• 爱情文章
  • 亲情文章
  • 友情文章
  • 生活随笔
  • 校园文章
  • 经典文章
  • 人生哲理
  • 励志文章
  • 搞笑文章
  • 心情日记
  • 公文文档
  • 英语文章
  • 当前位置: 星星阅读网 > 英语文章 > 正文

    数据挖掘技术在第三方物流企业客户关系管理中的应用 第三方物流企业客户关系管理的研究

    时间:2019-01-07 06:44:24 来源:星星阅读网 本文已影响 星星阅读网手机站

      [摘要] 客户是第三方物流企业利润的源泉,第三方物流企业与客户之间的关系与传统产业或服务企业与客户之间关系相比有其特殊性,利用已构建的客户基本信息、客户清单、客户账单、客户的咨询、建议、投诉信息、市场变化等文件资料,利用数据挖掘技术提炼有用的知识,从而提高第三方物流企业的竞争力。
      [关键词] 数据挖掘 第三方物流
      
      通过满意的客户介绍和推荐,物流企业将会挖掘出更多的潜在客户,获得更多的物流服务项目,从而提高第三方物流企业的社会影响力和市场知名度。
      一、第三方物流企业的客户与传统产业或服务企业的客户相比具有其特殊性
      1.第三方物流企业是供应方和需求方之间的连接纽带。传统企业的客户关系管理一般是面对面地与客户交流,不涉及第三方的参与。但第三方物流企业则不同,它的一端连着供应方另一端连着需求方,它是为供应方和需求方提供物料运输、仓储、流通加工、产品配送等物流服务,处于供应方和需求方之间的连接纽带,因此第三方物流企业进行一项服务要同时面对两个或两个以上服务对象。在供应链上,一方面要服务于供应商和制造商之间,另一方面还要服务于供应商与零售商之间,这样就会出现两种情况:(1)基于供应商和制造商之间时,第三方物流企业同时面对两个或两个以上基于同一合同基础上的客户,这时要求第三方物流企业必须通过自己优质的服务同时满足这两个客户的需要,提高自身客户忠诚度。(2)基于供应商与零售商之间时,第三方物流企业面对的是一个以上的现实客户以及即将建立合同的潜在客户。此时,企业在尽力满足这个现实客户的同时,还要考虑利用这个业务机会获得潜在客户的认同,使其尽快成为现实客户。由此可以看出,任何一个客户的不满意都可能导致双倍客户的流失。如对于液晶电视第三方物流企业而言,一个客户是液晶电视制造商,另一个客户或潜在客户是液晶电视零售商,如果不能满足制造商的需要,将会失去零售商客户。这种损失是双倍的,不可逆的,即使要挽回也要花费及大的代价。
      2.第三方物流企业客户的不稳定性。传统企业的客户大多是分散的组织或个人,与传统企业相比,第三方物流企业的客户一端是规模较大的生产企业,另一端是数量较多的零售企业,在提供物流服务的过程中,一旦不能满足其中的任何一方,通过客户间的彼此交流,将会失去网络上的其他客户。由于每个客户都有相关联的企业,于是通过客户信息传递,第三方物流企业将会失去其他企业的忠诚,导致大量客户流失。
      3.第三方物流企业建立客户关系管理系统。为了使第三方物流企业更好的满足客户的需求,留住老客户,提高企业资源管理的效率,及时发现危机,规避风险,现在多数据企业已建立起第三方物流企业的客户关系管理系统。分别从客户接触时的信息收集,客户信息数据库的建立,客户消费物流服务及对客户提供信息支持方面进行信息化的管理。
      如何充分利用第三方物流管理系统提供的客户关系信息,制订合理的客户关系管理决策,已经成为第三方物流企业亟待解决的问题。现代数据挖掘技术的广泛应用,为这一问题的解决提供了技术支持。
      二、数据挖掘技术
      数据挖掘(Data Mining)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。它是一种知识发现的过程,主要基于统计学、人工智能、机器学习等技术,高度自动化地分析数据,做出归纳性的推理,从中挖掘出潜在的模式,并对未来情况进行预测,以辅助决策者评估风险,做出正确的决策。简而言之,数据挖掘其实是一类深层次的数据分析方法。数据到知识的演化过程,如图1。
      数据挖掘常用的算法包括决策树(decision tree)决策算法、神经网络(Neural Network、遗传算法(Genetic Algorithms)、粗糙集方法、贝叶斯网络、可视化技术、临近搜索方法和公式发现等方法。数据挖掘常用的分析方法包括分类和预测、聚类分析、关联规则、序列模式、孤立点分析等。事实上,解决一个已给的业务问题时,DM一般混合使用两种及两种以上的技术类别。
      三、数据挖掘技术在第三方物流企业客户关系管理中的应用
      1.构建数据仓库。通过电话、信函、传真、E-mail、Web以及客户的宣传资料等方式获取客户的基本信息,并加以分析、存储形成客户基本资料、客户清单、客户账单、客户的各种物流需求、客户的咨询、建议、投诉信息、市场变化等文件资料,这些文件主要服务于联机事务处理系统,是数据仓库的主要原始数据源。数据仓库通过ETL过程(抽取、转换和加载)处理这些接口文件,并且按不同的主题域组织、存储和管理这些客户数据,通过数据仓库接口,对数据仓库中的客户数据进行联机分析和数据挖掘。
      2.基于主题的数据挖掘。(1)客户分类。第三方物流企业以客户资源价值和企业利润最大化作为客户关系管理的细分标准。利用数据挖掘技术可以把大量的客户分成三类:A类客户,即重点客户,约占企业客户总量的5%,对企业的价值贡献率为80%;B类客户,即普通客户,约占企业客户总量的15%,对企业的价值贡献率为l5%;C类客户,即小客户,除以上两类客户以外的客户群体,对企业的价值贡献率仅5%。在每一个类里的客户具有相似的属性,而不同类里的客户的属性也不同。例如,订货量多的客户与订货量少的客户分开进行配货作业,或根据订货种类个数将一个客户的订单集中进行配货,可以提供高效率的作业方法。进而提高经济效益。第三方物流企业可针对不同的客户实施不同的客户关系管理策略。
      (2)客户的个性需求。第三方物流企业应针对性地对客户提供个性化的服务。个性化物流服务,是提升客户忠诚度的有效途径。由于不同客户的产品特性、采购策略、市场策略、客户服务政策等都不相同,因此无论是服务内容、服务方式还是响应速度上的要求,都呈现出很强的个性化特征。第三方物流企业要根据不同的客户,为其量身定制地提供仓储、运输以及从原材料到产成品的存储、分拨、包装、加工、配送、结算、信息处理等一系列物流服务,满足其个性化的物流需求。利用分类分析法和聚类分析法对客户通话行为进行分析,从而得出客户在消费习惯、生活方式、社会联系等方面的特征。对客户个性需求分析的根本目的是为了按不同特征划分客户群,针对不同客户群的特征,第三方物流企业可以进行不同的市场营销活动和客户服务。
      3.数据挖掘的一般过程。首先是数据准备,这一阶段又可分为3个子步骤:数据集成、数据选择、数据预处理。数据集成将多文件或多数据库运行环境中的数据进行合并处理,解决语义模糊性、处理数据中的遗漏和清洗脏数据等。数据选择的目的是辨别出需要分析的数据集合,缩小处理范围,提高数据挖掘的质量。预处理是为了克服目前数据挖掘工具的局限性。其次读入数据并建立模型,一旦确定要输入的数据之后,接着就是要用数据挖掘工具读入数据并从中构造出一个模型。根据所选用的数据挖掘工具的不同,所构造出的数据模型也会有很大的差别。最后挖掘操作,依照上述准备工作,利用选好的数据挖掘工具在数据中查找。
      数据挖掘的过程就是一个不断探索数据特征、建立和检验模型、发现客户消费行为特征的过程,企业只有把模型的结果应用到市场营销和客户服务过程中,才能真正发挥数据挖掘的作用。
      综上所述,客户是第三方物流企业利润的源泉。随着市场的不断开放,竞争的日益激烈,第三方物流企业只有树立“以客户为导向”的经营理念,以“满足客户需求”为前提来组织企业的物流活动。充分利用数据挖掘技术分析客户的特征,探索企业和所对应市场的运营规律,才能使其在市场竞争中获胜。
      参考文献:
      [1]段圣贤:第三方物流的客户关系管理研究.物流科技,2006.6
      [2]周娅:浅析我国第三方物流企业的客户关系管理.科技资训,2006(14)
      [3]刘 锋贾 湖:从第三方物流的特点谈CRM在其中的应用.哈尔滨商业大学学报(社会科学版),2006(4)
      [4]上海:现代物流人材培训中心.企业资源计划(ERP)与SCM、CRM[M].北京:电子、工业出版社,2002
      [5]朱明:数据挖掘[M].合肥:中国科学技术大学出版社,2002
      [6]毛国君段立娟王 实石 云:数据挖掘原理与算法[M].北京:清华大学出版社,2005

    • 爱情文章
    • 亲情文章
    • 友情文章
    • 随笔
    • 校园
    • 哲理
    • 励志文章