[摘要] 客户知识资源是企业资源的重要部分 ,要在建立客户数据仓库的基础上 ,进行数据挖掘以发现客户知识 ,形成客户知识仓库 ,进而构建 KCRM 系统中的客户知识资源体系 ,从而优化KCRM 系统。
客户关系管理(Customer Relationship Manage2ment ,CRM)是一种以客户为中心的经营策略 ,它以信息技术为手段 ,对企业的业务功能进行重新设计 ,并对工作流程进行重组。随着信息技术和经济全球化的发展 ,CRM 已成为现代企业为适应激烈市场竞争的战略决策基础 ,涉及到企业的各个层面 ,与之相关的问题也成为研究的热点。目前对客户关系管理的研究主要集中在客户满意、 客户获取和保持及客户信息库的建立等方面 ,而对于作为企业资源的客户知识资源构建体系的研究却相对不足。笔者认为 ,企业要适应激烈的竞争环境 ,实现与用户 “共赢”的总体目标 ,必须加强客户知识资源的建设与管理。为此 ,本文探讨了知识型客户关系管理( KCRM)的概念 ,指出要在建立客户数据仓库的基础上 ,进行数据挖掘以发现客户知识 ,建成客户知识仓库 ,从而优化 KCRM 系统。
1 KCRM系统与客户知识资源管理
1. 1 企业的客户知识资源企业的资源是其有利用价值的事物 ,包括看得见的资源和看不见的资源。它们共同构成企业生产经营所必须的基础条件。其中 ,看得见的资源有企业的人力、 物力资源(如员工、 资金、 厂房、 设备及原材料等) 。看不见的资源是指体现企业在智力方面的知识资源(如组织管理的思想和经验、 产品研发的知识和制造技术及市场信息和客户关系管理的知识等)[1～2 ]。企业的客户知识资源是其知识资源的一部分 ,是企业与客户打交道的智力劳动所发现和创造的并进入企业经济系统的知识 ,是关于客户与企业之间相互作用而产生的信息的提升 ,由企业与客户交流、融合而成 ,包括客户的行为特征、 客户的心理及客户价值等方面的知识。根据知识的是否可以表达 ,企业的客户知识资源可以分为显性知识和隐性知识。显性知识是可以表达的 ,可以通过数据、 编码过程和普遍规则来论文格式传播和共享;隐性知识是高度个人化的、难以形式化和表达的。本文侧重于讨论对已经编码化的客户显性知识的管理。1999年一家叫做 IDC 的分析公司的调查结果显示 ,由加强客户知识管理所带来的专家持留、 客户持留、 客户满意已成为企业收入和利润的增长的重要原因[3 ]。由此 ,知识型客户关系管理应运而生。
1. 2 KCRM 中的客户知识资源管理知识型客户关系管理( Knowledge Customer Re2lationship Management ,KCRM)是知识管理、 合作关系管理和电子商务的交叉点 ,它将知识管理和客户关系管理整合在一起 ,增加了企业对客户信息分析和契合的深度[4 ]。在这里 ,单纯地搜集客户的信息是不够的 ,企业必须学会分析有关客户的需要、 偏好等信息 ,并把这些信息转化为知识 ,依据这些知识来制定行为方案去影响客户购买关系。这样就可以在降低资本密度的情况下 ,通过提高客户知识密度来提高客户满意度。知识型客户关系管理中的客户知识资源管理体系通过企业与客户互动过程来创建、 交流和应用知识 ,进而增加企业的价值、 维持企业的竞争优势。其核心工作就是创建和传递创新的产品和服务 ,管理和加强现有或潜在客户、 合作伙伴以及供应商的关系 ,并改善与客户相关联的业务与流程 ,保持忠诚并实现公司收入的最大化 ,开发可重复使用的销售程序 ,同时也有助于客户的获取及强化与联盟的结成。具体说来 ,知识型客户关系管理中的客户知识资源管理体系可以有三个方面的作用: ①为客户提供知识型个性化定制服务 ,根据客户说明或预测到的需求 ,设计和支付产品与服务包。② 超越细分市场 ,使传统的市场细分让位于通过企业与客户的互动来完成从产品的设计、 生产、 定价到销售的过程。③ 建立学习型关系 ,通过在商务关系中与客户相互学习 ,来提高客户忠诚度进而锁定客户 ,同时 ,也可以增加客户知识的来源。
2 客户知识资源体系的构建
2. 1 KCRM 系统中的客户知识链客户知识资源体系对整个客户知识链进行管理 ,如图 1 为 KCRM 系统的客户知识链。它包括以下几个方面: ① 通过收集和存储关于客户、 供应商和商业伙伴的数据形成数据源。②从数据源中抽取、转换和装载数据形成客户数据仓库。③ 对数据仓库里的数据进行挖掘形成客户知识库。④ 通过决策引擎(decision engine)进行科学决策来优化 KCRM 系统。⑤ 通过信息的反馈进一步作为数据源的输入。图 1 KCRM系统的客户知识链示意图 从图1 中可以看出 KCRM 系统与一般CRM 系统的区别就在于对客户数据资源进行挖掘和管理 ,存在客户知识仓库 ,而客户知识仓库又是建立在客户数据仓库基础上的。所以 ,客户数据仓库的建立是第一步。
2. 2 客户数据仓库的建立客户数据仓库(Customer Data Warehouse)是面向客户的、 集成的、 稳定的 ,不同时间的客户数据集合 ,用于支持客户关系管理中的客户知识资源的形成过程。其体系结构如图 2 所示。图 2 客户数据仓库体系结构示意图 图中各个数据库子系统组成联机事务处理系统 ,用于收集、 统计各个子系统产生的基本客户数据 ,然后依据统一的元数据标准进行数据格式转换 ,经过数据提取、 净化、 检验和加载后进入面向不同客户群的数据集市。客户数据仓库的数据来源于各个数据集市。这样 ,各个数据库子系统、 数据集市和客户数据仓库就构成了三级客户数据环境的主体 ,它们通过企业内部网的无缝联接 ,构成一个统一的整体[5 ]。在客户数据仓库的创建过程中 ,要立足全局 ,在系统实施之前建立初步的解决方案 ,采取自上而下与自下而上相结合的方法 ,将整个系统分模块进行实现 ,一般先进行销售和财务部门数据集市的开发 ,并不断探索客户数据仓库的应用 ,为全面实施企业的客户知识管理积累经验。一般分三步进行: ①定义客户数据结构和处理过程。②定义客户数据抽取、 转换、 装载原则 ,提出合理的元数据管理方案。③ 对客户进行分类和细化 ,进行数据处理 ,形成数据仓库。
2. 3 数据挖掘与客户知识仓库的建立KCRM系统中的数据挖掘就是从客户数据仓库中提取人们感兴趣的知识 ,这些知识事先是隐含在客户数据中的、 潜在的知识。经过提炼后表示为概念、 规则、 规律和模式。在数据挖掘的过程中可以采用发现型的数据挖掘和验证型的数据挖掘 ,前者是让数据挖掘系统为用户产生假设 ,后者是用户自己对数据仓库中可能包含的知识提出假设 ,然后通过选择合适的数据分析工具进行知识发现与验证 ,并将知识表达和解释出来 ,形成客户知识仓库 ,将对决策有用的知识提供给不同的决策者。用于数据挖掘的技术有人工神经网络、 决策树、 遗传算法、 规则归纳等。客户知识仓库包括知识获取模块、 知识的抽取、转换和存储模块、 知识分析模块、 用户(系统管理员)界面模块。这些模块共同构成客户知识仓库的架构 ,如图 3 所示[6 ]。图 3 客户知识仓库的架构示意图图中知识获取模块通过数据挖掘与客户数据仓库接口 ,是知识仓库的入口和数据仓库的出口。知识的抽取、 转换和存储模块是一个面向对象的知识库管理系统 ,它集成了知识库、 模型库和分析任务等 ,使知识仓库能够有效生产、 存储、 检索、 管理各种形式的知识。知识分析模块处理所有与分析任务有关的活动 ,包括知识工程、 任务控制、 判断生成和技术管理。用户(系统管理员)界面模块处理知识仓库管理系统和用户的所有通信 ,包括判断界面、 输入输出处理、 在线帮助等。
3 利用客户知识资源来优化 KCRM系统
利用客户知识资源来优化 KCRM 系统 ,一般分为以下三个步骤。
3. 1 第一步骤:对客户知识资本进行评估并形成战略优化 KCRM 系统要以支持客户知识与关系资本管理以及战略决策为起点。首先是对客户知识的评估与审计。它根据客户知识仓库中的知识 ,将客户进行分类 ,并根据对他们的终身价值进行细分 ,一般将客户分为三类:MVCs、 MGCs 和 BZCs ,即最有价值客户、 最有增长潜力客户和负值客户。其次是运用决策代理形成新的 KCRM 战略决策 ,不同类别的客户需要企业在提供产品和服务的种类、 互动方式的选择等方面区别对待 ,在了解客户现有需求的基础上 ,对客户的未来需求进行预测 ,利用决策代理 ,形成企业的长期 KCRM 战略。
3. 2 第二步骤:具体的战术实施及功能部署此时要根据第一阶段的设计战略进行具体的战术实施。首先要在具体实施的人员组织方面做好安排 ,设计 KCRM 团队 ,团队成员必须是跨部门的 ,并且是能够通过客户关系管理来加强客户关系的真正代表。其次是进行技术规划 ,通过在 KCRM 中使用信息技术 ,可以提高知识交换速度、 加强实时知识的应用、 促进信息决策、 整合沟通渠道。因此在技术规划时 ,必须使系统有助于获得、 保持和加强与供应商、 合作对象甚至竞争对手论文格式的关系并使之最大化。最后要开发结果驱动下的功能部署 ,确保 KCRM 系统建立在长期企业发展战略以及短期的战略部署基础上。一般采用结果驱动的增长模式 ,将总体的战略分解为谨慎的工作步骤 ,采取渐进的方式实施。
3. 3 第三步骤:进行管理的变革及整个系统的评价与升级KCRM 的实际结果与成效可以运用定制化的、非传统的、 更加精确的测量方法进行测量。一般而言 ,这一步骤包括:首先 ,管理变革与企业文化变革。成功的 KCRM 系统实施需要
