【文章內(nèi)容簡(jiǎn)介】 位客戶未來(lái)不斷的采購(gòu)中獲益。 據(jù)調(diào)查統(tǒng)計(jì)資料表明：城市居民近一半的家庭 財(cái)產(chǎn)集中在 15—— 30萬(wàn)元之間 ， 最高收入的家庭約占城市居民家庭總數(shù)的 10%，約占居民財(cái)產(chǎn)總數(shù)的 45%；最低收入的家庭也約占城市居民家庭總數(shù)的 10%，而有 80%的家庭收入屬于一般性收入。 所以我們要看清每一種家庭他們的信息需求，給他們更多的選擇。 上海通用汽車公司 通過(guò) 全新的中文網(wǎng)站和“百車通”在線導(dǎo)購(gòu)欄目， 即 每一個(gè)注冊(cè)客戶都可以通過(guò)“百車通”選購(gòu)自己中意的別克，并可進(jìn)行個(gè)性化的選擇，如配置、顏色 、價(jià)格 以及供貨地點(diǎn)等 ， 這是盡最大程度的滿足了客戶的需求。 CRM幫助車主提高售后服務(wù)滿意度，提高客戶的忠誠(chéng)度。 它能 動(dòng)態(tài)的、整合的客戶數(shù)據(jù)管理和查詢功能。還有 客戶識(shí)別功能， 它能夠 識(shí)別重要客戶。 即 2/8原則 中提到的 20%的客戶 將 為企業(yè)帶來(lái) 80%的利益。 所以在 吸引客戶多次消費(fèi)和提高購(gòu)買量，給予重要客戶區(qū)別于一般客戶的服務(wù)，會(huì)使老顧客滿意，提高他們的忠誠(chéng)度。 全國(guó)主要經(jīng)銷商反饋的信息顯示，上海通用顧客忠誠(chéng)度指數(shù)達(dá)到 60% 以上，這就意味著 60% 以上的顧客會(huì)介紹朋友購(gòu)買別克，或大部分別克轎車使用單位 在購(gòu)買新車時(shí)仍然會(huì)選擇別克。在汽車行業(yè)，這算得上是一個(gè)比較高的比例了。 他們 運(yùn)用的策略是：首先，使品牌成為顧客心目中的第一品牌，通過(guò) 持續(xù)的雙向溝通，增強(qiáng)品牌親和力，并與其它競(jìng)爭(zhēng)品牌拉開距離。其次，通過(guò)對(duì)自身產(chǎn)品特點(diǎn)的宣傳，潛移默化地讓顧客相信自己的選擇是正確的。更重要的是，通過(guò)舉辦顧客專享的活動(dòng)，使顧客產(chǎn)生擁有此品牌的優(yōu)越感和自豪感。具體的做法是：顧客購(gòu)買新車的第一個(gè)月內(nèi)，銷售人員必須對(duì)客戶進(jìn)行拜訪，與客戶溝通，傾聽客戶的意見，并將這些情況詳細(xì)記錄在 CRM 系統(tǒng)中。顧客購(gòu)車后的 4～ 5 年內(nèi)，系統(tǒng)會(huì)提示銷售人員、服務(wù)人員經(jīng)常與顧客進(jìn)行聯(lián)系和溝通，為顧客提供各種關(guān)懷和服務(wù)。 CRM能把營(yíng)銷、銷售、服務(wù)活動(dòng)的執(zhí)行、評(píng)估、調(diào)整等與客戶滿意度 、忠誠(chéng)度、客戶收益等密切聯(lián)系起來(lái)，提高了企業(yè)的整體營(yíng)銷和服務(wù)的有效性。 南京財(cái)經(jīng)大學(xué)本科畢業(yè)論文 9 首先 , 通用汽車公司將中國(guó)的業(yè)務(wù)融入到全球業(yè)務(wù)中 , 為中國(guó)消費(fèi)者提供更豐富的汽車產(chǎn)品和更高質(zhì)量的服務(wù) , 強(qiáng)調(diào)企業(yè)與環(huán)境的和諧共存 ,實(shí)現(xiàn)合作伙伴、消費(fèi)者、中國(guó)汽車工業(yè)、通用汽車共贏 。 其次 , 放棄滾動(dòng)發(fā)展戰(zhàn)略 , 采取大規(guī)模投資 , 一流的機(jī)器設(shè)備 , 國(guó)際水平的柔性化生產(chǎn)線 , 多品種的生產(chǎn)方式 , 為高質(zhì)量寬系列產(chǎn)品的生產(chǎn)打下物質(zhì)基礎(chǔ) 。 第三 , 首家建立中國(guó)研發(fā)中心 , 培養(yǎng)本土汽車設(shè)計(jì)人才 , 提高本土汽車設(shè)計(jì)能力 , 真正做到產(chǎn)品符合中國(guó)市場(chǎng) 。 第四 , 協(xié)助其合作伙伴走出國(guó)門 , 幫助上汽的配套企業(yè)融入到通用的全球配套網(wǎng)絡(luò)中。實(shí)踐證明 , 通用汽車在中國(guó)實(shí)施的“融全球資源于本土”的戰(zhàn)略 , 使其在中國(guó)得到穩(wěn)定健康的發(fā)展。 CRM有 顧客流失警示功能，通過(guò)客戶的交易行為的觀察分析。例如，老顧客出現(xiàn)購(gòu)買周期或者購(gòu)買量出現(xiàn)顯著變化，可能會(huì)存在潛在流失的跡象。 （三） CRM 中潛在客戶挖掘的重要性 老客戶是企業(yè)穩(wěn)定收入的主要來(lái)源 ，是企業(yè)發(fā)展的基石，特別是 2/8原則中那 20%的客戶，對(duì)企業(yè)的可持續(xù)發(fā)展有著非常重大的影響。然而， 挖掘新客戶與穩(wěn)定老客戶有著同等重要的地 位。新客戶的加入，為企業(yè)注入了新的血液，特別是大的潛在客戶的加入，對(duì)企業(yè)贏利產(chǎn)生重要的影響。 所謂潛在顧客是針對(duì)現(xiàn)實(shí)顧客而言的 , 是可能成為現(xiàn)實(shí)顧客的個(gè)人或組織。這類顧客或有購(gòu)買興趣、購(gòu)買需求 , 或有購(gòu)買欲望、購(gòu)買能力 , 但尚未與企業(yè)或組織發(fā)生交易關(guān)系。所謂現(xiàn)實(shí)顧客是已經(jīng)實(shí)現(xiàn)了需求的顧客 , 或需求已經(jīng)得到滿足的顧客。這類顧客既有購(gòu)買需求 , 又有購(gòu)買能力 , 且與企業(yè)或組織已發(fā)生交易關(guān)系。 在汽車行業(yè)中 要想成功地把 潛在用戶 變成現(xiàn)實(shí)客戶 來(lái)提升銷量， 要 有很多工作要做。首先， 要搜集潛在客戶的資料，潛在用戶會(huì)有 多種不 同的聯(lián)系方式 —— 電話、 Email、網(wǎng)絡(luò)、傳真、短信等等 ，我們都要一一記錄，最好能得到客戶的其他信息，比如在做什么行業(yè)工作，以及在工作中擔(dān)任什么樣的角色，收入和家庭情況等等 。廠家需要及時(shí)處理每天收到的大量紛繁雜亂的信息， 我們?nèi)绾?識(shí)別哪些 潛在 客戶可能成為自己的 真正 客南京財(cái)經(jīng)大學(xué)本科畢業(yè)論文 10 戶群 呢？ 這里就要結(jié)合數(shù)據(jù)挖掘知識(shí)， 通過(guò)對(duì)現(xiàn)有顧客的分析我們可以用聚類方法為汽車廠商和銷售商尋找目標(biāo)客戶，然后利用關(guān)聯(lián)規(guī)則技術(shù)來(lái)分析顧客之間的屬性聯(lián)系輔助對(duì)目標(biāo)客戶銷售決策。 再結(jié)合前期所搜集的潛在客戶數(shù)據(jù)進(jìn)行分析從 中識(shí)別出那些有誠(chéng)意的潛在購(gòu)買者，對(duì)他們 的個(gè)人資料做詳細(xì)的收集，并有條理地記錄下他們的歷史聯(lián)系記錄，以供下次聯(lián)系時(shí)參考 。這樣才能使每個(gè)潛在用戶都有一種受到重視的感覺(jué) ，并且要結(jié)合電話普查的方法，對(duì)客戶資料進(jìn)行確認(rèn)， 并從中調(diào)查客戶更多信息，以及是否有需求，并要做適當(dāng)?shù)囊龑?dǎo)，提供適合他們車的信息，并要贈(zèng)送相關(guān)資料，獲得客戶的信任，并且定期保持聯(lián)系， 為拜訪客戶制造良好的機(jī)會(huì) ，如果能成功的拜訪客戶，那么潛在客戶到現(xiàn)實(shí)客戶的距離就不會(huì)太遙遠(yuǎn)啦 。 前面的過(guò)程我們還得考慮消費(fèi)者購(gòu)車的主要因素，這些包括燃油經(jīng)濟(jì)性、價(jià)格高低、親戚朋友推薦、車型、維修成本，售后服務(wù)等 等。所以我們?cè)诟蛻艚涣鞯臅r(shí)候，一定要弄清楚我們所面對(duì)的潛在客戶這些因素中那些是主要因素，抓住他們的真正需求，從而來(lái)迎合消費(fèi)者的口味，提高自己的效率。 這里可能遇到的難點(diǎn)就是數(shù)據(jù)挖掘方面如何在挖掘潛在客戶這方面的應(yīng)用， 下面我們將對(duì)數(shù)據(jù)挖掘以及兩種方法進(jìn)行詳細(xì)的探討。 三 數(shù)據(jù)挖掘及其算法研究 （一）數(shù)據(jù)挖掘簡(jiǎn)介 1，數(shù)據(jù)挖掘介紹 數(shù)據(jù)挖掘 (Data Mining,簡(jiǎn)稱 DM ) 是從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中發(fā)現(xiàn)并提取隱藏在其中的有用信息的一種新技術(shù) , 是數(shù)據(jù)庫(kù)研究中的一個(gè)很有應(yīng)用價(jià)值的領(lǐng)域。它可以從大量的數(shù)據(jù)中 抽取出潛在的、有價(jià)值的知識(shí)、模型或規(guī)則 , 有助于企業(yè)發(fā)現(xiàn)業(yè)務(wù)的趨勢(shì) , 揭示已知的事實(shí) , 預(yù)測(cè)未知的結(jié)果。 其主要特點(diǎn)是對(duì)數(shù)據(jù)庫(kù)中的大量數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)南京財(cái)經(jīng)大學(xué)本科畢業(yè)論文 11 換、分析和其他模型化處理 , 并從中提取輔助決策的關(guān)鍵性數(shù)據(jù)。數(shù)據(jù)挖掘是 知識(shí)發(fā)現(xiàn)—— KDD (Knowledge Discovery in Database) 中的重要技術(shù) , 它并不是用規(guī)范的數(shù)據(jù)庫(kù)查詢語(yǔ)言進(jìn)行查詢 , 而是對(duì)查詢的內(nèi)容進(jìn)行模式的總結(jié)和內(nèi)在規(guī)律的搜索。數(shù)據(jù)挖掘則主要了解 事件 發(fā)生的原因 , 并且以一定的置信度對(duì)未來(lái)進(jìn)行預(yù)測(cè) , 用來(lái)為決策行為提供有利的支持 。 2， 數(shù)據(jù)挖掘的一般過(guò)程 第一 ， 確定業(yè)務(wù)對(duì)象。 清晰地定義出業(yè)務(wù)問(wèn)題 ,認(rèn)清數(shù)據(jù)挖掘的目的是數(shù)據(jù)挖掘的重要一步。挖掘的最后結(jié)構(gòu)是不可預(yù)測(cè)的 ,但要探索的問(wèn)題應(yīng)是有預(yù)見的 ,為了數(shù)據(jù)挖掘而數(shù)據(jù)挖掘則帶有盲目性 ,是不會(huì)成功的。 第二 ， 數(shù)據(jù)準(zhǔn)備 。包括三個(gè)步驟：（ 1） 數(shù)據(jù)的選擇 。 搜索所有與業(yè)務(wù)對(duì)象有關(guān)的內(nèi)部和外部數(shù)據(jù)信息 ,并從中選擇出適用于數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)。 （ 2） 數(shù)據(jù)的預(yù)處理。 研究數(shù)據(jù)的質(zhì)量 ,為進(jìn)一步的分析做準(zhǔn)備。并確定將要進(jìn)行的挖掘操作的類型。 （ 3）數(shù)據(jù)的轉(zhuǎn)換。 將數(shù)據(jù)轉(zhuǎn)換成一個(gè)分析模型 ， 這個(gè)分析模型是針對(duì)挖掘算法建立的。建立一個(gè)真正適合挖掘算法的分析模型是數(shù)據(jù)挖掘成功的關(guān)鍵。 第三 ， 數(shù)據(jù)挖掘。對(duì)所得到的經(jīng)過(guò)轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘 ，除了完善 選擇合適的挖掘算法外 ,其余一切工作都能自動(dòng)地完成。 第四 ， 結(jié)果分析、評(píng)估與展示 。 解釋并評(píng)估結(jié)果 ,在所得模型中選取有意義的模型，并且將所得的知識(shí)用表格，圖表等可視化其使用的分析方法一般應(yīng)根據(jù)數(shù)據(jù)挖掘的結(jié)果形式和商業(yè)目標(biāo)而定 。 第五 ， 知識(shí)的同化。將分析所得到的知識(shí)集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中去。 過(guò)程如圖所示： 南京財(cái)經(jīng)大學(xué)本科畢業(yè)論文 12 數(shù)據(jù)挖掘的功能和它們可以發(fā)現(xiàn)的模式類型 主要有：特征化和區(qū)分、分類、聚類、孤立點(diǎn)分析、關(guān)聯(lián)分析、演變分析。 本文 在分析汽車客戶屬性分類還有關(guān)聯(lián)屬性的時(shí)候 將只用到聚類分析 和關(guān)聯(lián)規(guī)則挖掘技術(shù) 這兩種方法，并且對(duì)其中的 Kmeans算法 和 Apriori算法 要通過(guò)軟件做具體的應(yīng)用 。 所以下面就介紹這 2種方法和具體的算法。 （二）聚類分析以及 K_means 算法 1，聚類分析概述 聚類是指將數(shù)據(jù)分組成為多個(gè)類 ,在同一個(gè)類內(nèi)對(duì)象之間具有較高的相似度 ,不同類之間的對(duì)象差別較大。 聚類是無(wú)指導(dǎo)的學(xué)習(xí)方法 ,它區(qū)別于分類 。 分類 是按照一定的標(biāo)準(zhǔn)或規(guī)則 , 將事物歸屬到某個(gè)事先已知的類別之中。而聚類是分析事物的內(nèi)在特點(diǎn)或規(guī)律 ,根據(jù)最大化類內(nèi)的相似性和最小化類間的相似性的原則 , 對(duì)事物進(jìn)行分組。 聚類分析是指用數(shù)學(xué)的方法研究和處理給定對(duì)象的分類 ,是認(rèn)識(shí)和探索事物內(nèi)在聯(lián)系的一種手段 ,是數(shù)據(jù)挖掘中的一個(gè)功能 ,它的應(yīng)用很廣泛。通過(guò)聚類分析技術(shù) ,能夠識(shí)別密集的和稀疏的區(qū)域 ,從而發(fā)現(xiàn)全局的分布模式和數(shù)據(jù)屬性之間有趣的相互關(guān)系。聚類的質(zhì)量是基于對(duì)象的相似度來(lái)衡量評(píng)估的。 邏輯數(shù)據(jù)庫(kù) 被選中的數(shù)據(jù) 預(yù)處理后數(shù)據(jù) 被轉(zhuǎn)換的數(shù)據(jù) 被抽取的數(shù)據(jù) 被同化的知識(shí) 選擇 預(yù)處理 轉(zhuǎn)換 分析和同化 挖掘 南京財(cái)經(jīng)大學(xué)本科畢業(yè)論文 13 2， Kmeans 算法 （ 1） Kmeans算法的 基本 思想 Kmeans 聚 類算法屬于聚類分析方法中一種基本