淺談基于CRM信息技術(shù)的渠道偏好度模型的管理應用
大學(xué)，是絕大多數的童鞋第一次開(kāi)始寫(xiě)論文的時(shí)期。因此，小編特地為大家帶來(lái)了一篇論文范文，歡迎大家閱讀學(xué)習!下面文書(shū)幫小編給大家帶來(lái)一篇論文范文，歡迎閱讀！
摘要：文章以CRM系統對客戶(hù)行為和偏好的深入分析為基礎，對基于信息技術(shù)對客戶(hù)的渠道偏好進(jìn)行了深入探討。論文以中國電信行業(yè)為例，選取了一個(gè)典型案例企業(yè)，對其電話(huà)客服中心、短信渠道和網(wǎng)站渠道的偏好度進(jìn)行分析，研究結論對電信運營(yíng)商的提升客戶(hù)關(guān)系、提升業(yè)務(wù)績(jì)效、提高客戶(hù)數據處理技術(shù)方面均提供了良好的指導。
關(guān)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(xué)者的案例研究過(guò)程淵源已久，Kyburz-Graber(2004)將案例研究分為三類(lèi)：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(yíng)商的CRM管理過(guò)程實(shí)踐為研究對象，分析客戶(hù)對于渠道的偏好度。本案例企業(yè)為某電信運營(yíng)商的一家地市分公司，擁有超過(guò)三百萬(wàn)用戶(hù)，主要從事移動(dòng)通信和數據服務(wù)業(yè)務(wù)。
這家電信運營(yíng)商在完成基本的各種業(yè)務(wù)運營(yíng)的生產(chǎn)性信息系統后，進(jìn)一步完成數據匯總并建設了涵蓋所有客戶(hù)互動(dòng)歷史數據的中央數據倉庫系統作為企業(yè)級業(yè)務(wù)數據平臺。其市場(chǎng)營(yíng)銷(xiāo)部門(mén)充分利用這個(gè)統一集中的管理信息平臺，對客戶(hù)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(lèi)型定為四類(lèi)：營(yíng)業(yè)廳、電話(huà)客服中心、短信、網(wǎng)站。
2. 客戶(hù)渠道的偏好度模型，使用數據挖掘的人工神經(jīng)網(wǎng)絡(luò )技術(shù)(詳述如后)，計算出每個(gè)用戶(hù)使用四種渠道辦理業(yè)務(wù)的傾向度評分。
3. 主要的數據來(lái)源包括客服中心呼叫記錄，短信請求記錄，網(wǎng)站渠道運營(yíng)記錄，業(yè)務(wù)支撐系統工單，服務(wù)使用數據，以及客戶(hù)基本屬性數據等。
4. 時(shí)間分析窗口數據，利用渠道偏好度模型給每個(gè)分析用戶(hù)進(jìn)行渠道使用傾向評分，再通過(guò)驗證窗口用戶(hù)使用渠道情況進(jìn)行模型驗證。分析窗口：用于分析特征的歷史數據的時(shí)間跨度，需要3個(gè)月的歷史數據;驗證窗口：用于驗證用戶(hù)使用渠道情況，需要2個(gè)月的歷史數據。
5. 本案例研究所使用的技術(shù)方法為人工神經(jīng)網(wǎng)絡(luò )(ANN)。人工神經(jīng)網(wǎng)絡(luò )的研究發(fā)展起源于20世紀40年代，是一種模仿人腦神經(jīng)系統的非線(xiàn)性映射結構。它不依賴(lài)于精確數學(xué)模型，而顯示出自適應和自學(xué)習功能。1943年，法國心理學(xué)家W.S.McCuloch和W.Pitts提出了第一個(gè)神經(jīng)元數學(xué)模型，開(kāi)創(chuàng )了人類(lèi)自然科學(xué)史上的一門(mén)新興科學(xué)ANN的研究。
人工神經(jīng)網(wǎng)絡(luò )會(huì )不斷檢驗預測結果與實(shí)際情況是否相符。把與實(shí)際情況不符合的輸入輸出數據作為新的樣本，對新樣本進(jìn)行動(dòng)態(tài)學(xué)習并動(dòng)態(tài)改變網(wǎng)絡(luò )結構和參數，這樣使網(wǎng)絡(luò )適應環(huán)境或預測對象本身結構和參數的變化，從而使預測網(wǎng)絡(luò )模型有更強的適應性。而在A(yíng)NN的實(shí)現過(guò)程中，往往需要大量的數據來(lái)產(chǎn)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A(yíng)NN和數據挖掘兩者的優(yōu)勢互補，將神經(jīng)網(wǎng)絡(luò )用于數據挖掘具有現實(shí)意義和實(shí)用價(jià)值。人工神經(jīng)網(wǎng)絡(luò )在數據挖掘中的優(yōu)勢是：對于噪聲數據的強承受能力，對數據分類(lèi)的高準確性，以及可用各種算法進(jìn)行規則提取。
人工神經(jīng)網(wǎng)絡(luò )方法常用于分類(lèi)、聚類(lèi)、特征挖掘、預測和模式識別。神經(jīng)網(wǎng)絡(luò )模型大致可分為以下三種：(1)前饋式網(wǎng)絡(luò )：以感知機、反向傳播模型和函數型網(wǎng)絡(luò )為代表，主要用于預測和模式識別等領(lǐng)域;(2)反饋式網(wǎng)絡(luò )：以Hopfield離散模型和連續模型為代表，主要用于聯(lián)想記憶和優(yōu)化計算;(3)自組織網(wǎng)絡(luò )：以自適應共振理論：(Adaptive Resonance Theory，ART)模型為代表，主要用于聚類(lèi)分析。
在本案例應用中，主要是用前饋式網(wǎng)絡(luò )來(lái)進(jìn)行多變量的概率分布預測。因為本文目標是對用戶(hù)使用幾種渠道的可能性高低進(jìn)行預測。
二、 案例研究的實(shí)施與分析
1. 業(yè)務(wù)規劃的考量。對客戶(hù)使用渠道的習慣偏好進(jìn)行分析具有重大意義，可以對營(yíng)銷(xiāo)活動(dòng)提供有力的支持。通過(guò)客戶(hù)行為特征分析，尋找客戶(hù)選擇渠道的偏好，提供客戶(hù)營(yíng)銷(xiāo)渠道的最優(yōu)路徑。不但有利于優(yōu)化渠道資源，降低營(yíng)銷(xiāo)成本，更能提高營(yíng)銷(xiāo)成功率，提升客戶(hù)滿(mǎn)意度。
目前電信客戶(hù)可以使用的移動(dòng)通信服務(wù)渠道包括營(yíng)業(yè)廳、電話(huà)客服、短信、網(wǎng)站、自助服務(wù)終端等，其中營(yíng)業(yè)廳提供服務(wù)功能最為齊全，但成本也是最高;電話(huà)客服使用最為廣泛，幾乎每個(gè)客戶(hù)都有使用電話(huà)客服的經(jīng)驗，也是提供最多服務(wù)的渠道，對于電信公司的用戶(hù)滿(mǎn)意度非常重要。因此，研究應用的重點(diǎn)之一就是如何發(fā)揮電話(huà)客服的優(yōu)勢，以有限資源服務(wù)更多的高價(jià)值客戶(hù)和業(yè)務(wù)，減少低價(jià)值客戶(hù)和業(yè)務(wù)占用客服資源的比例。同時(shí)，重點(diǎn)發(fā)展電子渠道，著(zhù)重提高電子渠道的普及率，培養用戶(hù)使用電子渠道的習慣，引導用戶(hù)從傳統渠道(營(yíng)業(yè)廳、電話(huà)客服)向電子渠道(短信和網(wǎng)站)轉變。
2. 具體的技術(shù)實(shí)現方案：
(1)數據準備：基于業(yè)務(wù)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(zhì)量分析：對預處理之后的基礎變量進(jìn)行數據質(zhì)量分析以剔除質(zhì)量較差的變量;
(3)數據探索：通過(guò)可視化(Visualization)工具及統計分析等方法來(lái)展示及探索各個(gè)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(yè)務(wù)發(fā)展規律;
(4)數據處理流程：按照挖掘任務(wù)的要求，將數據從中央數據倉庫抽取生成挖掘專(zhuān)用的數據集市�；镜臄祿幚砹鞒逃校簲祿吹膮R總合并;執行數據探索抽樣;透過(guò)人工神經(jīng)網(wǎng)絡(luò )(ANN)進(jìn)行模型打分;產(chǎn)生模型并進(jìn)行模型驗證整體技術(shù)方案的關(guān)鍵點(diǎn)體現在兩個(gè)方面：建模過(guò)程：為渠道偏好的分類(lèi)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(guò)程：應用最小長(cháng)度原理，控制隱藏節點(diǎn)數，以達到擬合最優(yōu)。另借助SAS軟件工具實(shí)現模型打分。
3. 具體應用實(shí)現案例。根據電話(huà)、網(wǎng)站、短信和營(yíng)業(yè)廳渠道各個(gè)評分前10%的用戶(hù)，取各渠道用戶(hù)的評分值、每用戶(hù)平均收入(ARPU)、以及在網(wǎng)時(shí)長(cháng)的信息設計營(yíng)銷(xiāo)方案。
(1)對偏好電話(huà)的客戶(hù)，通過(guò)電話(huà)營(yíng)銷(xiāo)中心外呼進(jìn)行營(yíng)銷(xiāo)，完成后需要對客戶(hù)進(jìn)行短信感謝，同時(shí)介紹網(wǎng)站渠道的便利性和信息豐富的特點(diǎn)。
(2)對偏好網(wǎng)站的客戶(hù)，通過(guò)短信提醒用戶(hù)登錄網(wǎng)上營(yíng)業(yè)廳辦理業(yè)務(wù)的優(yōu)惠信息，在客戶(hù)登錄網(wǎng)上營(yíng)業(yè)廳時(shí)進(jìn)行營(yíng)銷(xiāo)推薦，同時(shí)考慮發(fā)展響應較高的用戶(hù)群作為網(wǎng)站營(yíng)銷(xiāo)的種子客戶(hù)，進(jìn)行持續的優(yōu)惠激勵。
(3)對偏好短信的客戶(hù)，通過(guò)短信進(jìn)行營(yíng)銷(xiāo)推薦，給予短信辦理業(yè)務(wù)的優(yōu)惠條件，提醒客戶(hù)可以嘗試使用信息更加豐富的渠道——網(wǎng)站，并提供網(wǎng)站辦理的簡(jiǎn)單指引。
(4)對偏好營(yíng)業(yè)廳的客戶(hù)，通過(guò)短信提醒客戶(hù)最近的營(yíng)業(yè)廳，同時(shí)推薦客戶(hù)使用電話(huà)渠道，而后再通過(guò)電話(huà)引導客戶(hù)使用營(yíng)業(yè)廳之外的渠道，并考慮對這些客戶(hù)給予業(yè)務(wù)優(yōu)惠吸引他們采用。
4. 渠道模型分析結果與驗證。
(1)電話(huà)客服中心渠道的偏好度分析。在電話(huà)客服中心的營(yíng)銷(xiāo)活動(dòng)中，電話(huà)外呼的目標客戶(hù)優(yōu)先選擇具有電話(huà)偏好度的客戶(hù)群，其次是沒(méi)有明顯渠道偏好的客戶(hù)群，再次是營(yíng)業(yè)廳偏好的客戶(hù)群，針對營(yíng)業(yè)廳偏好客戶(hù)，可以在電話(huà)營(yíng)銷(xiāo)的時(shí)候加入向用戶(hù)推薦就近的營(yíng)業(yè)廳的資料。
通過(guò)電話(huà)渠道偏好客戶(hù)分析，歸納出影響偏好電話(huà)客服渠道最明顯的前10個(gè)參數如表2示。
其中，撥打客服次數、在網(wǎng)時(shí)長(cháng)、總計費分鐘數、是否VIP客戶(hù)、撥打客服平均時(shí)長(cháng)、撥打聲訊臺次數、呼轉次數這7個(gè)因素對客戶(hù)的電話(huà)偏好產(chǎn)生正影響，也就是客戶(hù)的這些參數的值越大，其偏好電話(huà)渠道的可能性就越大;而網(wǎng)站操作業(yè)務(wù)類(lèi)型數、短信操作次數、網(wǎng)站登錄次數這3個(gè)因素對電話(huà)偏好產(chǎn)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(zhù)(P-值小于顯著(zhù)性水平0.05)，即“撥打客服次數”對因變量具有顯著(zhù)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(fā)生比隨著(zhù)“撥打客服次數”的增加而增加。
從電話(huà)渠道模型驗證的角度，前10%的用戶(hù)數量明顯較多，因此選擇前模型得分前10%的客戶(hù)作為電話(huà)偏好的目標客戶(hù)。從圖2的曲線(xiàn)來(lái)看，模型得分前10%的客戶(hù)覆蓋實(shí)際具有電話(huà)渠道偏好客戶(hù)比例達到了30%以上，因此模型提升率達到3倍以上，說(shuō)明選擇前10%是可以滿(mǎn)足目前的要求。
(2)短信渠道的偏好度分析。通過(guò)短信渠道偏好客戶(hù)分析，歸納出影響偏好短信渠道最明顯的前9個(gè)參數：其中短信操作業(yè)務(wù)類(lèi)型數、WLAN使用分鐘數、是否使用中文秘書(shū)、漫游計費分鐘4個(gè)參數，對短信偏好產(chǎn)生正影響;而在網(wǎng)時(shí)長(cháng)、網(wǎng)站操作業(yè)務(wù)類(lèi)型數、總計費分鐘數、撥打客服次數、是否使用留言信箱5個(gè)參數對短信偏好產(chǎn)生負影響。
由于短信辦理業(yè)務(wù)的方式比較容易被年輕人接受，而在網(wǎng)時(shí)長(cháng)比較大的客戶(hù)通常是老客戶(hù)，他們比較習慣使用電話(huà)，使用短信的可能性比較小，因此對比可以看出，在網(wǎng)時(shí)長(cháng)對電話(huà)渠道是正影響，對短信渠道是負影響。
對短信渠道模型進(jìn)行驗證，幾乎所有的短信業(yè)務(wù)辦理的用戶(hù)都是模型得分在20%以?xún)鹊�，采用短信方式辦理業(yè)務(wù)的用戶(hù)的得分都很高，模型覆蓋率非常精確，模型評分前20%的用戶(hù)幾呼覆蓋100%的短信辦理用戶(hù)，模型提升率接近5倍。說(shuō)明短信渠道偏好的模型評價(jià)用戶(hù)是否有短信偏好的能力較強，具有很好的預測能力。
(3)網(wǎng)站渠道的偏好度分析。通過(guò)網(wǎng)站渠道偏好的客戶(hù)分析，歸納出影響偏好網(wǎng)站渠道最明顯的前10個(gè)參數：其中網(wǎng)站操作業(yè)務(wù)類(lèi)型數、數據業(yè)務(wù)使用種類(lèi)數、是否使用號碼管理3個(gè)參數對網(wǎng)站偏好產(chǎn)生正影響;而撥打客服次數、總計費分鐘數、撥打客服平均時(shí)長(cháng)、訂購的WAP服務(wù)數、是否VIP客戶(hù)、短信操作業(yè)務(wù)類(lèi)型數、彩鈴IVR買(mǎi)歌次數7個(gè)參數對網(wǎng)站偏好產(chǎn)生負影響。
前10大參數中，網(wǎng)站偏好影響為正的參數只有3個(gè)，負影響的因素則有7個(gè)，原因是參數的設置和選擇目前主要來(lái)自于客戶(hù)屬性和使用手機的信息，這些內容通常與網(wǎng)站操作沒(méi)有太多關(guān)聯(lián)性，與網(wǎng)站相關(guān)的許多數據目前的系統中難以取到;另一個(gè)原因可能是網(wǎng)站營(yíng)業(yè)廳的出現時(shí)間比較晚，能夠提供的服務(wù)內容比較少。針對熟練使用網(wǎng)站辦理業(yè)務(wù)的用戶(hù)，可以提供目標性的營(yíng)銷(xiāo)發(fā)展成為公司的網(wǎng)站業(yè)務(wù)使用的“種子客戶(hù)”，通過(guò)他們去影響交往圈的其他客戶(hù)，從而提升網(wǎng)站辦理的數量和比例，減輕對電話(huà)渠道的壓力，使得電話(huà)營(yíng)銷(xiāo)中心的資源可以投放到更有生產(chǎn)力的活動(dòng)中。
網(wǎng)站渠道模型評分排名前10%的客戶(hù)實(shí)際驗證中通過(guò)網(wǎng)站辦理數明顯高于排名靠后的其他客戶(hù)，說(shuō)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(wù)更多的高價(jià)值的客戶(hù)和業(yè)務(wù)，減少低價(jià)值客戶(hù)和業(yè)務(wù)占用客服渠道資源的比例。同時(shí)，重點(diǎn)發(fā)展電子渠道，培養引導用戶(hù)從傳統渠道(營(yíng)業(yè)廳和電話(huà)客服)向電子渠道(網(wǎng)站和短信)轉變，對于電信運營(yíng)商就必能產(chǎn)生關(guān)鍵性的績(jì)效提升。
利用數據倉庫再進(jìn)行數據挖掘可以突破以往的技術(shù)困難限制，有效地建立高精確度的模型。構建模型時(shí)基礎變量選取得當能夠產(chǎn)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(shí)際的案例，也驗證了應用這種CRM信息技術(shù)的優(yōu)越能力，一旦建立了標準模型和技術(shù)方案的實(shí)施機制，將會(huì )易于其推廣便利為運營(yíng)商創(chuàng )造顯著(zhù)績(jì)效。
【淺談基于CRM信息技術(shù)的渠道偏好度模型的管理應用】相關(guān)文章：
管理者的能力素質(zhì)模型01-20
信息技術(shù)應用培訓心得10-25
銀行渠道管理部工作計劃11-26
信息技術(shù)應用2.0培訓心得09-13
銀行渠道管理部實(shí)習工作計劃11-18
煙草企業(yè)營(yíng)銷(xiāo)渠道管理策略論文10-13
渠道管理部個(gè)人工作總結10-10
信息技術(shù)應用能力提升計劃范文12-15
信息技術(shù)應用能力提升培訓心得11-17