關(guān)兩種關(guān)系。函數(shù)關(guān)系是可以用函數(shù)公式表示的確定性關(guān)系，借此可以得到一些規(guī)則；相關(guān)關(guān)系不能用函數(shù)公式表示，但可以采用回歸分析、主成分分析等方法來得到其相關(guān)的確定關(guān)系和規(guī)則。

（二）數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用

電子商務(wù)利用以Internet為核心的信息技術(shù)進(jìn)行商務(wù)活動和企業(yè)資源管理，其核心是高效率地管理企業(yè)的所有信息，提高內(nèi)部管理效率，幫助企業(yè)準(zhǔn)確進(jìn)行市場定位，從而提高產(chǎn)品銷售量，降低成本，獲得更大的效益。然而企業(yè)如何對積累起來的海量數(shù)據(jù)進(jìn)行分析、如何充分利用隱藏在這些數(shù)據(jù)背后的信息，已經(jīng)成為電子商務(wù)企業(yè)越來越關(guān)注的問題。

應(yīng)用數(shù)據(jù)挖掘技術(shù)可以幫助人們?nèi)ふ液桶l(fā)現(xiàn)隱藏在數(shù)據(jù)背后的知識，將其呈現(xiàn)給企業(yè)決策層，為產(chǎn)品定位、制定銷售和服務(wù)策略、實(shí)施客戶關(guān)系營銷等提供有價(jià)值的支撐信息。

在電子商務(wù)中，營銷策略的制定與實(shí)施是至關(guān)重要的，它決定了整個(gè)企業(yè)的命脈。而營銷策略的制定與電子商務(wù)的特點(diǎn)、顧客購買行為的分類、庫存結(jié)構(gòu)的優(yōu)化、商品的有效促銷方式、良好的客戶點(diǎn)擊率以及Web網(wǎng)站的結(jié)構(gòu)與布局等有關(guān)。

下面以市場營銷、客戶關(guān)系、Web平臺三個(gè)方面分析數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的具體應(yīng)用。

1．?dāng)?shù)據(jù)挖掘在市場營銷中的應(yīng)用

在市場營銷中有一個(gè)有趣的故事：某超市在分析顧客的購買習(xí)慣時(shí)，驚奇地發(fā)現(xiàn)凡購買紙尿布的年輕男士，都會同時(shí)購買啤酒！為此對超市的商品重新進(jìn)行布局，將紙尿布與啤酒放在相近的貨架上。這是一個(gè)潛藏的、有用的知識?！凹埬虿寂c啤酒”的故事告訴我們數(shù)據(jù)挖掘技術(shù)在商業(yè)領(lǐng)域的合理應(yīng)用可以為企業(yè)帶來可觀的利潤。

在市場營銷的策略制定以及實(shí)施中，企業(yè)管理層可以按商品種類、銷售數(shù)量、網(wǎng)站結(jié)構(gòu)與布局、價(jià)格和日期等不同的分類方式了解企業(yè)每天的運(yùn)營情況，對銷售增長、庫存變化以及通過促銷而提高的銷售額都可了如指掌。針對市場營銷的特點(diǎn)，可以應(yīng)用的數(shù)據(jù)挖掘技術(shù)有關(guān)聯(lián)規(guī)則、分類、聚類分析等技術(shù)。

（1）應(yīng)用關(guān)聯(lián)規(guī)則挖掘，識別顧客的購買行為習(xí)慣。關(guān)聯(lián)規(guī)則也稱為關(guān)聯(lián)模式，是美國BIM Almaden Research Center的R．Agrawal等人于1993年提出的，是數(shù)據(jù)挖掘研究中的一個(gè)重要課題。關(guān)聯(lián)規(guī)則是指在大量數(shù)據(jù)中，項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系，關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的對象主要是交易數(shù)據(jù)庫，它是描述庫中數(shù)據(jù)項(xiàng)同時(shí)出現(xiàn)的規(guī)則模式。

設(shè)I＝｛I1，I2，…，In｝是一個(gè)數(shù)據(jù)項(xiàng)集。用D表示交易數(shù)據(jù)的集合。每條交易T對應(yīng)于一個(gè)數(shù)據(jù)項(xiàng)（所購買的物品）的集合。關(guān)聯(lián)規(guī)則是一種蘊(yùn)涵關(guān)系：X→Y的蘊(yùn)涵式（稱為X蘊(yùn)涵Y），其中X＞I，Y＞I，X∩Y＝ō；且在Y中不存在X的祖先（上層概念）數(shù)據(jù)項(xiàng)，交易集D中規(guī)則X→Y，解釋為購買X的顧客也會購買Y商品，并且該規(guī)則由置信度和支持度約束。

支持度（Support）：它是對X→Y的重要性（或適用范圍）的衡量，集合D中規(guī)則X→Y的支持度定義為物品集X，Y同時(shí)出現(xiàn)的概率。支持度描述了X和Y這兩個(gè)物品集的并集在所有的事務(wù)D中出現(xiàn)的概率。

置信度（Confidence）：它是對關(guān)聯(lián)規(guī)則的準(zhǔn)確度的衡量，集合D中規(guī)則X→Y的置信度定義為在物品集X出現(xiàn)的前提下，Y出現(xiàn)的概率。即置信度等于同時(shí)出現(xiàn)X和Y的支持度除以單獨(dú)出現(xiàn)Y的支持度。

對于顧客購買行為的識別與分級，體現(xiàn)在強(qiáng)關(guān)聯(lián)規(guī)則的挖掘中，可以通過用戶指定的支持度和置信度來識別所挖掘的規(guī)則是否為用戶感興趣的強(qiáng)關(guān)聯(lián)規(guī)則。

關(guān)聯(lián)規(guī)則的挖掘在決策支持系統(tǒng)、專家系統(tǒng)和商務(wù)智能信息系統(tǒng)等各個(gè)方面起著重要的作用。通過對顧客購買行為習(xí)慣的識別與分析，以期制定合理的營銷策略。通過對商品銷售品種的活躍性分析和關(guān)聯(lián)性分析，建立最優(yōu)的商品結(jié)構(gòu)，設(shè)置最佳的布局體系，合理利用庫存資源，優(yōu)化庫存結(jié)構(gòu)，發(fā)揮電子商務(wù)網(wǎng)站的各項(xiàng)功能。

（2）聚類分析，提供個(gè)性化服務(wù)。聚類是將具有相似特征的對象聚成一個(gè)簇（Cluster）。在電子商務(wù)信息挖掘中，可以進(jìn)行兩種聚類：用戶聚類和頁面聚類。用戶聚類是對用戶訪問會話和用戶訪問事務(wù)的聚類分析，用戶聚類是要建立具有相似瀏覽模式的用戶Cluster。這樣的規(guī)則對于電子商務(wù)中的市場決策和向用戶提供個(gè)性化服務(wù)是非常有幫助的。而頁面聚類是要發(fā)掘具有相關(guān)內(nèi)容的頁面Cluster，這對于Internet搜索引擎和Web提供商都是非常有用的。

聚類分析能夠發(fā)現(xiàn)對特定商品感興趣的用戶，確定有效的商品促銷手段，確定銷售策略及廣告業(yè)務(wù)的有效性。通過對顧客購買偏好的分析，確定促銷目標(biāo)客戶群，在此基礎(chǔ)上設(shè)計(jì)促銷方案，挖掘客戶潛在購買力，實(shí)現(xiàn)準(zhǔn)確的商品促銷。

聚類與分類不同，聚類是無指導(dǎo)學(xué)習(xí)的一個(gè)實(shí)例。聚類不依賴預(yù)先定義的類和帶類標(biāo)號的訓(xùn)練實(shí)例。聚類是觀察式學(xué)習(xí)，而不是示例式學(xué)習(xí)。聚類分析能成為一個(gè)獨(dú)立的數(shù)據(jù)挖掘工具，而獲得數(shù)據(jù)分布的結(jié)果，觀察每個(gè)簇的特點(diǎn)，可以得到有趣的知識規(guī)則。

主要聚類方法的分類：

第一，劃分方法：給定一個(gè)具有n個(gè)對象或記錄的數(shù)據(jù)庫，將其劃分為k個(gè)，每個(gè)劃分表示一個(gè)聚集（簇），并且k≤n。這些簇滿足下列要求：①每個(gè)簇至少包含一個(gè)對象。②每個(gè)對象必須屬于且只屬于一個(gè)簇。

第二，層次方法：層次方法對給定的對象集合進(jìn)行按層次分解。根據(jù)層次分解的形成方式，層次聚類方法又可分為凝聚型與分裂型。

第三，基于密度的方法：絕大多數(shù)劃分是基于對象之間的距離進(jìn)行的聚類。DBSCAN是一個(gè)典型的基于密度的聚類算法。

第四，基于網(wǎng)格的方法：它將對象空間量化為有限數(shù)目的單元，形成了一個(gè)網(wǎng)格結(jié)構(gòu)，所有的聚類操作都在這個(gè)網(wǎng)格結(jié)構(gòu)上進(jìn)行。

第五，基于模型的方法：基于模型的方法為每個(gè)簇假定了一個(gè)模型，尋找數(shù)據(jù)對給定模型的最佳擬合。一個(gè)基于模型的算法可能通過構(gòu)建反映數(shù)據(jù)點(diǎn)空間分布的密度函數(shù)來定位聚類。

劃分聚類算法描述：

算法：k－平均。劃分的k－平均算法是基于簇中對象的平均值。

輸入：簇的數(shù)目k和包含n個(gè)對象的數(shù)據(jù)庫。

輸出：k個(gè)簇，使平方誤差準(zhǔn)則最小。

方法：任選k個(gè)對象作為初始的簇中心；Repeat；根據(jù)簇中對象的平均值，將每個(gè)對象重新分配到最類似的簇中；更新簇的平均值，即計(jì)算每個(gè)簇中對象的平均值；Until不再發(fā)生變化。

劃分算法的應(yīng)用示例：假設(shè)有一個(gè)顧客年齡的對象集合Age＝｛18，22，25，42，28，43，33，35，56｝，給定k＝3，即按用戶要求將這個(gè)年齡集合中的數(shù)據(jù)聚類為3個(gè)簇。根據(jù)算法演示聚類過程如下：

第一，以初始的3個(gè)對象18，22，25為初始簇中心。

第二，將Age集合中的對象，以最近簇中心原則，劃分到3個(gè)簇中，第1遍劃分結(jié)果：簇1＝｛18｝，簇2＝｛22｝，簇3＝｛25，42，28，43，33，35，56｝。

第三，重新計(jì)算各簇對象的平均值，分別為18，22，37。再次將Age中的對象，以最近簇中心原則劃分到3個(gè)簇中，第2遍劃分結(jié)果：簇1＝｛18｝，簇2＝｛22，25，28｝，簇3＝｛42，43，35，33，56｝。

第四，重新計(jì)算各簇對象的平均值，分別為18，25，42。再次將Age中的對象，以最近簇中心原則劃分到3個(gè)簇中，第3遍劃分結(jié)果：簇1＝｛18｝，簇2＝｛22，25，28，33｝，簇3＝｛42，43，35，56｝。

第五，重新計(jì)算各簇對象的平均值，分別為18，27，44。再次將Age中的對象，以最近簇中心原則劃分到3個(gè)簇中，第4遍劃分結(jié)果：簇1＝｛18，22｝，簇2＝｛25，28，33，35｝，簇3＝｛42，43，56｝。

第六，重新計(jì)算各簇對象的平均值，分別為20，30，47。再次將Age中的對象，以最近簇中心原則劃分到3個(gè)簇中，第5遍劃分結(jié)果：簇1＝｛18，22｝，簇2＝｛25，28，33，35｝，簇3＝｛42，43，56｝。

第七，重新計(jì)算各簇對象的平均值，分別為20，30，47。各聚類簇已經(jīng)不再變化，算法終止。得到最后的聚類結(jié)果：簇1＝｛18，22｝，簇2＝｛25，28，33，35｝，簇3＝｛42，43，56｝。

該示例表明：如果這是某商務(wù)網(wǎng)站顧客的年齡聚集，可以看出與簇2相關(guān)聯(lián)的顧客具有較強(qiáng)的購買力，可以針對他們制定個(gè)性化的促銷方案。

在電子商務(wù)中客戶聚類是一個(gè)重要的方面。通過分組具有相似瀏覽行為的客戶并分析組中客戶的共同特征，可以幫助電子商務(wù)的組織者更好地了解自己的客戶，及時(shí)調(diào)整頁面及頁面內(nèi)容，使商務(wù)活動能夠在更大程度上滿足客戶的要求，向客戶提供更適合、更面向客戶的服務(wù)，使商務(wù)活動對客戶和銷售商來說更具意義。

2．?dāng)?shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用

所謂“客戶關(guān)系管理”是指通過管理客戶信息資源，提供客戶滿意的產(chǎn)品和服務(wù)，與客戶建立起長期、穩(wěn)定、相互信任、互惠互利的密切關(guān)系的動態(tài)過程和經(jīng)營策略。在電子商務(wù)中，為客戶關(guān)系管理提供了較之傳統(tǒng)企業(yè)更為有效的支持，使得客戶可以通過網(wǎng)站準(zhǔn)確地訪問企業(yè)的信息，為建立良好的客戶與企業(yè)之間的關(guān)系打下了堅(jiān)實(shí)的基礎(chǔ)。

通過數(shù)據(jù)挖掘技術(shù)對大量的客戶群體進(jìn)行分類，同類的客戶具有相似的屬性?？梢岳矛F(xiàn)有的客戶信息和客戶交易歷史信息，分析流失客戶的特征。在現(xiàn)有的客戶中尋找出流失可能性比較高的客戶，然后制定相應(yīng)的營銷策略，爭取留住這些客戶。

企業(yè)可以針對不同類別的客戶，經(jīng)常通過廣告、優(yōu)惠券、各種折扣和讓利的方式促銷產(chǎn)品，吸引顧客。認(rèn)真分析促銷活動對各類客戶的有效性，進(jìn)一步利用序列模式挖掘以分析顧客的消費(fèi)或忠誠的變化，據(jù)此對價(jià)格和商品加以調(diào)整，以便留住老客戶，吸引新顧客。

針對不同類型的用戶，可以采用不同的購買推薦計(jì)劃。購買推薦計(jì)劃可利用Web、每周傳單或收據(jù)做宣傳，以便改進(jìn)服務(wù)，幫助顧客選擇商品，增加銷售額。提供有針對性的產(chǎn)品和服務(wù)，以提高客戶的滿意度。

分類是將一個(gè)對象分到事先定義好的類中。在電子商務(wù)信息挖掘中，分類可用于幫助建立特定的用戶類別，這需要抽取并選擇最能描述這組特定用戶的特征。分類可以使用監(jiān)督學(xué)習(xí)算法，如決策樹、分類器、支持向量機(jī)等。下面以決策樹算法（ID3）為例，對電子商務(wù)的客戶進(jìn)行歸納分類。

（1）決策樹算法的基本思想。決策樹（Decision Tree）是一個(gè)類似流程圖的樹結(jié)構(gòu)，其中每個(gè)結(jié)點(diǎn)表示在一個(gè)屬性上的測試，每個(gè)分枝代表一個(gè)測試，每個(gè)樹葉結(jié)點(diǎn)代表類或類的分布。樹的最頂層是根結(jié)點(diǎn)。測試結(jié)點(diǎn)用矩形表示，樹葉結(jié)點(diǎn)用橢圓表示。

為了對未知的樣本數(shù)據(jù)進(jìn)行分類，樣本的屬性值將在決策樹的測試結(jié)點(diǎn)上被測試分枝，由根經(jīng)測試結(jié)點(diǎn)到樹葉結(jié)點(diǎn)的路徑，將形成對數(shù)據(jù)的分類規(guī)則。

構(gòu)造好決策樹的關(guān)鍵在于如何選擇好的邏輯判斷或?qū)傩?。對于同樣一組數(shù)據(jù)，可以構(gòu)造很多決策樹。一般情況下，樹越小則樹的分類預(yù)測能力越強(qiáng)。要構(gòu)造盡可能小的決策樹，關(guān)鍵在于選擇合適的測試屬性和度量。

信息增益法（Information Gain）普遍地被用于決策樹的測試屬性度量。即在所有對分類類別產(chǎn)生影響的屬性中，選擇具有最高信息增益值（或稱具有最大熵）的屬性，作為當(dāng)前結(jié)點(diǎn)的測試屬性。這種方法能構(gòu)造盡可能小的決策樹，并確保找到一棵簡單的樹，以獲得分類的規(guī)則。

信息增益法中信息熵的計(jì)算方法：

設(shè)S是s個(gè)數(shù)據(jù)樣本的集合，假定類別號屬性具有m個(gè)不同的值，定義m個(gè)不同類Ci（i＝1，2，…，m）。設(shè)si是類Ci中的樣本數(shù)。對于一個(gè)給定的樣本分類所需要的期望值計(jì)算公式如下：

其中Pi是任意樣本屬于Ci的概率，并用si／S估算。

設(shè)屬性A具有v個(gè)不同值（a1，a2，…，av）?？梢杂脤傩訟將S劃分為v個(gè)子集（S1，S2，…，Sv），其中，Sj是在S中，在屬性A上取值為aj的樣本子集。如果選擇A作測試屬性，則根據(jù)由A劃分的子集的熵（Entropy）或期望值計(jì)算公式如下：

這樣，在A上分枝將獲得的編碼信息：

算法基本思想：決策樹算法計(jì)算每個(gè)屬性的信息增益，具有最高信息增益的屬性將被選作給定集合S的測試屬性。創(chuàng)建一個(gè)結(jié)點(diǎn)，并以該屬性標(biāo)記對屬性的每個(gè)值創(chuàng)建分枝，并根據(jù)此分枝進(jìn)行分類。

決策樹算法步驟：

第一，創(chuàng)建結(jié)點(diǎn)N。

第二，If T都在同一個(gè)類C then返回N作為葉結(jié)點(diǎn)，以類C標(biāo)記。

第三，If attribute＿list為空then返回N作為葉結(jié)點(diǎn)，標(biāo)記為T中最普通的類。

第四，F(xiàn)or each attribute＿list中的屬性，計(jì)算信息增益gain。

第五，選擇attribute＿list中具有最高信息增益gain值的屬性作為結(jié)點(diǎn)N的測試屬性test＿attribute。

第六，標(biāo)記結(jié)點(diǎn)N為test＿attribute。

第七，F(xiàn)or each test＿attribute中的已知值ai，由結(jié)點(diǎn)N長出一個(gè)條件為test＿attribute＝ai的分枝。

第八，設(shè)si是T中test＿attribute＝ai的樣本集合。

第九，If si為空then加上一個(gè)樹葉結(jié)點(diǎn)，標(biāo)記為T中最普通和最常出現(xiàn)的類。

第十，在該結(jié)點(diǎn)上執(zhí)行Generate＿decision＿tree繼續(xù)對它分裂。

決策樹算法的應(yīng)用示例：

有如下顧客購買數(shù)據(jù)，其中的數(shù)據(jù)記錄與屬性如表10－2所示。

表10－2　顧客購買數(shù)據(jù)

應(yīng)用步驟：

第一，由表可知，分類屬性class：買車，有兩個(gè)不同值（yes，no），所以對于由該表給定的數(shù)據(jù)樣本來說，有兩個(gè)不同的分類，設(shè)C1對應(yīng)yes，C2對應(yīng)no。C1＝9，C2＝5。

第二，計(jì)算對給定樣本所需的期望值：I（s1，s2）＝I（9，5）＝－9／14×log2 （9／14）－5／14×log2（5／14）＝0．94

第三，從age開始，計(jì)算每個(gè)屬性的熵。

對于age≤30，s11＝2，s21＝3，I（s11，s21）＝0．97

對于31≤age≤40，s12＝4，s22＝0，I（s12，s22）＝0

對于age＞40，s31＝3，s32＝2，I（s31，s32）＝0．97

計(jì)算對于age分類的期望值E（age）＝5／14×I（s11，s21）＋4／14×I（s21，s22）＋5／14×I（s31，s32）＝0．69

計(jì)算基于這種劃分的信息增益是：Gain（age）＝I（s1，s2）－E（age）＝0．25

類似計(jì)算Gain（income）＝0．029。由于age屬性的信息增益最高，所以選age作為測試屬性進(jìn)行分枝。

第四，創(chuàng)建一個(gè)結(jié)點(diǎn)，用Age標(biāo)記，并對每個(gè)屬性值，畫出一個(gè)樹枝，如圖10－6所示。

圖10－6　age為測試屬性的決策樹

從決策樹所得分類規(guī)則如下：

If age≤30and income＝high then購買汽車；

If age≤30and income＝low or medium then不購買汽車；

If 31＜age≤40then購買汽車；

If age≥40and income＝high or medium then購買汽車。

上述部分規(guī)則可以用以指導(dǎo)電子商務(wù)網(wǎng)站，從而有目的地進(jìn)行汽車營銷。決策樹可以作為一些商業(yè)規(guī)則歸納系統(tǒng)的基礎(chǔ)。

3．?dāng)?shù)據(jù)挖掘在Web數(shù)據(jù)平臺中的應(yīng)用

電子商務(wù)采用數(shù)字化方式進(jìn)行商業(yè)活動，是在電子網(wǎng)絡(luò)環(huán)境中進(jìn)行商品和服務(wù)的貿(mào)易活動。隨著網(wǎng)絡(luò)的普及和Internet的發(fā)展，各企業(yè)均積累了大量的數(shù)據(jù)。如何從這些數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)律以幫助制定企業(yè)今后的發(fā)展戰(zhàn)略，是各電子商務(wù)平臺亟待解決的問題。Web挖掘作為數(shù)據(jù)挖掘的一個(gè)重要分支，為上述問題提供了有效的解決途徑。

Web挖掘是指從與Web相關(guān)的資源和行為中抽取感興趣的、有用的模式和隱含知識。一般地，Web挖掘可分為三類：

（1）Web內(nèi)容挖掘：是從文檔內(nèi)容或其描述中抽取知識的過程。它又可以分為Web頁面內(nèi)容挖掘和搜索結(jié)果挖掘。頁面內(nèi)容挖掘是指對Web頁面數(shù)據(jù)進(jìn)行挖掘，而搜索結(jié)果挖掘則是指以某一搜索引擎為基礎(chǔ)，對已搜索結(jié)果進(jìn)行挖掘。

頁面內(nèi)容包括的實(shí)際數(shù)據(jù)，如網(wǎng)站上的文本和圖片等，主要是指HTML和XML頁面的內(nèi)容，包括本文、圖片、語音、圖像等。頁面內(nèi)容還包含了用戶通過電子商務(wù)網(wǎng)站所查詢的數(shù)據(jù)，它是用戶的需求內(nèi)容在服務(wù)器上產(chǎn)生的一種典型數(shù)據(jù)。

搜索結(jié)果挖掘，可以得到客戶所感興趣的信息，以便更好地為客戶服務(wù)，對產(chǎn)品進(jìn)行有針對性的促銷等。

頁面內(nèi)容挖掘通常采用聚類、關(guān)聯(lián)規(guī)則等數(shù)據(jù)挖掘技術(shù)。通過分類具有相似瀏覽行為的客戶及客戶的共同特征，可以幫助電子商務(wù)的組織者更好地了解自己的客戶，及時(shí)調(diào)整頁面及頁面內(nèi)容，使商務(wù)活動能夠在更大程度上滿足客戶的要求，向客戶提供更適合的服務(wù)，使商務(wù)活動對客戶和銷售商來說更具意義。

（2）Web結(jié)構(gòu)挖掘：是從WWW的組織結(jié)構(gòu)和鏈接關(guān)系中推導(dǎo)知識。它又可以分為外部結(jié)構(gòu)挖掘、內(nèi)部結(jié)構(gòu)挖掘和URL挖掘。Web結(jié)構(gòu)挖掘的目的是通過聚類和分析網(wǎng)頁的鏈接，發(fā)現(xiàn)網(wǎng)頁的結(jié)構(gòu)和有用的模式規(guī)則。

通過Web結(jié)構(gòu)挖掘改進(jìn)站點(diǎn)的設(shè)計(jì)。站點(diǎn)的結(jié)構(gòu)和內(nèi)容是吸引用戶的關(guān)鍵。通過挖掘用戶的行為紀(jì)錄和反饋情況為站點(diǎn)設(shè)計(jì)者提供改進(jìn)的依據(jù)，如確定頁面鏈接應(yīng)如何組織、哪些頁面應(yīng)能夠被直接訪問等。通過Web結(jié)構(gòu)挖掘，可以找出頻繁訪問路徑，得到電子商務(wù)平臺的主要頁面，將重要的銷售信息放在網(wǎng)頁上，有利于用戶快速找到自己需要的商品。

Web結(jié)構(gòu)挖掘通常采用聚類、路徑分析技術(shù)等進(jìn)行。常用的路徑分析方法是有向圖。Web可以用一個(gè)有向圖來表示，G＝（V，E），V是頁面的集合，E是頁面之間的超鏈接集合。頁面抽象為圖中的頂點(diǎn)，而頁面之間的超鏈接抽象為圖中的有向邊。頂點(diǎn)V的入邊表示對V的引用，出邊表示V引用了其他的頁面。

（3）Web使用信息挖掘：Web日志挖掘，是通過挖掘Web日志記錄，發(fā)現(xiàn)用戶訪問Web頁面的模式。它又可分為一般訪問模式挖掘和個(gè)性化服務(wù)模式挖掘。

Web使用信息包括服務(wù)器數(shù)據(jù)、客戶登記信息等。服務(wù)器信息包括客戶訪問站點(diǎn)時(shí)在Web服務(wù)器上留下相應(yīng)的日志數(shù)據(jù)，這些日志數(shù)據(jù)通常以文本文件的形式存儲在服務(wù)器上。一般包括Sever Logs、Error Logs、Cookie Logs等。客戶登記信息是指客戶通過Web網(wǎng)頁輸入的、要提交給服務(wù)器的相關(guān)用戶信息，這些信息通常是關(guān)于用戶個(gè)人的特征信息。分析這些數(shù)據(jù)可以幫助理解用戶的行為，從而改善站點(diǎn)結(jié)構(gòu)或?yàn)橛脩籼峁﹤€(gè)性化的服務(wù)。

利用Web使用信息挖掘，對大量消費(fèi)行為模式進(jìn)行分析，可精確地評價(jià)各種廣告手段的效益，并組合設(shè)計(jì)出最佳的商品宣傳組合方案，根據(jù)關(guān)心某產(chǎn)品的訪問者的瀏覽模式來決定廣告的位置，增強(qiáng)廣告針對性，提高廣告的投資回報(bào)率。

Web使用信息挖掘主要采用聚類、時(shí)間序列模式數(shù)據(jù)挖掘等方法。由于在網(wǎng)站服務(wù)器日志里，用戶的訪問是以一段時(shí)間為單位記載的。經(jīng)過數(shù)據(jù)凈化和事件交易確認(rèn)得到一個(gè)間斷的時(shí)間序列，這些序列所反映的用戶行為有助于管理者向客戶提供更有針對性的服務(wù)，此外還可幫助管理者找到潛在的客戶。

（三）數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用案例

1．實(shí)施CRM戰(zhàn)略

客戶關(guān)系管理是以客戶為中心的思想發(fā)展而來的管理理論。在客戶關(guān)系方面，企業(yè)所能做的，就是盡可能地多收集顧客的信息，借助各種分析方法，透過無序的、表層的信息挖掘出內(nèi)在的知識和規(guī)律，這就是數(shù)據(jù)挖掘技術(shù)所要研究的。在獲得有用信息之后，企業(yè)就可以根據(jù)這些規(guī)律或信息設(shè)計(jì)數(shù)學(xué)模型，對未發(fā)生行為做出結(jié)果預(yù)測，為企業(yè)的綜合經(jīng)營決策、市場策劃提供依據(jù)。

下面是實(shí)施CRM策略的幾個(gè)方面：

（1）了解客戶信息：企業(yè)不僅要想方設(shè)法了解顧客的地址、年齡、性別、收入、職業(yè)、教育程度等基本信息，對婚姻、配偶、家庭狀況、疾病、愛好等的收集也要不遺余力。

（2）發(fā)現(xiàn)“黃金客戶”：通過客戶行為分析，歸類出消費(fèi)額最高、最為穩(wěn)定的客戶群，將其確定為“黃金客戶”。針對不同的客戶檔次，確定相應(yīng)的營銷投入。對于“黃金客戶”，往往還需要制定個(gè)性化營銷策略，以留住高利潤客戶。

（3）客戶關(guān)注點(diǎn)：通過對所收集大量客戶消費(fèi)行為信息進(jìn)行分析，找出客戶最關(guān)注的方面，從而有針對性地進(jìn)行營銷活動。同樣的廣告內(nèi)容，根據(jù)客戶不同的行為習(xí)慣，可以選擇電話聯(lián)系或發(fā)送信函等不同方式。同一個(gè)企業(yè)，會向其客戶發(fā)送不同的信息，而這些信息往往就是顧客感興趣的。

（4）客戶忠誠度：根據(jù)客戶持久性、牢固性及穩(wěn)定性分析。對于高忠誠度客戶，要注意保持商務(wù)網(wǎng)站的良好印象；對于低忠誠度客戶，要么放棄，要么就下工夫把他們培養(yǎng)成忠誠客戶。

案例1：基于智能體技術(shù)的服裝零售個(gè)性化系統(tǒng)。該系統(tǒng)由客戶模式工具集、產(chǎn)品模式工具集、零售商模式工具集、推薦生成機(jī)構(gòu)、議價(jià)對話機(jī)構(gòu)、反饋處理機(jī)構(gòu)、推薦分析模式工具集、議價(jià)經(jīng)驗(yàn)?zāi)Ｊ焦ぞ呒?、?shù)據(jù)挖掘模式工具集九個(gè)部分組成。其中，數(shù)據(jù)挖掘模式工作集將提供適合服裝銷售的知識庫和分析工具，其具有以下功能：①提供一系列的統(tǒng)計(jì)分析工具，在反饋機(jī)構(gòu)中處理所獲取的數(shù)據(jù)。②運(yùn)用數(shù)據(jù)商業(yè)挖掘的數(shù)學(xué)模型，總結(jié)出關(guān)聯(lián)規(guī)則及營銷策略提供給零售商參考。③對系統(tǒng)的工作狀態(tài)進(jìn)行分析，必要時(shí)給出預(yù)警和提示。

該系統(tǒng)中的三個(gè)機(jī)構(gòu)功能簡介如下：

推薦生成機(jī)構(gòu)：利用產(chǎn)品模式工具集、客戶模式工具集、零售商模式工具集和推薦分析模式工具集，搜索相關(guān)的數(shù)據(jù)庫，并通過智能體向消費(fèi)者進(jìn)行各種方式的推薦展示。機(jī)構(gòu)本身就是一種智能體的媒介，可以用來連接消費(fèi)者與后臺數(shù)據(jù)庫和工具集。

議價(jià)對話機(jī)構(gòu)：能夠提供人性化的個(gè)人對話模式，通過與消費(fèi)者協(xié)商達(dá)到統(tǒng)一的價(jià)格認(rèn)同。通過它，可以利用產(chǎn)品模式工具集、客戶模式工具集、零售商模式工具集和議價(jià)經(jīng)驗(yàn)?zāi)Ｊ焦ぞ呒阉飨嚓P(guān)數(shù)據(jù)庫組織議價(jià)的進(jìn)程。

反饋處理機(jī)構(gòu)：能夠收集在線消費(fèi)者的網(wǎng)絡(luò)消費(fèi)行為數(shù)據(jù)，并且能夠通過數(shù)據(jù)挖掘進(jìn)行客戶的個(gè)體化分析，可以動態(tài)地更新相關(guān)數(shù)據(jù)庫。它通過利用產(chǎn)品模式工具集、客戶模式工具集、零售商模式工具集和數(shù)據(jù)挖掘模式工具集，來提高整個(gè)信息交互系統(tǒng)的工作效率并改善個(gè)人客戶的交互服務(wù)。

該系統(tǒng)的原型構(gòu)建可以為在線消費(fèi)者提供有效的交互方式，改善網(wǎng)絡(luò)服裝選購環(huán)境，獲得新的在線購物體驗(yàn)。此外，系統(tǒng)也可以為服裝網(wǎng)絡(luò)零售商提供更為真實(shí)、更有價(jià)值的市場信息。在該系統(tǒng)研究的基礎(chǔ)上，還需要對計(jì)算機(jī)展示服裝的生動性，語義推薦的精確性和智能體算法的快速性等方面的問題進(jìn)行進(jìn)一步的研究工作。

案例2：客戶滿意度評價(jià)系統(tǒng)。它由客戶信息子系統(tǒng)、綜合評判子系統(tǒng)及決策計(jì)劃子系統(tǒng)三個(gè)部分組成。

客戶信息子系統(tǒng)：作為企業(yè)客戶滿意度衡量系統(tǒng)的組成部分，用于采集、處理、保存和傳遞客戶的滿意信息、為滿意度測量與評價(jià)提供基礎(chǔ)數(shù)據(jù)和背景數(shù)據(jù)，用于管理企業(yè)客戶關(guān)系信息。

綜合評判子系統(tǒng)：是客戶滿意度衡量系統(tǒng)中的重點(diǎn)。有許多技術(shù)可以用于分析綜合、解釋和推斷，如統(tǒng)計(jì)分析技術(shù)、繪圖和制表可以使數(shù)據(jù)變得清晰直觀，更能說明問題。

決策計(jì)劃子系統(tǒng)：當(dāng)通過客戶滿意度評價(jià)子系統(tǒng)確認(rèn)了基本問題以后，就應(yīng)該經(jīng)由一個(gè)過程將這些問題排入各職能部門的議事日程。企業(yè)應(yīng)該具備一些經(jīng)過深思熟慮的決策過程，通過它們可以向各職能部門人員明確提出問題，推薦解決辦法，提出其結(jié)果的推測，做出風(fēng)險(xiǎn)估計(jì)，排出實(shí)現(xiàn)目標(biāo)的時(shí)間及行動日程表，這些工作都在決策計(jì)劃子系統(tǒng)中得到解決。

客戶滿意度衡量系統(tǒng)是一個(gè)閉環(huán)系統(tǒng)。它能感受到什么對客戶很重要，并將這個(gè)信息與提供給客戶的產(chǎn)品或服務(wù)進(jìn)行比較，指出哪里需要改變，監(jiān)測那些改變的部分，并且評價(jià)它們在調(diào)節(jié)企業(yè)與客戶的整體關(guān)系上的效果。

2．制定商品營銷策略

案例：面向電子商務(wù)的Web挖掘系統(tǒng)模型。該模型包括數(shù)據(jù)采集層、數(shù)據(jù)處理層、數(shù)據(jù)存儲層、模式發(fā)現(xiàn)層、模式分析利用層和客戶層六個(gè)層次。

模式分析利用層由個(gè)性化網(wǎng)站及商業(yè)智能組成，這也代表了Web挖掘在電子商務(wù)中的兩大應(yīng)用方向。

個(gè)性化網(wǎng)站由Web服務(wù)器、推薦引擎和推薦集三部分組成，其服務(wù)對象是網(wǎng)站的訪問者，它的目的是將網(wǎng)頁的內(nèi)容從原先的以“網(wǎng)站”為中心轉(zhuǎn)變成以“用戶”為中心，盡可能地自動調(diào)整以迎合每個(gè)用戶的瀏覽興趣與購買模式，從而方便用戶，增加采購量。

商業(yè)智能常用的模式分析技術(shù)有可視化技術(shù)、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘查詢語言。商業(yè)智能的服務(wù)對象是商家的決策層，數(shù)據(jù)挖掘的結(jié)果可以幫助他們了解客戶，調(diào)整戰(zhàn)略，改進(jìn)促銷手段，從而達(dá)到贏得競爭的目的。

該項(xiàng)目組與美國某電子商務(wù)公司合作，實(shí)現(xiàn)了面向電子商務(wù)的Web挖掘應(yīng)用系統(tǒng)，為該公司解決了一系列問題，如“我們有多少客戶”，“銷售量是多少”，“這些客戶的特征情況”，“他們的購買模式是什么”，“哪些商品和另外的商品是一起銷售的”等。在這些問題中，前兩者屬于數(shù)據(jù)庫的統(tǒng)計(jì)問題，而后三者則屬于數(shù)據(jù)挖掘的范疇。通過數(shù)據(jù)挖掘提供這些問題的答案，這些結(jié)果的應(yīng)用也為該公司帶來了巨大的商機(jī)。

3．改進(jìn)系統(tǒng)各項(xiàng)性能

電子商務(wù)網(wǎng)站如何減少用戶訪問延時(shí)、提高網(wǎng)絡(luò)服務(wù)質(zhì)量，改進(jìn)系統(tǒng)的各項(xiàng)性能，這些已成為國內(nèi)外的研究熱點(diǎn)。通過采用Web預(yù)取技術(shù)，可以克服Web緩存在利用WWW訪問空間局部性方面的內(nèi)在缺陷，使緩存機(jī)制由時(shí)間局部性向空間局部性擴(kuò)展。預(yù)取技術(shù)在提高電子商務(wù)網(wǎng)站的訪問中，已經(jīng)越來越顯示出它的重要性。但在預(yù)取中仍有以下問題有待進(jìn)一步探討和研究。

（1）實(shí)時(shí)、高效的在線自適應(yīng)預(yù)取模型。首先，必須降低預(yù)測模型的時(shí)間和空間復(fù)雜度。其次，提高對預(yù)取時(shí)機(jī)的預(yù)測準(zhǔn)確率，而這方面的研究還很少。最后，從網(wǎng)絡(luò)業(yè)務(wù)模型的角度研究預(yù)取控制。

（2）將客戶端、代理服務(wù)器端和服務(wù)器端的預(yù)取作為一個(gè)整體進(jìn)行研究。大多數(shù)的預(yù)取算法都是將客戶端、代理服務(wù)器端和服務(wù)器端的預(yù)取分開進(jìn)行研究。這樣的研究方式并不能解決諸如設(shè)置預(yù)取的時(shí)機(jī)、預(yù)取的數(shù)量以及不同預(yù)取之間應(yīng)該如何協(xié)作等問題。為了解決這些問題，必須將客戶端、代理服務(wù)器端和服務(wù)器端的預(yù)取作為一個(gè)整體來研究。

（3）動態(tài)流行度分布模型。某個(gè)對象的流行度在它的生命期內(nèi)是變化的，用戶對新出現(xiàn)對象的興趣比較高，隨著時(shí)間流逝，這種興趣度逐漸變?nèi)?。如果沒有考慮Web對象的生命周期，并不適合于模擬真實(shí)的網(wǎng)站環(huán)境，為了提高預(yù)取的準(zhǔn)確率，必須研究對象在其生命期內(nèi)的動態(tài)流行度分布模型。

（4）正確獲得用戶會話集。相關(guān)研究主要集中在日志文件的挖掘及預(yù)測上，將其中一部分的日志用于訓(xùn)練，將另一部分用于預(yù)測，并且將日志文件按照同一個(gè)IP地址劃分成不同的會話集。由于有很多用戶共用一個(gè)IP和用戶的隨機(jī)訪問，所以會話集并不能真正地代表某個(gè)用戶的訪問序列，而是存在著很多的噪聲。此外，日志文件并不能真正反映用戶的請求，在客戶端滿足的某些請求并不能反映服務(wù)器上。

（5）基于訪問路徑和基于語義的預(yù)取模式相結(jié)合?；赨RL訪問路徑的預(yù)取模型通過構(gòu)造訪問概率圖來預(yù)測將來的訪問，這種方法對于路徑訪問規(guī)律比較明顯的用戶效果很好，而基于語義的方法是根據(jù)用戶已經(jīng)訪問的網(wǎng)頁的關(guān)鍵字進(jìn)行預(yù)取，這種方法能夠預(yù)測用戶從來沒訪問過的網(wǎng)頁。將基于訪問路徑和基于語義的預(yù)取模型相結(jié)合，能在很大程度上提高預(yù)取的性能。

4．增強(qiáng)商業(yè)信用評估

增強(qiáng)商業(yè)信用評估，構(gòu)建和諧社會體制，發(fā)達(dá)的社會信用水平是發(fā)展電子商務(wù)的重要基礎(chǔ)，通過對企業(yè)數(shù)據(jù)統(tǒng)計(jì)和歷史記錄之間的差別、結(jié)果與期望值的偏離以及反常實(shí)例進(jìn)行充分的數(shù)據(jù)挖掘，可有效地防范投資和經(jīng)營風(fēng)險(xiǎn)。通過數(shù)據(jù)挖掘技術(shù)對企業(yè)經(jīng)營進(jìn)行跟蹤，開展企業(yè)的資產(chǎn)評估、利潤收益分析和發(fā)展?jié)摿︻A(yù)測，構(gòu)建完善的安全保障體系，實(shí)施網(wǎng)上全程監(jiān)控，強(qiáng)化網(wǎng)上交易和在線支付的安全管理。利用數(shù)據(jù)挖掘的信用評估模型挖掘交易歷史數(shù)據(jù)，發(fā)現(xiàn)客戶的交易數(shù)據(jù)特征，建立客戶信譽(yù)度級別，有效地防范和化解信用風(fēng)險(xiǎn)，提高企業(yè)信用甄別與風(fēng)險(xiǎn)管理的水平和能力。

電子商務(wù)是現(xiàn)代信息技術(shù)發(fā)展的必然結(jié)果，也是未來商業(yè)運(yùn)作模式的必然選擇。在全球經(jīng)濟(jì)一體化的形勢下，應(yīng)該加強(qiáng)網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)，積極推動企業(yè)的信息化進(jìn)程，健全電子商務(wù)的安全立法和完善物流配送體系，為電子商務(wù)的發(fā)展?fàn)I造良好的環(huán)境。同時(shí)，加強(qiáng)多媒體數(shù)據(jù)挖掘、文本數(shù)據(jù)挖掘和網(wǎng)絡(luò)數(shù)據(jù)挖掘等研究，解決數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全與保密以及數(shù)據(jù)挖掘與其他商業(yè)軟件的集成等問題。利用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘等現(xiàn)代信息技術(shù)，充分發(fā)揮企業(yè)的獨(dú)特優(yōu)勢，促進(jìn)管理創(chuàng)新和技術(shù)創(chuàng)新，使企業(yè)在電子商務(wù)的潮流中立于不敗之地。

本章重要術(shù)語

數(shù)據(jù)倉庫（DW）

聯(lián)機(jī)分析處理（OLAP）

數(shù)據(jù)挖掘（Data Mining）

關(guān)聯(lián)規(guī)則（Apriori）算法

聯(lián)機(jī)事務(wù)處理（OLTP）

數(shù)據(jù)立方體（Data Cube）

決策樹（ID3）算法

習(xí)題

1．什么是數(shù)據(jù)倉庫？它與普通的數(shù)據(jù)庫有什么區(qū)別？

2．?dāng)?shù)據(jù)倉庫采用什么數(shù)據(jù)模型？

3．什么是數(shù)據(jù)挖掘？簡述數(shù)據(jù)挖掘的任務(wù)流程。

4．簡述常用的幾種數(shù)據(jù)挖掘方法，“紙尿布和啤酒”的故事告訴我們的是哪一種數(shù)據(jù)挖掘方法？

5．在關(guān)聯(lián)規(guī)則的挖掘中，如何確定所得到的規(guī)則是用戶感興趣的強(qiáng)關(guān)聯(lián)規(guī)則？簡述規(guī)則的支持度與置信度的定義。

6．聚類與分類有何區(qū)別？

7．什么是Web挖掘？簡述Web挖掘的三種類型。

8．什么是關(guān)系營銷？簡述關(guān)系營銷中的關(guān)系。

9．試述客戶關(guān)系管理的核心思想。

10．什么是呼叫中心？其基本構(gòu)成如何？