淺談基于CRM信息技術的渠道偏好度模型的管理應用

　　大學，是絕大多數的童鞋第一次開始寫論文的時期。因此，小編特地為大家帶來了一篇論文范文，歡迎大家閱讀學習!下面文書幫小編給大家帶來一篇論文范文，歡迎閱讀！

       摘要：文章以CRM系統對客戶行為和偏好的深入分析為基礎，對基于信息技術對客戶的渠道偏好進行了深入探討。論文以中國電信行業為例，選取了一個典型案例企業，對其電話客服中心、短信渠道和網站渠道的偏好度進行分析，研究結論對電信運營商的提升客戶關系、提升業務績效、提高客戶數據處理技術方面均提供了良好的指導。

　　關鍵詞：CRM;渠道偏好度;電信

　　一、 案例研究方法與模型介紹

　　西方學者的案例研究過程淵源已久，Kyburz-Graber(2004)將案例研究分為三類：描述性案例研究、探索性案例研究以及因果解釋性案例研究。本研究屬于探索性案例研究，希望以國內一家電信運營商的CRM管理過程實踐為研究對象，分析客戶對于渠道的偏好度。本案例企業為某電信運營商的一家地市分公司，擁有超過三百萬用戶，主要從事移動通信和數據服務業務。

　　這家電信運營商在完成基本的各種業務運營的生產性信息系統后，進一步完成數據匯總并建設了涵蓋所有客戶互動歷史數據的中央數據倉庫系統作為企業級業務數據平臺。其市場營銷部門充分利用這個統一集中的管理信息平臺，對客戶作各種深度的數據挖掘研究。對于渠道的偏好度的研究分析方案

　　1. 渠道的類型定為四類：營業廳、電話客服中心、短信、網站。

　　2. 客戶渠道的偏好度模型，使用數據挖掘的人工神經網絡技術(詳述如后)，計算出每個用戶使用四種渠道辦理業務的傾向度評分。

　　3. 主要的數據來源包括客服中心呼叫記錄，短信請求記錄，網站渠道運營記錄，業務支撐系統工單，服務使用數據，以及客戶基本屬性數據等。

　　4. 時間分析窗口數據，利用渠道偏好度模型給每個分析用戶進行渠道使用傾向評分，再通過驗證窗口用戶使用渠道情況進行模型驗證。分析窗口：用于分析特征的歷史數據的時間跨度，需要3個月的歷史數據;驗證窗口：用于驗證用戶使用渠道情況，需要2個月的歷史數據。

　　5. 本案例研究所使用的技術方法為人工神經網絡(ANN)。人工神經網絡的研究發展起源于20世紀40年代，是一種模仿人腦神經系統的非線性映射結構。它不依賴于精確數學模型，而顯示出自適應和自學習功能。1943年，法國心理學家W.S.McCuloch和W.Pitts提出了第一個神經元數學模型，開創了人類自然科學史上的一門新興科學ANN的研究。

　　人工神經網絡會不斷檢驗預測結果與實際情況是否相符。把與實際情況不符合的輸入輸出數據作為新的樣本，對新樣本進行動態學習并動態改變網絡結構和參數，這樣使網絡適應環境或預測對象本身結構和參數的變化，從而使預測網絡模型有更強的適應性。而在ANN的實現過程中，往往需要大量的數據來產生充足的訓練和測試樣本模式集，以有效地訓練和評估ANN的性能，這正好是建立在數據倉庫和數據挖掘工具所能提供的。由于ANN和數據挖掘兩者的優勢互補，將神經網絡用于數據挖掘具有現實意義和實用價值。人工神經網絡在數據挖掘中的優勢是：對于噪聲數據的強承受能力，對數據分類的高準確性，以及可用各種算法進行規則提取。

　　人工神經網絡方法常用于分類、聚類、特征挖掘、預測和模式識別。神經網絡模型大致可分為以下三種：(1)前饋式網絡：以感知機、反向傳播模型和函數型網絡為代表，主要用于預測和模式識別等領域;(2)反饋式網絡：以Hopfield離散模型和連續模型為代表，主要用于聯想記憶和優化計算;(3)自組織網絡：以自適應共振理論：(Adaptive Resonance Theory，ART)模型為代表，主要用于聚類分析。

　　在本案例應用中，主要是用前饋式網絡來進行多變量的概率分布預測。因為本文目標是對用戶使用幾種渠道的可能性高低進行預測。

　　二、 案例研究的實施與分析

　　1. 業務規劃的考量。對客戶使用渠道的習慣偏好進行分析具有重大意義，可以對營銷活動提供有力的支持。通過客戶行為特征分析，尋找客戶選擇渠道的偏好，提供客戶營銷渠道的最優路徑。不但有利于優化渠道資源，降低營銷成本，更能提高營銷成功率，提升客戶滿意度。

　　目前電信客戶可以使用的移動通信服務渠道包括營業廳、電話客服、短信、網站、自助服務終端等，其中營業廳提供服務功能最為齊全，但成本也是最高;電話客服使用最為廣泛，幾乎每個客戶都有使用電話客服的經驗，也是提供最多服務的渠道，對于電信公司的用戶滿意度非常重要。因此，研究應用的重點之一就是如何發揮電話客服的優勢，以有限資源服務更多的高價值客戶和業務，減少低價值客戶和業務占用客服資源的比例。同時，重點發展電子渠道，著重提高電子渠道的普及率，培養用戶使用電子渠道的習慣，引導用戶從傳統渠道(營業廳、電話客服)向電子渠道(短信和網站)轉變。

　　2. 具體的技術實現方案：

　　(1)數據準備：基于業務理解以及數據分析，選取以下變量為構建模型的基礎變量;(詳細列表如表1所示)

　　(2)數據質量分析：對預處理之后的基礎變量進行數據質量分析以剔除質量較差的變量;

　　(3)數據探索：通過可視化(Visualization)工具及統計分析等方法來展示及探索各個變量的可用性，從而獲得模型的輸入變量。從中了解變量的重要性及業務發展規律;

　　(4)數據處理流程：按照挖掘任務的要求，將數據從中央數據倉庫抽取生成挖掘專用的數據集市。基本的數據處理流程有：數據源的匯總合并;執行數據探索抽樣;透過人工神經網絡(ANN)進行模型打分;產生模型并進行模型驗證整體技術方案的關鍵點體現在兩個方面：建模過程：為渠道偏好的分類預測找到合適的基礎變量，有助于模型收斂更快更好;模型應用過程：應用最小長度原理，控制隱藏節點數，以達到擬合最優。另借助SAS軟件工具實現模型打分。

　　3. 具體應用實現案例。根據電話、網站、短信和營業廳渠道各個評分前10%的用戶，取各渠道用戶的評分值、每用戶平均收入(ARPU)、以及在網時長的信息設計營銷方案。

　　(1)對偏好電話的客戶，通過電話營銷中心外呼進行營銷，完成后需要對客戶進行短信感謝，同時介紹網站渠道的便利性和信息豐富的特點。

　　(2)對偏好網站的客戶，通過短信提醒用戶登錄網上營業廳辦理業務的優惠信息，在客戶登錄網上營業廳時進行營銷推薦，同時考慮發展響應較高的用戶群作為網站營銷的種子客戶，進行持續的優惠激勵。

　　(3)對偏好短信的客戶，通過短信進行營銷推薦，給予短信辦理業務的優惠條件，提醒客戶可以嘗試使用信息更加豐富的渠道——網站，并提供網站辦理的簡單指引。

　　(4)對偏好營業廳的客戶，通過短信提醒客戶最近的營業廳，同時推薦客戶使用電話渠道，而后再通過電話引導客戶使用營業廳之外的渠道，并考慮對這些客戶給予業務優惠吸引他們采用。

　　4. 渠道模型分析結果與驗證。

　　(1)電話客服中心渠道的偏好度分析。在電話客服中心的營銷活動中，電話外呼的目標客戶優先選擇具有電話偏好度的客戶群，其次是沒有明顯渠道偏好的客戶群，再次是營業廳偏好的客戶群，針對營業廳偏好客戶，可以在電話營銷的時候加入向用戶推薦就近的營業廳的資料。

　　通過電話渠道偏好客戶分析，歸納出影響偏好電話客服渠道最明顯的前10個參數如表2示。

　　其中，撥打客服次數、在網時長、總計費分鐘數、是否VIP客戶、撥打客服平均時長、撥打聲訊臺次數、呼轉次數這7個因素對客戶的電話偏好產生正影響，也就是客戶的這些參數的值越大，其偏好電話渠道的可能性就越大;而網站操作業務類型數、短信操作次數、網站登錄次數這3個因素對電話偏好產生負影響，與正影響相反。

　　以“撥打客服次數”為例，T統計量基本顯著(P-值小于顯著性水平0.05)，即“撥打客服次數”對因變量具有顯著的解釋能力，參數估計值為0.102 3，即在其他控制其他變量不變的情況下，對數發生比隨著“撥打客服次數”的增加而增加。

　　從電話渠道模型驗證的角度，前10%的用戶數量明顯較多，因此選擇前模型得分前10%的客戶作為電話偏好的目標客戶。從圖2的曲線來看，模型得分前10%的客戶覆蓋實際具有電話渠道偏好客戶比例達到了30%以上，因此模型提升率達到3倍以上，說明選擇前10%是可以滿足目前的要求。

　　(2)短信渠道的偏好度分析。通過短信渠道偏好客戶分析，歸納出影響偏好短信渠道最明顯的前9個參數：其中短信操作業務類型數、WLAN使用分鐘數、是否使用中文秘書、漫游計費分鐘4個參數，對短信偏好產生正影響;而在網時長、網站操作業務類型數、總計費分鐘數、撥打客服次數、是否使用留言信箱5個參數對短信偏好產生負影響。

　　由于短信辦理業務的方式比較容易被年輕人接受，而在網時長比較大的客戶通常是老客戶，他們比較習慣使用電話，使用短信的可能性比較小，因此對比可以看出，在網時長對電話渠道是正影響，對短信渠道是負影響。

　　對短信渠道模型進行驗證，幾乎所有的短信業務辦理的用戶都是模型得分在20%以內的，采用短信方式辦理業務的用戶的得分都很高，模型覆蓋率非常精確，模型評分前20%的用戶幾呼覆蓋100%的短信辦理用戶，模型提升率接近5倍。說明短信渠道偏好的模型評價用戶是否有短信偏好的能力較強，具有很好的預測能力。

　　(3)網站渠道的偏好度分析。通過網站渠道偏好的客戶分析，歸納出影響偏好網站渠道最明顯的前10個參數：其中網站操作業務類型數、數據業務使用種類數、是否使用號碼管理3個參數對網站偏好產生正影響;而撥打客服次數、總計費分鐘數、撥打客服平均時長、訂購的WAP服務數、是否VIP客戶、短信操作業務類型數、彩鈴IVR買歌次數7個參數對網站偏好產生負影響。

　　前10大參數中，網站偏好影響為正的參數只有3個，負影響的因素則有7個，原因是參數的設置和選擇目前主要來自于客戶屬性和使用手機的信息，這些內容通常與網站操作沒有太多關聯性，與網站相關的許多數據目前的系統中難以取到;另一個原因可能是網站營業廳的出現時間比較晚，能夠提供的服務內容比較少。針對熟練使用網站辦理業務的用戶，可以提供目標性的營銷發展成為公司的網站業務使用的“種子客戶”，通過他們去影響交往圈的其他客戶，從而提升網站辦理的數量和比例，減輕對電話渠道的壓力，使得電話營銷中心的資源可以投放到更有生產力的活動中。

　　網站渠道模型評分排名前10%的客戶實際驗證中通過網站辦理數明顯高于排名靠后的其他客戶，說明模型評分的準確度比較高。

　　三、 研究案例總結

　　掌握好渠道偏好度的工作，能夠有效地以有限的資源盡可能的服務更多的高價值的客戶和業務，減少低價值客戶和業務占用客服渠道資源的比例。同時，重點發展電子渠道，培養引導用戶從傳統渠道(營業廳和電話客服)向電子渠道(網站和短信)轉變，對于電信運營商就必能產生關鍵性的績效提升。

　　利用數據倉庫再進行數據挖掘可以突破以往的技術困難限制，有效地建立高精確度的模型。構建模型時基礎變量選取得當能夠產生很好的適應性和普及彈性，體現涵蓋不同省、市的區域差別。從上述實際的案例，也驗證了應用這種CRM信息技術的優越能力，一旦建立了標準模型和技術方案的實施機制，將會易于其推廣便利為運營商創造顯著績效。

【淺談基于CRM信息技術的渠道偏好度模型的管理應用】相關文章：

關于基于電子商務的CRM應用系統研究論文10-09

基于旅游管理的時空數據模型研究論文10-08

淺談信息技術在學校檔案管理中的應用論文03-25

淺談信息中介中信息技術的應用10-05

淺談基于戰略管理的我國證券監管分析10-26

淺談基于電子商務網站設計與管理10-26

基于CRM的電子商務探討畢業論文參考10-08

基于融合細分的紋理圖像重構模型10-06

基于EXCEL的層次分析法模型設計10-08