搜索
12物流一班学号2012042140姓名肖孟根客户关系管理1客户关系管理理论及基于麦肯锡CRM摘要：随着全球经济一体化步伐的加快，企业管理方法和管理手段已经趋于同步，要建立自身的核心竞争力，企业必须不断提升管理能力，而CRM客户关系管理在这个过程中则扮演着越来越重要的角色。本文分析了麦肯锡咨询公司实施CRM的历程以及收效。同时，随着经济发展及科学进步，客户关系管理的方法在不断优化，也引进了大量的先进管理技术与管理方法，推动客户关系管理的发展完善。关键词：客户关系管理（CRM）大数据挖掘技术云计算麦肯锡客户流失员工挽留基于理论的客户关系管理分析客户关系的定义：企业为提高核心竞争力，利用相应的信息技术以及互联网技术来协调企业与顾客间在销售、营销和服务上的交互，从而提升其管理方式，向客户提供创新式的个性化的客户交互和服务的过程。发展历程其最终目标是吸引新客户、保留老客户以及将已有客户转为忠实客户，增加市场份额。对客户关系管理应用的重视来源于企业对客户长期管理的观念，这种观念认为客户是企业最重要的资产并且企业的信息支持系统必须在给客户以信息自主权的要求下发展。成功的客户自主权将产生竞争优势并提高客户忠诚度最终提高公司的利润率。客户关系管理的方法在注重4p关键要素的同时，反映出在营销体系中各种交叉功能的组合，其重点在于赢得客户。这样，营销重点从客户需求进一步转移到客户保持上并且保证企业把适当的时间、资金和管理资源直接集中在这两个关键任务上。12物流一班学号2012042140姓名肖孟根客户关系管理21999年，GartnerGroupInc公司提出了CRM概念（CustomerRelationshipManagement客户关系管理）。GartnerGroupInc在早些提出的ERP概念中，强调对供应链进行整体管理。而客户作为供应链中的一环，为什么要针对它单独提出一个CRM概念呢？原因之一在于，在ERP的实际应用中人们发现，由于ERP系统本身功能方面的局限性，也由于IT技术发展阶段的局限性，ERP系统并没有很好地实现对供应链下游（客户端）的管理，针对3C因素中的客户多样性，ERP并没有给出良好的解决办法。另一方面，到90年代末期，互联网的应用越来越普及，CTI、客户信息处理技术（如数据仓库、商业智能、知识发现等技术）得到了长足的发展。结合新经济的需求和新技术的发展，GartnerGroupInc提出了CRM概念。从90年代末期开始，CRM市场一直处于一种爆炸性增长的状态。客户关系管理对于企业的重要功能及作用：客户关系管理的功能可以归纳为三个方面：市场营销中的客户关系管理、销售过程中的客户关系管理、客户服务过程中的客户关系管理，以下简称为市场营销、销售、客户服务。市场营销客户关系管理系统在市场营销过程中，可有效帮助市场人员分析现有的目标客户群体，如主要客户群体集中在哪个行业、哪个职业、哪个年龄层次、哪个地域等等，从而帮助市场人员进行精确的市场投放。客户关系管理也有效分析每一次市场活动的投入产出比，根据与市场活动相关联的回款记录及举行市场活动的报销单据做计算，就可以统计出所有市场活动的效果报表。销售销售是客户关系管理系统中的主要组成部分，主要包括潜在客户、客户、联系人、业务机会、订单、回款单、报表统计图等模块。业务员通过记录沟通内容、建立日程安排、查询预约提醒、快速浏览客户数据有效缩短了工作时间，而大额业务提醒、销售漏斗分析、业绩指标统计、业务阶段划分等功能又可以有效帮助管理人员提高整个公司的成单率、缩短销售周期，从而实现最大效益的业务增长。客户服务客户服务主要是用于快速及时的获得问题客户的信息及客户历史问题记录12物流一班学号2012042140姓名肖孟根客户关系管理3等，这样可以有针对性并且高效的为客户解决问题，提高客户满意度，提升企业形象。主要功能包括客户反馈、解决方案、满意度调查等功能。应用客户反馈中的自动升级功能，可让管理者第一时间得到超期未解决的客户请求，解决方案功能使全公司所有员工都可以立刻提交给客户最为满意的答案，而满意度调查功能又可以使最高层的管理者随时获知本公司客户服务的真实水平。有些客户关系管理软件还会集成呼叫中心系统，这样可以缩短客户服务人员的响应时间，对提高客户服务水平也起到了很好的作用。通过上述的功能，发挥客户关系在以下的作用。1.提高市场营销效果；2.为生产研发提供决策支持；3.提供技术支持的重要手段；4.为财务金融策略提供决策支持5.为适时调整内部管理提供依据；6.使企业的资源得到合理利用；7.优化企业业务流程；8.提高企业的快速响应和应变能力；9.改善企业服务，提高客户满意度；10.提高企业的销售收入；11.推动了企业文化的变革客户关系管理的重要性理念是CRM成功的关键，是CRM实施应用的基础；信息系统、技术是CRM成功实施的手段和方法；管理是决定CRM成功与否、效果如何的直接因素。如何正确选择合适的手段去发现和联系客户、开发合适的产品或服务、并且把其感兴趣的产品或服务推销给客户，这就必须借助对客户的深入理解分析、接触和高度自动化的交互方式，这就是新型客户关系管理系统的主要目标。客户关系管理带来的个性化服务可以使企业在一个越来越复杂的市场中合理分配优化资源、找到最佳的服务和投资方向、获得最合适的收益-风险比，客户关系管理的目的在于，促使企业从以一定的成本取得新顾客转变为想方设法留住现有顾客，从取得市场份额转变为取得顾客份额，从发展一种短期的交易转变为开发顾客的终生价值。实施客户关系管理，识别出企业真正的顾客，必须从CRM的“以客户为中心”理念出发，通过多种角度进行分析，识别出企业的大客户，树立以大客户为中心的营销理念，把有限的资源投入到大客户身上，提供各种个性化的产品和服务，从而使企业在竞争激烈的市场环境中获得持续稳定的发展。目前客户关系管理应用的主要方法1，数据挖掘12物流一班学号2012042140姓名肖孟根客户关系管理4数据挖掘（英语：Datamining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-DiscoveryinDatabases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。通过数据收集，利用收集的数据，利用专业的软件对其进行深入分析，主要有：分类（Classification）首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。估计（Estimation）估计与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类的类别是确定数目的，估值的量是不确定的。预测（Prediction）通常，预测是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。从这种意义上说，预言其实没有必要分为一个单独的类。预言其目的是对未来未知变量的预测，这种预测是需要时间来验证的，即必须经过一定时间后，才知道预言准确性是多少。相关性分组或关联规则（Affinitygroupingorassociationrules）决定哪些事情将一起发生2，建立客户资料库客户数据库中收录及索引了企事业机构的基本信息、供求内容、Email、经理人联系电话等详细信息，是中文在线最大的经自主加工/核实、具备完整数据格式、提供每月动态更新的的客户名录数据库。用户可以通过单位名称、地址、营业额、人员规模、企业性质、经济类别、经营范围、信誉度等各种识别要素进行独立或组合查询。客户动态数据记录客户行为，一般包括客户购买服务或产品的记录、客户的服务或产品的消费记录、客户与企业的联络记录，以及客户的消费行为、客户偏好等相关的信息。客户动态数据主要目的是帮助企业的掌握和理解客户的行为。12物流一班学号2012042140姓名肖孟根客户关系管理5客户的行为信息反应了客户的消费选择或是决策过程。行为数据一般都来源于企业内部交易系统的交易记录、企业呼叫中心的客户服务和客户接触记录，营销活动中采集到的客户数据，以及与客户接触的其他销售人员与服务人员收集到的数据。有时企业从外部采集或购买的客户数据，也会包括大量的客户行为类数据。客户偏好数据主要是描述客户的兴趣和爱好的信息。比如有些客户喜欢户外运动，有些客户喜欢旅游，有些客户喜欢打网球，有些喜欢读书。这些数据有助于帮助企业了解客户的潜在消费需求。企业往往记录了大量的客户交易数据，如零售企业就记录了客户的购物时间、购物商品类型、购物数量、购物价格等等信息。电子商务网站也记录了网上客户购物的交易数据，如客户购买的商品、交易的时间、购物的频率等。对于电子商务网站来说，点击数据流记录了客户在不同页面之间的浏览和点击数据，这些数据能够很好的反应客户的浏览行为。客户的行为类信息主要是客户在消费和服务过程中的动态交易数据和交易过程中的辅助信息，需要实时的记录和采集。在拥有完备客户信息采集与管理系统的企业里，客户的交易记录和服务记录是非常容易获得，而且从交易记录的角度来观察往往是比较完备的。建立服务器服务器，也称伺服器，是提供计算服务的设备。由于服务器需要响应服务请求，并进行处理，因此一般来说服务器应具备承担服务并且保障服务的能力。建立自己公司的服务器，更好的服务于企业事务。安全防护对于收集的数据，对其进行安全防护，保护客户的资料即使尊重客户的利益也在保护自己的资源。对此，我们在客户关系管理中要特别注意。客户关系管理技术发展展望在当今互联网技术，云计算技术大力发展的今天，客服关系管理可应用的新的技术越来越多，具有巨大的应用前景，在这里主要介绍大数据挖掘技术和云计算技术。大数据分析技术。改进已有数据挖掘和机器学习技术；开发数据网络挖掘、12物流一班学号2012042140姓名肖孟根客户关系管理6特异群组挖掘、图挖掘等新型数据挖掘技术；突破基于对象的数据连接、相似性连接等大数据融合技术；突破用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘涉及的技术方法很多，有多种分类法。根据挖掘任务可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等；根据挖掘对象可分为关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据源、多媒体数据库、异质数据库、遗产数据库以及环球网Web；根据挖掘方法分，可粗分为:机器学习方法、统计方法、神经网络方法和数据库方法。机器学习中，可细分为:归纳学习方法(决策树、规则归纳等)、基于范例学习、遗传算法等。统计方法中，可细分为:回归分析(多元回归、自回归等)、判别分析(贝叶斯判别、费歇尔判别、非参数判别等)、聚类分析(系统聚类、动态聚类等)、探索性分析(主元分析法、相关分析法等)等。神经网络方法中，可细分为:前向神经网络(BP算法等)、自组织神经网络(自组织特征映射、竞争学习等)等。数据库方法主要是多维数据分析或OLAP方法，另外还有面向属性的归纳方法。从挖掘任务和挖掘方法的角度，着重突破：1.可视化分析。数据可视化无论对于普通用户或是数据分析专家，都是最基本的功能。数据图像化可以让数据自己说话，让用户直观的感受到结果。2.数据挖掘算法。图像化是将机器语言翻译给人看，而数据挖掘就是机器的母语。分割、集群、孤立点分析还有各种各样五花八门的算法让我们精炼数据，挖掘价值。这些算法一定要能够应付大数据的量，同时还具有很高的处理速度。3.预测性分析。预测性分析可以让分析师根据图像化分析和数据挖掘的结果做出一些前瞻性判断。4.语义引擎。语义引擎需要设计到有足够的人工智能以足以从数据中主动地提取信息。语言处理技术包括机器翻译、情感分析、舆情分析、