客户智能：客户关系管理（CRM）的内核

申请免费试用、咨询电话：400-8352-114

 客户关系管理（Customer Relationship Management，简称CRM）是适应企业“以产品为中心”到“以客户为中心”的经营模式的战略转移而迅猛发展起来的新的管理理念，它把追求客户满意和客户忠诚作为最终目标。近年来，越来越多的国内外企业和软件开发商把CRM作为研究热点。CRM系统是集成了后台应用的前台应用系统，是在以客户为中心的销售、营销、服务和支持应用的增强、自动化的基础上，提高客户满意度和忠诚度，从而给企业带来长久利益的一种应用和理念。许多企业在实施CRM时，正是违背了这条原则，致使CRM不成功的案例屡见不鲜。

现有的关于CRM的文章绝大多数探讨建立的系统和流程对高质量的CRM会产生什么样的影响，却很少关心实施CRM第一步要做的工作：知道谁是你的客户，以及影响他们行为的因素。现阶段企业能做到的，是了解（know about）自己的客户，而不是理解（understand）客户本身。KPMG报告指出：70%的UK公司承认很难发现谁是他们的客户，他们想买此什么。诸如此类的与CRM有价值的信息，在通常的报表和分析中是难以被发现的。

Jim Berkowitz认为CRM必须具备两个坚实的基础：一个是合理的组织结构（Organization），另一个是合理的信息结构（Information）。如果企业实施CRM的动机是建立在各部门各自的利益之上而不是适应而向客户为中心的商业哲理、文化和战略，那么CRM就缺少了合理的组织结构基础。这种合理的组织结构是将一个共享的、更加整合的工作流和信息流代替原先集中的部门流程。这样，企业变成一个统一的组织，来有效预测客户需求，管理客户价值，简化企业运作流程。本文的出发点放在第二点，即如何创建一个适于CRM的、合理的信息结构。

1 客户智能

客户智能，是创新和使用客户知识，帮助企业提高优化客户关系的决策能力和整体运营能力的概念、方法、过程以及软件的集合。对该定义的正确解释，本文结合图1的客户智能体系框架从五个层面展开：

图1 客户智能体系框架

①理论基础：客户智能的理论基础是企业对客户采取决策的指导依据，这既包括企业分析和对待客户的理论和方法，也包括分别从客户和企业角度进行的价值分析。通过消费行为分析、满意度分析、利益率分析等诸如此类的指标的测评与衡量，达到决策利学化、合理化的目的。

②信息系统层面：称为客户智能系统（CI System）的物理基础，表现为具有强大决策分析功能的软件工具和而向特定应用领域的信息系统平台，如CRM、福州OA、销售自动化、商业活动管理。与事务型的MIS不同，客户智能系统能提供分析、趋势顶测等决策分析功能。

③数据分析层面：是一系列算法、工具或模型。首先获取与所关心主题有关的高质量的数据或信息，然后自动或人工参与使用具有分析功能的算法、工具或模型，帮助人们分析信息、得出结论、形成假设、验证假设。

④知识发现层面：与数据分析层面一样，是一系列算法、工具或模型。将数据转变成信息，而后通过发现，将信息转变成知识；或者直接将信息转变成知识。

⑤战略层面：将信息或知识应用于提高决策能力和运营能力、企业建模等。客户智能的战略层面是利用多个数据源的信息以及应用经验和假设来提高企业决策能力的一组概念、方法和过程的集合。它通过对数据的获取、管理和分析，为贯穿企业组织的各种人员提供知识，以提高企业战略决策和战术决策能力。

总之，客户智能的目标是将企业所掌握的信息转换成竞争优势，提高企业决策能力、决策效率、决策准确性，为完成这一目标，客户智能必须具有实现数据分析到知识发现的算法、模型和过程，决策的主题具有广泛的普遍性。

2 客户智能是对客户知识的生成、分发、使用

客户知识，顾名思义，是有关客户的知识。客户知识包括客户的消费偏好、喜欢选用的接触渠道、消费行为特征等等许多描述客户的知识。客户知识是人们通过实践认识到的、与客户有关的规律性，而客户智能是获得客户知识井使用客户知识求解问题的能力，客户智能是对企业战略决策真正有价值的事物和行动。生成客户知识的过程称之为客户知识的加工处理过程，客户智能不仅包括了客户知识的生成，而且更强调了客户知识在企业中的分发、使用，直到产生客户智能（图2）。

图2 客户智能是对客户知识的生成、分发、使用

2.1 客户知识的生成（generation）

使用商业智能提供的OLAP分析工具、知识发现工具或两种工具的组合，发现存在于客户数据中的模式、规则、概念、规律的整个过程，叫客户知识的生成。相比较向言，知识发现工具的使用难度较大，包括确定任务、选择合适的挖掘工具（数据准备、挖掘算法、结果解释等），以及明确哪部分任务必须有营销专家参与，哪部分可以自动执行。

2.2 客户知识的分览（distribution）

客户知识必须到达组织内每一个需要客户知识的部分。将客户知识存贮于动态知识库，借助CRM的系统平台，将客户知识分发到需要的终端。不仅如何分发知识，还有一个知识分发质量（quality）和多少（how much）的问题。

2.3 客户知识的使用（using it）

将客户信息和知识投入使用是CRM的最后一个环节。许多CRM和知识发现没有成功，很大程度上在十产生的与客户有关的信息和知识不能投入使用。CRM通过营销、销售、客户服务和支持与客户打交道，客户知识通过它们的使用与集成，作用十客户，这些工作不单是一个合理的信息结构所能完成的，需要与之整合的工作流程做支撑，即Jim Berkowitz谈到的合理的组织结构。

3 构建以客户智能为内核的CRM系统

3.1 系统主要组件及作用

①数据仓库。数据仓库是而向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制订过程。客户数据分布在企业的多个应用系统中，数据仓库从这些应用系统中抽取、清洗、转换，使之符合基于数据仓库的分析与决策工具的数据要求。目前，普遍将数据仓库应用在CRM的形式称为CCDW（customer-centric datawarehouse，客户信息数据仓库），并已有了初步探讨。

数据集市（data mart）是按照某一特定部门的决策支持需求而组织起来的、针对一组主题的小型数据仓库。由于创建企业级的数据仓库存在许多困难，许多CRM方案采用数据集市的变通办法，从数据集市可以升级到企业级数据仓库。

②OLAP。CRM从CCDW中发现有用的信息有两种不同的方式，方式之一是较低层次上的由用户制导的被动方式，这种方式多指OLAP分析。OLAP分析属于验证驱动型发现，其策略是：用户首先提出自己的假设，然后利用OLAP工具检索查询以验证或否定假设。

在CCDW的数据环境下，OLAP提供上钻、下钻、切片、旋转等在线分析机制，完成的功能包括多角度实时查询、简单的数据分析，并辅之于各种图形展不分析结果。

③知识发现（Knowledge Discovery in Database，KDD）。CRM从CCDW中发现信息的另一种方式就是知识发现，是高层次上的主动式自动发现方法，被称为发现驱动型知识发现。知识发现是从大型数据库的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的、潜在有用的信息，提取的知识表示为概念（concepts），规则（rules），规律（regulations），模式（patterns）等形式。知识发现是实现从客户数据、信息到客户知识转变的有力的工具。

图3形象地表示了以上二种组件与客户数据、信息、客户知识的关系：

图3 商业智能工其与客户知识

 3.2 系统架构

图4是本文给出的以客户智能为核心的CRM系统架构。从数据源层来的客户数据经过ETL（抽取、转换、装载）、清洗后以数据存储层的CCDW或数据集市的形式存储。应用支持层是提供了报表查询、OLAP、知识发现分析决策工具，作用于客户数据，该过程产生的有价值的客户知识存储于动态知识库中。互动层提供了CRM利用客户知识从向有效实施其功能的场所。该架构具有以下特点：

①CRM有自己独立的数据存储中心，不依赖于业务系统；

②CRM的数据存储中心可以导出供客户接触使用的数据，可以直接被商业活动管理利用：OLAP分析可以直接在数据存储中心的基础上使用；知识发现需要的数据一般从数据存储中心按需要抽取；

③CRM在互动层提供多种渠道与客户接触，如Email、CallCenter、WEB等；

④商业规则与元数据管理贯穿了CRM的整个结构；

⑤EIP（Enterprise Information Portol，企业信息门户）提供了用户获取信息的统一界面（基于WEB），通过这个界而，CRM将客户知识分发在包括事务型系统在内的所有企业应用，使CRM成为企业应用的核心井促进企业集成；

⑥图4中描述的知识库是存储客户知识的场所，它与传统的DSS、EIS中的知识库有很大区别。由于系统是一个闭环的动态系统，知识库的内容在不断地自动修正，所以是一种动态结构，而不像DSS、EIS中的知识库是很少发生变化的。

图4 以客户智能为核心的CRM架构

图4中，数据源层代表数据的收集，互动层是将分析、处理的结果直接作用于客户，可以归为操作层面；应用支持层是CRM的分析、处理层面，叫做分析层面；数据存储层为操作层面和分析层面提供统一的客户视图，归为统一视图层面（图5）。三层的关系为：统一视图层面是操作层面和分析层面的数据支持；操作层面为统一视图层面收集数据，将分析层面的决策支持结果加以执行；分析层面为操作层面提供技术支持。

强大的决策分析功能和整合的客户信息是CRM科学、正确地实现客户智能的灵魂。决策分析的主题体现了客户智能理论基础所能涉及的所有内容，如利益率分析、忠诚度分析、消费行为分析等，这此分析的结果（客户知识）指导企业如何更有效地满足客户需求和期望，同时，对企业来讲，不但要实现以产品为中心到以客户为中心的战略转变，而且应对客户的策略也必须做出转变，如采用有益于提高满意与忠诚的营销策略、注重客户生命周期价值而不是一两次交易的收益等。

图5 CRM逻辑结构

4 总 结

本文针对存在于人们对CRM理解的偏差和CRM实施中的实际困难，提出了客户智能的概念，接下来通过介绍客户知识从产生，到分发、使用的可操作性流程与方法，说明了客户智能实现的流程。本文创新性地提出了以客户智能为核心的CRM的系统架构、逻辑结构，该框架集成了商业智能先进的信息技术手段，突出了客户智能在实现CRM功能中的决定性作用。相信通过本文对客户智能概念和实现的介绍，有助于人们对CRM的理解和实施。（万方数据）