基于數(shù)據(jù)挖掘技術(shù)的電子商務(wù)客戶關(guān)系管理的應(yīng)用研究

時(shí)間：2022-05-27 08:51:01 | 來源：網(wǎng)絡(luò)營銷

時(shí)間：2022-05-27 08:51:01 來源：網(wǎng)絡(luò)營銷

電子商務(wù)環(huán)境下客戶關(guān)系管理(Customer Relationship Management in Electronic Commerce Environment，以下簡稱電子商務(wù)CRM)是近幾年來的一個研究熱點(diǎn)，已引起學(xué)術(shù)界和企業(yè)界的廣泛關(guān)注。

企業(yè)通過應(yīng)用電子商務(wù)環(huán)境下客戶關(guān)系管理建立與客戶溝通的便利渠道，為客戶創(chuàng)造更高的價(jià)值，來提高客戶的滿意度和忠誠度，從而實(shí)現(xiàn)更高的利潤，利于企業(yè)的長遠(yuǎn)發(fā)展。

在電子商務(wù)環(huán)境下，客戶的信息數(shù)據(jù)越來越多，而現(xiàn)行的客戶管理系統(tǒng)主要是對客戶資料的整合和匯總，利用的分析工具也是傳統(tǒng)的分析工具，比如OLAP，它們注重的是對歷史數(shù)據(jù)的總結(jié)，缺乏對未來情況的預(yù)測。

實(shí)際上，在和客戶的交易過程中，企業(yè)會積累越來越多的客戶數(shù)據(jù)，如果不能對這些數(shù)據(jù)很好地分析，一方面是這些數(shù)據(jù)的浪費(fèi)，而企業(yè)也不能很好地了解顧客，并對客戶的維護(hù)和開發(fā)起到指導(dǎo)作用，因此，如何有效地處理海量客戶信息，從中挖掘判斷出客戶的消費(fèi)趨向，實(shí)旌精確營銷成為擺在電子商務(wù)企業(yè)面前的一大問題。

從上世紀(jì)90年代起，數(shù)據(jù)挖掘技術(shù)伴隨著海量數(shù)據(jù)處理需求的不斷增長而發(fā)展成熟，許多數(shù)據(jù)挖掘軟件工具被開發(fā)出來，成為了電子商務(wù)CRM實(shí)施的關(guān)鍵技術(shù)之一，目前國內(nèi)外學(xué)者對于數(shù)據(jù)挖掘工具的開發(fā)與數(shù)據(jù)挖掘方面的研究也變得越來越熱衷。

由美國IBM公司開發(fā)的數(shù)據(jù)挖掘工具Intelligent Miner，可以挖掘包含在數(shù)據(jù)庫、數(shù)據(jù)倉庫和數(shù)據(jù)中心中的隱含信息，它已成功用于市場分析、詐騙行為監(jiān)測及客戶聯(lián)系管理等業(yè)務(wù)領(lǐng)域；在國內(nèi)也有一批軟件公司也紛紛發(fā)布了自己的CRM產(chǎn)品，通過數(shù)據(jù)分析和數(shù)據(jù)挖掘能實(shí)現(xiàn)從海量客戶數(shù)據(jù)中提煉出重要的信息，以支持企業(yè)開展多方面的客戶分析。

而在學(xué)術(shù)界，近幾年來也對客戶關(guān)系管理研究和數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用開展了一些討論和研究，如基于決策樹方法給出了一個客戶利潤貢獻(xiàn)度的評價(jià)模型；用一種基于遺傳算法的多重決策樹組合分類方法來進(jìn)行客戶獲取分析等，但總體上來看，目前在數(shù)據(jù)挖掘在客戶關(guān)系管理的研究主要還是描述性的分析居多，對數(shù)據(jù)挖掘在電子商務(wù)環(huán)境下客戶關(guān)系管理的研究仍然進(jìn)展緩慢。

從以上分析可知，數(shù)據(jù)挖掘在電子商務(wù)CRM中的應(yīng)用研究是當(dāng)前的一個重要課題，本研究具有重要的實(shí)際應(yīng)用價(jià)值。

一、客戶關(guān)系管理的概念

客戶關(guān)系管理(Customer Relationship Management，CRM)源于“以客戶為中心”的新型商業(yè)模式，是一種旨在改善企業(yè)與客戶之間關(guān)系的新型管理機(jī)制。

CRM首先是一種管理理念，起源于西方的市場營銷理論，產(chǎn)生和發(fā)展在美國，其核心思想是將企業(yè)的客戶(包括最終客戶、分銷商和合作伙伴)作為最重要的企業(yè)資源，通過完善的客戶服務(wù)和深入的客戶分析來滿足客戶的需求，保證實(shí)現(xiàn)客戶的終生價(jià)值。

CRM又是一種旨在改善企業(yè)與客戶之間關(guān)系的新型管理機(jī)制，它實(shí)施于企業(yè)的市場營銷、銷售、服務(wù)與技術(shù)支持等與客戶相關(guān)的領(lǐng)域，要求企業(yè)從“以產(chǎn)品為中心”的模式向“以客戶為中心”的模式轉(zhuǎn)移，也就是說，企業(yè)關(guān)注的焦點(diǎn)應(yīng)從內(nèi)部運(yùn)作轉(zhuǎn)移到客戶關(guān)系上來（具體可查看億企邦《如何以客戶為中心進(jìn)行數(shù)據(jù)挖掘與分析》的相關(guān)介紹）。

CRM也是一種管理軟件和技術(shù)，它將最佳的商業(yè)實(shí)踐與數(shù)據(jù)挖掘、數(shù)據(jù)倉庫、一對一營銷、銷售自動化以及其它信息技術(shù)緊密結(jié)合在一起，為企業(yè)的銷售、客戶服務(wù)和決策支持等領(lǐng)域提供了一個業(yè)務(wù)自動化的解決方案，使企業(yè)有了一個基于電子商務(wù)的面對客戶的前沿，從而順利實(shí)現(xiàn)由傳統(tǒng)企業(yè)模式到以電子商務(wù)為基礎(chǔ)的現(xiàn)代企業(yè)模式的轉(zhuǎn)化。

CRM的目標(biāo)是一方面通過提供更快速和周到的優(yōu)質(zhì)服務(wù)吸引和保持更多的客戶；另一方面通過對業(yè)務(wù)流程的全面管理降低企業(yè)的成本，設(shè)計(jì)完善的CRM解決方案可以幫助企業(yè)在拓展新收入來源的同時(shí)，改進(jìn)與現(xiàn)有客戶的交流方式。

二、數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘(Data Mining) ，又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)(Knowledge Discovery In Database，KDD)，是指從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中提取隱含的、未知的、非平凡的及有潛在應(yīng)用價(jià)值的信息或模式，它是數(shù)據(jù)庫研究中的一個很有應(yīng)用價(jià)值的新領(lǐng)域，融合了數(shù)據(jù)庫、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、高性能計(jì)算、模式識別、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)可視化、信息檢索、圖像于信息處理和空間數(shù)據(jù)分析等多個領(lǐng)域的理論和技術(shù)。

從技術(shù)上來說，數(shù)據(jù)挖掘就是從大量的、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，但又是潛在有用的信息和知識的過程。

從商業(yè)角度來說，數(shù)據(jù)挖掘是一種新的商業(yè)信息處理技術(shù)，其主要特點(diǎn)是對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)。

因此，數(shù)據(jù)挖掘可以描述為：按企業(yè)既定業(yè)務(wù)目標(biāo)，對大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示隱藏的、未知的或驗(yàn)證已知的規(guī)律性，并進(jìn)一步將其模型化的先進(jìn)有效的方法（具體可查看億企邦《收集客戶關(guān)系管理數(shù)據(jù)的策略和需求分析》的相關(guān)介紹）。

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

對于數(shù)據(jù)挖掘技術(shù)的電子商務(wù)客戶關(guān)系管理的應(yīng)用，億企邦就從以下6點(diǎn)為大家詳細(xì)的介紹一下：

1、主要的數(shù)據(jù)挖掘技術(shù)

比較典型的數(shù)據(jù)挖掘方法有關(guān)聯(lián)分析、序列模式分析、分類分析、聚類分析等，它們可以應(yīng)用到以客戶為中心的企業(yè)決策分析和管理的各個不同領(lǐng)域和階段。

（1）、關(guān)聯(lián)分析

關(guān)聯(lián)分析，即利用關(guān)聯(lián)規(guī)則進(jìn)行數(shù)據(jù)挖掘，關(guān)聯(lián)分析的目的是挖掘隱藏在數(shù)據(jù)間的相互關(guān)系，它能發(fā)現(xiàn)數(shù)據(jù)庫中形如“90％的顧客在一次購買活動中購買商品A的同時(shí)購買商品B”之類的知識。

（2）、序列模式分析

序列模式分析和關(guān)聯(lián)分析相似，但側(cè)重點(diǎn)在于分析數(shù)據(jù)間的前后序列關(guān)系，它能發(fā)現(xiàn)數(shù)據(jù)庫中形如[在某一段時(shí)間內(nèi)，顧客購買商品A，接著購買商品B，而后購買商品C，即序列A-B-C出現(xiàn)的頻度較高曉類的知識，序列模式分析描述的問題是：在給定交易序列數(shù)據(jù)庫中，每個序列是按照交易時(shí)間排列的一組交易集，挖掘序列函數(shù)作用在這個交易序列數(shù)據(jù)庫上，返回該數(shù)據(jù)庫中出現(xiàn)的高頻序列。

在進(jìn)行序列模式分析時(shí)，同樣也需要由用戶輸入最小置信度C和最小支持度S。

（3）、分類分析

設(shè)有一個數(shù)據(jù)庫和一組具有不同特征的類別(標(biāo)記)，該數(shù)據(jù)庫中的每一個記錄都賦予一個類別的標(biāo)記，這樣的數(shù)據(jù)庫稱為示例數(shù)據(jù)庫或訓(xùn)練集。

分類分析就是通過分析示例數(shù)據(jù)庫中的數(shù)據(jù)，為每個類別做出準(zhǔn)確的描述或建立分析模型或挖掘出分類規(guī)則，然后用這個分類規(guī)則對其它數(shù)據(jù)庫中的記錄進(jìn)行分類。

（4）、聚類分析

聚類分析輸入的是一組未分類記錄，并且這些記錄應(yīng)分成幾類事先不知道，通過分析數(shù)據(jù)庫中的記錄數(shù)據(jù)，根據(jù)一定的分類規(guī)則，合理地劃分記錄集合，確定每個記錄所在類別，它所采用的分類規(guī)則是由聚類分析工具決定的，采用不同的聚類方法，對于相同的記錄集合可能有不同的劃分結(jié)果（具體可查看億企邦《聚類分析的方法及應(yīng)用》的相關(guān)介紹）。

2、電子商務(wù)CRM的現(xiàn)狀

電子商務(wù)CRM是在傳統(tǒng)CRM的基礎(chǔ)上利用信息技術(shù)的發(fā)展所創(chuàng)建的一種新興的顧客滿意管理，與傳統(tǒng)CRM相比，電子商務(wù)CRM在以下幾方面的具有十分明顯的特征：

（1）、客服流程與方法的整合

它包含了前端與后端的整合，前端是指統(tǒng)一的聯(lián)系渠道，它使得企業(yè)可以同時(shí)讓客戶選擇在不同時(shí)間以電話、傳真、網(wǎng)站或電子郵件等各種不同方式與企業(yè)接觸；后端則是指用先進(jìn)的資料分析方法，深入探索客戶相關(guān)的知識，做客戶管理的依據(jù)。

（2）、重在一對一營銷

電子商務(wù)CRM應(yīng)以每一個客戶作為一個個別的區(qū)域，因此對客戶行為的追蹤或分析，都是以單一客戶為單位，發(fā)現(xiàn)其行為方式與偏好；同時(shí)，應(yīng)對策略或行銷方案也是依每個客戶的個別狀況來提供。

（3）、交互的實(shí)時(shí)性

Interact時(shí)代消費(fèi)者快速地接受大量信息，所以消費(fèi)者偏好也不斷地改變，企業(yè)必須不斷地觀察消費(fèi)者行為的改變，并立即產(chǎn)生應(yīng)對策略，才能掌握先機(jī)贏得客戶。

3、電子商務(wù)CRM存在的問題

雖說電子商務(wù)CRM較傳統(tǒng)客戶關(guān)系管理有一定的優(yōu)勢，但電子商務(wù)CRM也存在以下一些問題：

（1）、客戶范疇的認(rèn)知不深

企業(yè)的客戶，應(yīng)該包括現(xiàn)有客戶與潛在客戶，而當(dāng)前許多企業(yè)僅僅把目光落在眼前的客戶上，忽略了潛在客戶的利潤空間。

（2）、服務(wù)缺乏創(chuàng)新

個性化服務(wù)只停留在觀念的層次，僅有形式的個性，實(shí)際上并沒有給客戶提供多少貼心的服務(wù)。

（3）、大量有益信息未充分的挖掘和利用

電子商務(wù)網(wǎng)站每天都可能有上百萬次的在線交易，生成大量的記錄文件和登記表，這些數(shù)據(jù)都是和客戶行為有關(guān)的，對商家來說是非常重要的，但是數(shù)據(jù)并不是信息，這些數(shù)據(jù)資源中所蘊(yùn)涵的大量有益信息至今卻未能得到充分的挖掘和利用，這些數(shù)據(jù)一旦不能為企業(yè)所用，大量的數(shù)據(jù)就可能成為企業(yè)的包袱，甚至成為垃圾。

如何才能不被數(shù)據(jù)的汪洋大海所淹沒，從中及時(shí)發(fā)現(xiàn)有用的知識，提高數(shù)據(jù)利用率，變得非常重要，近年來興起的數(shù)據(jù)挖掘技術(shù)為解決大量有益信息未充分的挖掘和利用這個問題帶來了一線曙光（具體可查看億企邦《企業(yè)營銷數(shù)據(jù)分析的方法及策略》的相關(guān)介紹）。

4、數(shù)據(jù)挖掘技術(shù)在電子商務(wù)CRM中應(yīng)用的必要性

目前，越來越多企業(yè)使用數(shù)據(jù)挖掘來加強(qiáng)電子商務(wù)CRM的應(yīng)用水平，許多企業(yè)都在其具體的應(yīng)用中使用數(shù)據(jù)挖掘技術(shù)，具體來說，電子商務(wù)CRM應(yīng)用數(shù)據(jù)挖掘的必要性體現(xiàn)在以下3個方面：

（1）、把握客戶動態(tài)

互聯(lián)網(wǎng)時(shí)代客戶快速地接受大量信息，因此他們的偏好也不斷地改變，企業(yè)必須通過數(shù)據(jù)挖掘快速了解客戶行動的改變，并立即產(chǎn)生應(yīng)對策略，才能掌握先機(jī)贏得客戶。

（2）、追蹤市場變化

企業(yè)通過在電子商務(wù)CRM中使用數(shù)據(jù)挖掘技術(shù)對所記錄的客戶歷史信息進(jìn)行挖掘得到有價(jià)值的信息，預(yù)測市場的潛在消費(fèi)需求，及時(shí)調(diào)整各種服務(wù)，做出正確的針對性的決策，比如改進(jìn)公司網(wǎng)站、向各類客戶推進(jìn)個性化的頁面等。

（3）、實(shí)施個性化營銷

電子商務(wù)CRM應(yīng)通過數(shù)據(jù)挖掘針對客戶的行為模式進(jìn)行分析和追蹤，發(fā)現(xiàn)其行為方式與偏好，為客戶量身定做服務(wù)形式、產(chǎn)品以及定價(jià)，從而充分利用基于互聯(lián)網(wǎng)的銷售和售后服務(wù)渠道，進(jìn)行實(shí)時(shí)的、個性化的營銷，這也是企業(yè)通過高品質(zhì)電子化服務(wù)爭得新客戶、保留老客戶和實(shí)現(xiàn)對客戶關(guān)懷的最重要手段。

5、數(shù)據(jù)挖掘在電子商務(wù)CRM中的應(yīng)用

具體來說，數(shù)據(jù)挖掘在電子商務(wù)CRM中的應(yīng)用主要體現(xiàn)在以下幾方面：

（1）、客戶價(jià)值分析

通過分析客戶對企業(yè)業(yè)務(wù)所構(gòu)成的貢獻(xiàn)，并結(jié)合投入產(chǎn)出進(jìn)行分析，計(jì)算客戶對企業(yè)的價(jià)值度，然后根據(jù)價(jià)值度的大小，用分類或聚類的方法來劃分客戶群，以便對客戶實(shí)施有差異的服務(wù)。

（2）、產(chǎn)品客戶價(jià)值分析

分析客戶對某種產(chǎn)品業(yè)務(wù)量的貢獻(xiàn)，使用的方法與客戶價(jià)值分析基本相同，通過對產(chǎn)品客戶價(jià)值分析，不僅有利于該產(chǎn)品的經(jīng)營管理者有區(qū)別地做好客戶服務(wù)，而且可以為該產(chǎn)品的營銷提供相對準(zhǔn)確的目標(biāo)客戶群。

（3）、客戶保持

采用聚類(分類)和關(guān)聯(lián)分析技術(shù)，可將客戶群分為5類：高價(jià)值穩(wěn)定的客戶群、高價(jià)值易流失的客戶群、低價(jià)值穩(wěn)定的客戶群、低價(jià)值易流失的客戶群、沒有價(jià)值的客戶群。

（4）、客戶滿意度分析

分析客戶對企業(yè)產(chǎn)品和服務(wù)的滿意度，可以幫助企業(yè)改進(jìn)客戶營銷策略，從而增加客戶的忠誠度，數(shù)據(jù)挖掘可從零散的客戶反饋信息中，分析出客戶的滿意度（具體可查看億企邦《如何將數(shù)據(jù)挖掘技術(shù)應(yīng)用到客戶內(nèi)在需求管理》的相關(guān)介紹）。

（5）、客戶信用分析

分析客戶信用，對商家很有意義，對不同信用級別的客戶，采取不同的賒銷方案等，數(shù)據(jù)挖掘可從大量歷史數(shù)據(jù)中分析出具體客戶的信用等級。

6、數(shù)據(jù)挖掘技術(shù)在電子商務(wù)CRM中的應(yīng)用步驟

數(shù)據(jù)挖掘是一個多步驟的處理過程，這個過程是交互和迭代的，其中許多過程需要用戶參與，主要由數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘和分析評價(jià)3個階段，這個過程是一個雙向的循環(huán)過程，若結(jié)果不能令決策者滿意，可以遞歸地執(zhí)行，在電子商務(wù)CRM中實(shí)施數(shù)據(jù)挖掘應(yīng)用的步驟及過程包括：

（1）、確定任務(wù)

首先，建立企業(yè)級的客戶信息數(shù)據(jù)倉庫，然后，確定數(shù)據(jù)挖掘所需要解決的問題和所需要達(dá)到的預(yù)定目標(biāo)，在CRM中應(yīng)用數(shù)據(jù)挖掘是為了優(yōu)化CRM，提高企業(yè)運(yùn)營效率，所以數(shù)據(jù)挖掘應(yīng)用必須能夠與企業(yè)現(xiàn)有的CRM或CRM的人工處理過程集成。

通常在一個CRM系統(tǒng)中實(shí)施數(shù)據(jù)挖掘應(yīng)用時(shí)，我們不是同時(shí)針對CRM流程的各個環(huán)節(jié)開發(fā)數(shù)據(jù)挖掘應(yīng)用，而是首先針對關(guān)鍵環(huán)節(jié)，或者需求較為強(qiáng)烈的環(huán)節(jié)優(yōu)先進(jìn)行部署。

（2）、定義數(shù)據(jù)挖掘應(yīng)用的用戶

數(shù)據(jù)挖掘應(yīng)用的用戶組成通常比較復(fù)雜，他們包括經(jīng)常使用系統(tǒng)但是僅使用一些簡單功能的日常工作人員，也包括很少使用系統(tǒng)但是每次使用系統(tǒng)都需要完成大量分析、挖掘任務(wù)的企業(yè)高層決策者；包括精通數(shù)據(jù)挖掘技術(shù)的專業(yè)人員，也包括毫無技術(shù)背景的普通用戶，所以系統(tǒng)中用戶的定義需要經(jīng)過細(xì)致的用戶需求分析。

（3）、定義數(shù)據(jù)并對數(shù)據(jù)進(jìn)行預(yù)處理

數(shù)據(jù)挖掘是由可以獲取的數(shù)據(jù)驅(qū)動的，其成功在很大程度上取決于輸入數(shù)據(jù)的數(shù)量和質(zhì)量，實(shí)施一個數(shù)據(jù)挖掘應(yīng)用，首先應(yīng)該針對數(shù)據(jù)庫或數(shù)據(jù)倉庫中的大量數(shù)據(jù)建立完善的數(shù)據(jù)字典，使用數(shù)據(jù)字典，可以準(zhǔn)確地從數(shù)據(jù)或數(shù)據(jù)倉庫中找到數(shù)據(jù)挖掘應(yīng)用所需的數(shù)據(jù)。

但是，存儲在數(shù)據(jù)庫中的數(shù)據(jù)通常存在數(shù)據(jù)的不完整、不一致等一些情況，而且通常包含了許多挖掘時(shí)用不到的多余屬性，所以，在真正使用這些數(shù)據(jù)之前，需要對他們進(jìn)行清理、轉(zhuǎn)換、集成和屬性歸約。

（4）、選擇合適的數(shù)據(jù)挖掘技術(shù)和工具

在明確了所要解決的問題屬哪一類應(yīng)用問題后，就可以選擇合適的數(shù)據(jù)挖掘技術(shù)，例如上面的問題我們明確了其主要任務(wù)是分類，那么可以采用的技術(shù)有遺傳算法，決策樹和人工神經(jīng)網(wǎng)絡(luò)等，經(jīng)過比較和權(quán)衡，最后我們選擇決策樹，因?yàn)榉诸愔?，我們還需要知道每個類的流失原因和預(yù)測。

在億企邦看來，合適的挖掘技術(shù)和工具的選擇，對于未來系統(tǒng)的性能和可靠性有重大影響，應(yīng)該認(rèn)真分析，權(quán)衡利弊。

（5）、建立模型和知識發(fā)現(xiàn)

在選擇好數(shù)據(jù)挖掘的技術(shù)和方法后，下面就要對其建立模型，這是數(shù)據(jù)挖掘的核心環(huán)節(jié)，不同的技術(shù)方案產(chǎn)生的結(jié)果模型有很大不同，而且模型結(jié)果的可理解性也存在較大差異。

例如，用決策樹方法產(chǎn)生模型結(jié)果就比用神經(jīng)網(wǎng)絡(luò)技術(shù)的結(jié)果易于理解，另外，對結(jié)果的分析和描述(OP進(jìn)行知識發(fā)現(xiàn))也很關(guān)鍵，不恰當(dāng)?shù)拿枋鰰斐烧`導(dǎo)。

（6）、證實(shí)和評價(jià)

通過上面的處理之后，就會得到一系列的分析結(jié)果和模式，它們是對目標(biāo)問題的多側(cè)面的描述，這時(shí)需要對它們進(jìn)行反復(fù)驗(yàn)證，因?yàn)閿?shù)據(jù)挖掘是一個復(fù)雜的應(yīng)用，對一個大型數(shù)據(jù)挖掘應(yīng)用的驗(yàn)證需要花費(fèi)大量的時(shí)間，所以驗(yàn)證應(yīng)該從較小的系統(tǒng)開始：對系統(tǒng)的驗(yàn)證可以糾正其中發(fā)生的錯誤，而且有利于用戶對數(shù)據(jù)挖掘應(yīng)用的理解，幫助他們提出更合理、更有創(chuàng)見性的建議。

最后對其作出評價(jià)，以得到合理的完備決策信息，可以采用的方法有直接使用原來建立模型的樣本數(shù)據(jù)進(jìn)行檢驗(yàn)，或另找一批數(shù)據(jù)對其進(jìn)行檢驗(yàn)，也可以在實(shí)際運(yùn)行中取出新鮮數(shù)據(jù)進(jìn)行檢驗(yàn)。

（7）、用戶培訓(xùn)，它也是非常重要的一環(huán)

因?yàn)橛脩舨攀亲罱K真正使用CRM系統(tǒng)和其中的數(shù)據(jù)挖掘應(yīng)用的人對用戶的培訓(xùn)必須讓他們知道對所使用的CRM系統(tǒng)的整體流程、功能以及數(shù)據(jù)挖掘應(yīng)用在其中所起的作用，了解系統(tǒng)中所使用的數(shù)據(jù)的具體含義，最后指導(dǎo)他們對挖掘結(jié)果進(jìn)行有效的訪問和可視化。

本文結(jié)合客戶關(guān)系管理、數(shù)據(jù)挖掘和電子商務(wù)相關(guān)理論，對數(shù)據(jù)挖掘技術(shù)在電子商務(wù)客戶關(guān)系管理中的應(yīng)用做了一些基礎(chǔ)性的研究，對今后的在這方面的研究具有一定的借鑒意義。

在CRM中實(shí)施數(shù)據(jù)挖掘應(yīng)用是一個持續(xù)的過程，隨著CRaM系統(tǒng)的不斷擴(kuò)展和數(shù)據(jù)資源的積累，很可能需要重新建立數(shù)據(jù)挖掘模型或者創(chuàng)建新的數(shù)據(jù)挖掘應(yīng)用，我們相信，數(shù)據(jù)挖掘和CRM的結(jié)合必然會推動企業(yè)的發(fā)展，同時(shí)也為客戶提供更優(yōu)質(zhì)的服務(wù)。

億企邦點(diǎn)評：

實(shí)踐證明，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于CRM使企業(yè)進(jìn)一步鞏固了高價(jià)值的客戶群體，引導(dǎo)并提升了低價(jià)值的客戶群體，激勵并轉(zhuǎn)化了沒有價(jià)值的客戶群體，取得了可觀的直接經(jīng)濟(jì)收益，為企業(yè)帶來了豐厚的利潤，數(shù)據(jù)挖掘技術(shù)對具有“海量信息”的行業(yè)或公司，例如：超市、金融行業(yè)、移動通信行業(yè)等，具有廣泛的應(yīng)用前景。