越來越多的CRM系統廠商在其解決方案中都提及到"客戶智能"。但究竟什么是客戶智能(customer intelligence，CI)，尚沒有發(fā)現這方面的明確論述。本文是作者本人多年專注于客戶智能的研究成果，它概括了客戶智能的本質，并提出了基于客戶智能的CRM框架。該框架以商業(yè)智能所提供的決策支持工具為技術支撐，圍繞整個過程為CRM構建一個具有可操作性、科學的信息結構。

　　引言

　　客戶關系管理(customer relationship management，簡稱CRM)是適應企業(yè)"以產品為中心"到"以客戶為中心"的經營模式的戰(zhàn)略轉移而迅猛發(fā)展起來的新的管理理念，它把追求客戶滿意和客戶忠誠作為最終目標。近年來，越來越多的國內外企業(yè)和軟件開發(fā)商把CRM作為研究熱點。CRM系統是集成了后臺應用的前臺應用系統，是在以客戶為中心的銷售、營銷、服務和支持應用的增強、自動化的基礎上，提高客戶滿意度和忠實度，從而給企業(yè)帶來長久利益的一種應用和理念。許多企業(yè)在實施CRM時，正是違背了這條原則，致使CRM不成功的案例屢見不鮮。

　　另一方面，在激烈的競爭環(huán)境下，對有限數目的客戶的爭奪將加白熱化。由于獲取一個新客戶的成本比保留一個老客戶的成本大得多，采取什么樣的客戶保留措施來提高戶忠誠度，已成為企業(yè)考慮客戶關系時的關鍵問題。而這些答案已經存在于與客戶的交往過程的記錄中，即客戶數據庫中，只不過沒有對客戶數據進行有效地利用，從中發(fā)現潛在的、與客戶忠誠有關的、有價值的知識。META Group行的一項調查中，800家商業(yè)和IT公司的經理們被問了一個問題：你是認為你的公司是否使用了客戶數據來理解你的客戶？29%的答案承認在一定程度上使用了客戶數據來理解客戶，67%的回答是否定的。僅有4%的回答是充分利用了客戶數據。本文建立的CRM的信息結構不再局限于事務處理，更強調如何將分析工具應用于客戶數據，將發(fā)現的知識用于與優(yōu)化客戶關系有關的決策問題。

　　1.客戶智能

　　有些專家在研究中提到了客戶智能的概念。本文將他們對客戶智能的研究分為三大類：一、圍繞客戶智能的作用、內容、實質的研究。Mark Allen SmITh將客戶智能與客戶分析等同起來。BO公司的Paul Clark在分析客戶智能與CRM的關系時認為：客戶智能是CRM的智慧所在(the brains behind CRM)。二、圍繞客戶智能的實現的研究。Jim Berkowitz提出"商業(yè)智能是CRM的基礎"的觀點。另一個難得可貴的地方是該研究對商業(yè)智能包括的組件進行了分析，將OLAP、數據倉庫、數據挖掘技術作為商業(yè)智能的必備組件。三、與客戶智能密切相關的研究。Emma Chablo則在研究中指出，客戶知識是CRM的重要的組成部分，而營銷數據智能是向CRM提供真正客戶知識的CRM部分。他將營銷數據智能定義為利用數據驅動營銷手段和技術來提高對客戶，產品和交易數據的理解和知識，以此幫助CRM制訂戰(zhàn)略決策。

　　由于研究的角度因人而異，很難從中總結出一個令人信服的定義。這其中存在一個共性：幾乎沒有人從知識在制訂與客戶有關的決策的過程中的作用這一視角來研究客戶智能，而只有將對知識的研究作為出發(fā)點，才能夠發(fā)現客戶智能實質的內容，本文認為，客戶智能，是創(chuàng)新和使用客戶知識、幫助企業(yè)提高優(yōu)化客戶關系的決策能力和整體運營能力的概念、方法、過程以及軟件的集合。對該定義的正確解釋，本文從五個層面展開：

　　1) 理論基礎：

　　客戶智能的理論基礎是企業(yè)對客戶采取決策的指導依據，這既包括企業(yè)分析和對待客戶的理論和方法，也包括分別從客戶和企業(yè)角度進行的價值分析。通過消費行為分析、滿意度分析、利益率分析等諸如此類的指標的測評與衡量，達到決策科學化、合理化的目的。

　　2) 信息系統層面：

　　稱為客戶智能系統(CI System)的物理基礎。表現為具有強大決策分析功能的軟件工具和面向特定應用領域的信息系統平臺，如CRM、ERP、銷售自動化、商業(yè)活動管理。與事務型的MIS不同，客戶智能系統能提供分析、趨勢預測等決策分析功能。

　　3) 數據分析層面：

　　是一系列算法、工具或模型。首先獲取與所關心主題有關的高質量的數據或信息，然后自動或人工參與使用具有分析功能的算法、工具或模型，幫助人們分析信息、得出結論、形成假設、驗證假設。

　　4) 知識發(fā)現層面：

　　與數據分析層面一樣，是一系列算法、工具或模型。將數據轉變成信息，而后通過發(fā)現，將信息轉變成知識；或者直接將信息轉變成知識。

　　5) 戰(zhàn)略層面：

　　將信息或知識應用在提高決策能力和運營能力上、企業(yè)建模等�？蛻糁悄艿膽�(zhàn)略層面是利用多個數據源的信息以及應用經驗和假設來提高企業(yè)決策能力的一組概念、方法和過程的集合。它通過對數據的獲取、管理和分析，為貫穿企業(yè)組織的各種人員提供知識，以提高企業(yè)戰(zhàn)略決策和戰(zhàn)術決策能力。

　　客戶發(fā)展戰(zhàn)略指的是企業(yè)堅持以客戶為中心的發(fā)展戰(zhàn)略，將企業(yè)內部資源條件與外部環(huán)境因素結合起來考慮，最終目標是使客戶生命周期價值最大化�？蛻舭l(fā)展戰(zhàn)略離不開企業(yè)其他戰(zhàn)略類型的支持，如目標市場戰(zhàn)略、營銷組合戰(zhàn)略、市場競爭戰(zhàn)略、財務戰(zhàn)略、協作戰(zhàn)略、組織戰(zhàn)略、人才戰(zhàn)略等。以客戶為中心的發(fā)展戰(zhàn)略不能代替企業(yè)總體戰(zhàn)略，但是總體戰(zhàn)略最具有參照價值的戰(zhàn)略。

　　客戶智能系統(CI System)是本文提出的實現客戶智能的系統平臺。它包括了客戶智能體系中的信息系統層面、數據分析層面、知識發(fā)現層面，是基于客戶智能理論的可操作的系統框架。因此，客戶智能體系也可以簡單地用客戶智能基礎理論和基于客戶智能理論的客戶智能系統兩個邏輯層面表示。基于客戶智能的CRM系統是本文描述的客戶智能系統中的一種。

　　總之，客戶智能的目標是將企業(yè)所掌握的信息轉換成競爭優(yōu)勢，提高企業(yè)決策能力、決策效率、決策準確性。為完成這一目標，客戶智能必須具有實現數據分析到知識發(fā)現的算法、模型和過程，決策的主題具有廣泛的普遍性。

　　2.客戶智能是對客戶知識的生成、分發(fā)、使用

　　客戶知識，顧名思義，是有關客戶的知識。客戶知識包括客戶的消費偏好、喜歡選用的接觸渠道、消費行為特征等等許多描述客戶的知識。本文對客戶知識進行如下分類：一、對話性客戶知識：通過企業(yè)與客戶之間正式或非正式的對話，以及客戶與企業(yè)員工、企業(yè)員工與供應商等之間的互動交流，來了解客戶的需求；二、觀察性客戶知識：透過觀察客戶使用產品或服務的狀況來獲得客戶知識，汽車等高檔消費品或工業(yè)用品的制造商主要通過這個方法得到客戶知識；三、預測性客戶知識：利用市場營銷的專業(yè)分析工具和方法預測客戶的需求與反應。預測性客戶知識是本文構建的信息結構考慮的重點。

　　客戶知識是人們通過實踐認識到的、與客戶有關的規(guī)律性，而客戶智能是獲得客戶知識并使用客戶知識求解問題的能力。客戶智能是對企業(yè)戰(zhàn)略決策真正有價值的事物和行動。客戶智能不僅包括了客戶知識的生成，而且更強調了客戶知識在企業(yè)中的分發(fā)、使用，直到產生客戶智能。所以，客戶智能是對客戶知識的生成、分發(fā)和使用。

　　1) 客戶知識的生成(generation)

　　使用商業(yè)智能提供的OLAP分析工具、知識發(fā)現工具或兩種工具的組合，發(fā)現存在于客戶數據中的模式、規(guī)則、概念、規(guī)律的整個過程，叫客戶知識的生成。相比較而言，知識發(fā)現工具的使用難度較大，包括確定任務、選擇合適的挖掘工具(數據準備、挖掘算法、結果解釋等)，以及明確哪部分任務必須有營銷專家參與，哪部分可以自動執(zhí)行。

　�、� 客戶標識(identification)

　　又稱客戶認識(Awareness)。即知道誰是你的客戶。如果你的企業(yè)沒有集成的客戶數據，那么它很有可能會遭受客戶認識危機(customer-aware challenged)。

　　集成的客戶數據是指面向客戶的操作數據存貯(operational data store)，它存貯了集成的和經過凈化的、當前的客戶數據。企業(yè)的任何與客戶打交道的職員每時每刻會參考這其中的數據，了解客戶目前產品和服務的處境，當前的接觸信息、接觸結果，突發(fā)事件等。存貯當前信息的數據庫的正確利用，會大大提高企業(yè)對客戶的評價的準確性和認識能力。

　�、� 客戶分類(segmentation)

　　假設企業(yè)已經認識到客戶的存在，但如何知道哪些客戶對企業(yè)是盈利，哪些是不盈利的。僅依據對客戶當前信息的分析，很難得出令人滿意的答案。企業(yè)此時需要與客戶有關的歷史記錄。針對不同的客戶分類方式，有時采用分析技術可以實現，而當有時面對較深層次的分類任務時，就需要引入知識發(fā)現技術了。

　　一個好的數據倉庫環(huán)境，可完全滿足客戶分類對數據的多重需求。數據倉庫環(huán)境集成了與客戶有關的當前和歷史的數據，并在此基礎上建立起面向不同分析任務的應用(數據集市)。比如，客戶利潤率分析，銷售渠道分析，商業(yè)活動分析等。這些分析算法必須與企業(yè)的商業(yè)模式相一致。

　　③ 客戶滿意

　　企業(yè)是否能夠測量客戶滿意度？在你的企業(yè)中，客戶滿意分別與企業(yè)員工的積極性和企業(yè)實施的優(yōu)惠政策是否有關系？如果你的答案是否定的，那么可以認識你的企業(yè)還沒有建立以客戶為中心的正確的環(huán)境。

　　這種正確的環(huán)境絕非是僅建設先進的Call Center等手段所能實現的，它需要一個企業(yè)的企業(yè)文化、組織結構、管理模式等整體環(huán)境的大調整，以適應從以產品為中心到以客戶為中心的轉變；另一方面，還包括使用知識發(fā)現技術對客戶知識的正確的發(fā)現和使用，了解客戶滿意需要的是什么，如何改進產品使客戶做到更滿意。

　�、� 客戶差異(differentiation)

　　客戶差異是指企業(yè)根據不同客戶對企業(yè)的貢獻的大小，實施在客戶上的不同的價值回報。分析的對象包括客戶生命周期價值、消費行為、VIP特征等。企業(yè)需要建立相應的知識發(fā)現模型。此外，企業(yè)必須具有對知識發(fā)現結果-客戶知識的快速反應的能力，企業(yè)各部門能夠做到基于客戶知識的互動。

　　⑤ 客戶忠誠

　　客戶忠誠直接的表現是客戶的持續(xù)購買，它反應了企業(yè)對客戶不斷更新的需求的有效把握�？蛻糁艺\是對客戶知識的反復有效利用的結果�？蛻糁艺\的獲得是企業(yè)在客戶關系上最難達到的境界，但卻是最佳的。通過持續(xù)的接觸，忠誠客戶數據的收集和集成成為最容易和是最有效的事情，但忠誠客戶的保留問題仍離不開知識發(fā)現技術的支持。隨著人們越來越深刻地認識到客戶忠誠的重要性，知識發(fā)現技術在客戶保留中的作用也會逐漸顯現出來。

　　2) 客戶知識的分發(fā)(distribution)

　　客戶知識必須到達組織內每一個需要客戶知識的部分。將客戶知識存貯于動態(tài)知識庫，借助CRM的系統平臺，將客戶知識分發(fā)到需要的終端。不僅如何分發(fā)知識，還有一個知識分發(fā)質量(qualITy)和多少(how much)的問題。

　　3) 客戶知識的使用(using IT)

　　3.構建基于客戶智能的CRM系統

　　3.1. 系統主要組件及作用

　　1) 數據倉庫

　　數據倉庫是面向主題的、集成的、穩(wěn)定的、不同時間的數據集合，用以支持經營管理中的決策制訂過程�？蛻魯祿�分布在企業(yè)的多個應用系統中，數據倉庫從這些應用系統中抽取、清洗、轉換，使之符合基于數據倉庫的分析與決策工具的數據要求。本文將數據倉庫應用在CRM的形式稱為CCDW(customer-centric datawarehouse，客戶信息數據倉庫)

　　數據集市(data mart)是按照某一特定部門的決策支持需求而組織起來的、針對一組主題的小型數據倉庫。由于創(chuàng)建企業(yè)級的數據倉庫存在許多困難，許多CRM方案采用數據集市的變通辦法。從數據集市可以升級到企業(yè)級數據倉庫。

　　2) OLAP

　　CRM從CCDW中發(fā)現有用的信息有兩種不同的方式，方式之一是較低層次上的由用戶制導的被動方式，這種方式多指OLAP分析。OLAP分析屬于驗證驅動型發(fā)現。其策略是：用戶首先提出自己的假設，然后利用OLAP工具檢索查詢以驗證或否定假設。

　　在CCDW的數據環(huán)境下，OLAP提供上鉆、下鉆、切片、旋轉等在線分析機制。完成的功能包括多角度實時查詢、簡單的數據分析，并輔之于各種圖形展示分析結果。

　　3) 知識發(fā)現(Knowledge Discovery in Database, KDD)

　　CRM從CCDW中發(fā)現信息的另一種方式就是知識發(fā)現，是高層次上的主動式自動發(fā)現方法，被稱為發(fā)現驅動型知識發(fā)現。知識發(fā)現是從大型數據庫中的數據中提取人們感興趣的知識。這些知識是隱含的、事先未知的、潛在有用的信息，提取的知識表示為概念(concepts)，規(guī)則(rules)，規(guī)律(regulations)，模式(patterns)等形式。知識發(fā)現是實現從客戶數據、信息到客戶知識轉變的有力的工具。

　　從以上構成系統的三個組件的介紹中同時可以找到對以下兩個問題的答案：1、客戶數據、客戶信息、客戶知識之間的區(qū)別：由來自于事務系統，如ERP、SFA等的源數據經整理后放入CCDW或數據集市，這一過程處理的對象稱為客戶數據；OLAP為決策人員提供了展示有意義的客戶數據的機制，這種有意義的客戶數據稱之為客戶信息；客戶數據和客戶信息均可以通過KDD技術的運用，提升為對決策有價值的客戶知識。2、客戶知識生成的途徑：從對第一個問題的解答中可以知道，客戶知識從KDD作用的對象來看有兩種途徑：KDD作用于客戶數據、KDD作用于客戶信息，總之，客戶知識生成是依賴于KDD過程的復雜的過程。

　　3.2. 系統架構

　　從數據源層來的客戶數據經過ETL(抽取、轉換、裝載)、清洗后以數據存儲層的CCDW或數據集市的形式存儲。應用支持層是提供了報表查詢、OLAP、知識發(fā)現分析決策工具，作用于客戶數據，該過程產生的有價值的客戶知識存儲于動態(tài)知識庫中�；�動層提供了I-CRM利用客戶知識從而有效實施其功能的場所。該架構具有以下特點：

　　1) I-CRM有自己獨立的數據存儲中心，不依賴于業(yè)務系統；

　　3) I-CRM在互動層提供多種渠道與客戶接觸，如Email，Call Center，WEB等；

　　4) 商業(yè)規(guī)則與元數據管理貫穿了I-CRM的整個結構；

　　5) EIP(Enterprise Information Portal，企業(yè)信息門戶)提供了用戶獲取信息的統一界面(基于WEB)。通過這個界面，I-CRM將客戶知識分發(fā)在包括事務型系統在內的所有企業(yè)應用，使I-CRM成為企業(yè)應用的核心并促進企業(yè)集成；

　　6) 中描述的知識庫是存儲客戶知識的場所，它與傳統的DSS、EIS中的知識庫有很大區(qū)別。由于系統是一個閉環(huán)的動態(tài)系統，知識庫的內容在不斷地自動修正，所以是一種動態(tài)結構，而不像DSS、EIS中的知識庫是很少發(fā)生變化的。

　　數據源層代表數據的收集，互動層是將分析、處理的結果直接作用于客戶，可以歸為操作層面；應用支持層是I-CRM的分析、處理層面，叫做分析層面；數據存儲層為操作層和分析層面提供統一的客戶視圖，歸為統一視圖層面。三層的關系為：統一視圖層面是操作層面和分析層面的數據支持；操作層面為統一視圖層面收集數據，將分析層面的決策支持結果加以執(zhí)行。分析層面為操作層面提供技術支持。

　　強大的決策分析功能和整合的客戶信息是I-CRM科學、正確地實現客戶智能的靈魂。決策分析的主題體現了客戶智能理論基礎所能涉及的所有內容，如利益率分析、忠誠度分析、消費行為分析等，這些分析的結果(客戶知識)指導企業(yè)如何更有效地滿足客戶需求和期望，`同時，對企業(yè)來講，不但要實現以產品為中心到以客戶為中心的戰(zhàn)略轉變，而且應對客戶的策略也必須做出轉變，如采用有益于提高滿意與忠誠的營銷策略、注重客戶生命周期價值而不是一兩次交易的收益等。

　　4.總結

　　本文針對存在于人們對商業(yè)智能認識上的偏差和CRM實施中的實際困難，提出了客戶智能的概念。接下來通過介紹客戶知識從產生，到分發(fā)、使用的可操作性流程與方法，說明了客戶智能實現的流程。本文創(chuàng)新性地提出了以客戶智能為核心的CRM的系統架構、邏輯結構，該框架集成了商業(yè)智能先進的信息技術手段，突出了客戶智能在實現CRM功能中的決定性作用。相信通過本文對客戶智能概念和實現的介紹，有助于人們對CRM的理解和實施。