良好的客户关系是企业成功的必要保证，为了开发健壮的客户关系，企业可以应用CRM(Customer Relationship Management)来了解用户行为和需求以达到这一目的。CRM是由许多技术组件构造成的，它可以被看作是将用户在企业销售、营销、市场分析等部门的分散的客户信息的整合的有效途径。CRM的思想是帮助企业使用信息技术和人力资源了解用户行为和评估用户，从而使企业达到利润最大化。

　　CRM是一种以客户为中心的经营策略，它以信息技术为手段，对业务功能进行重新设计，并对工作流程进行重组，以达到留住老客户、吸引新客户的目的。在信息技术和管理理念方面，数据仓库、商务智能(Business Intelligence，BI)、知识发现等技术的发展，使收集、整理、加T和利用客户信息的质量大大提高。另一方面，信息技术和互联网不仅为我们提供了新的手段，而且引发厂企业组织架构、工作流程的重组以及整个社会管理思想的变革。在这种背景下，电子商务环境下的企业有必要而且有可能对面向客户的各项信息和活动进行集成，实现对客户活动的全面管理。

　　1 商业智能与客户智能

　　1.1商业智能

　　商业智能是帮助企业提高决策能力和运营能力的概念、方法、过程以及软件的集合。商业智能技术是数据仓库、联机分析处理(Online Analytical Processing，OLAP)和数据挖掘等相关技术走向商业应用后形成的一种应用技术。其关键是从许多来自不同的企业运作系统的数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过ETL(Extract，Transtorm，Load)过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理。

　　1.2客户智能

　　客户智能(Customer Intelligence，CI)，是创新和使用客户知识、帮助企业提高优化客户关系的决策能力和整体运营能力的概念、方法、过程以及软件的集合。客户智能具有客户数据管理、数据分析、客户知识发现、辅助企业建模等功能。

　　客户智能包括指导、建议、报告、简报等，主要目的是用来帮助企业和客户做出决策和采取行动。客户智能反应了一个企业对与客户交互的重视，代表了从以产品为中心的营销策略向以客户为中心的方式转变。以客户为中心的策略是企业能够r解客户行为，最优化企业行动，最大化客户利润的基础。客户智能和商业智能的显著区别如表1所示。

　　表l 客户智能与商业智能的区别

　　1.3客户智能在CRM中的角色

　　在企业开发客户关系时，客户智能能够帮助企业检验建立有效的客户关系所需的过程和技术。客户不只是想从企业得到商品和服务，他们访问商店或是企业网站、呼叫中心，是想得到关于这些商品的完备的信息。企业必须对客户提供个性化的解决方案。一旦客户得到了他们所需要的信息，他们就可能购买商品，如果客户有他们自己解决不了的问题通过网站或者是呼叫中心与企业交流时，企业就需要CRM来消除客户的顾虑和提供自动的销售过程。通过收集客户信息，企业可以知道哪些客户是目前利润最大的，哪些是将来利润最大的。客户信息可以帮助企业将客户分类，通过对不同类型的客户采取不同的销售方式来增加企业利润。当属于某个分类的用户再次访问企业网站时，企业可以识别出他们并且对其提供更加感兴趣的商品和服务。

　　1.4以CI为引擎的CRM系统

　　CI引擎可以收集客户每次与企业交流的信息，使用分析工具识别出最有价值的客户，帮助企业做出决策，使企业能够对客户提供适当的商品和服务。CI引擎可以作为企业的策略工具，通过详述客户的收益率，保持率和客户生命周期等来提升企业的长期和短期的收益率。客户智能是CRM不可分割的一部分，所以我们应该在CRM中使用CI引擎。CI引擎应该具有能够与企业的伙伴包括客户，供应商等进行交流的能力；能够分析和避免用户的抱怨；能够与企业的MIS、CRM、SCM、ERP系统进行交互。以CI引擎为基础的CRM系统由以CI为引擎分析型CRM、以CI为引擎操作型CRM及以cI为引擎协作型CRM三个组成部分，它们彼此间紧密连接。本文主要研究以客户智能为引擎分析型CRM。

　　2分析型CRM体系结构设计

　　2.1点击流数据仓库

　　点击流数据仓库是数据仓库在点击流分析系统中的应用。点击流数据仓库的主要数据来源是人们网络活动中进行各种活动，从而在各个网络服务器中所留下的Web日志文件及其他的相关数据库。点击流数据仓库与传统的数据仓库的不同主要体现在以下两个方面：

　　(1)点击流数据仓库与传统数据仓库的数据不同。点击流数据仓库的数据源更丰富，除包含传统数据仓库的数据源外，还包含网站的Web服务器产生的日志文件。日志文件数据源的引人增加了数据提取和模式设计的复杂性；

　　(2)点击流数据仓库包含了一些新的基于网页的技术和底层结构。Web应用模型与常见的客户机／服务器模型主要不同之处在于它是完全与状态无关的。因此，点击流数据仓库中出现了传统数据仓库中没有的新主题——HTTP、请求字符串、cookies、日志记录、脚本语言、Web服务器、以及应用服务器等。

　　2.2分析型CRM体系结构

　　根据以上分析，本文提出将点击流数据仓库引入到分析型CRM中，其体系结构如图1所示：

　　图1分析型CRM体系结构

　　以CI为引擎的分析型CRM的体系结构共分为五个模块：

　　(1)数据源模块。数据源包括企业商业应用的数据、点击流数据和企业外部数据，该模块向CRM系统提供原始数据。

　　(2)ETL模块。该模块将来自数据源模块的原始数据经过ETL，分别装载到点击流数据仓库和操作型数据仓(Operational Data Store，ODS)中。该体积系结构中的ETL分为ODS和DW两部分。ODS的ETL是实时的，而DW的ETL是批处理和增量的。

　　(3)数据存储模块。该模块包括点击流数据仓库和ODS两部分。点击流数据仓库包含了详细数据的历史记录和计算值，如综合导出的客户数据。点击流数据仓库从数据源通过数据接口每天一次增量和每月一次全量数据加载，数据包括所有的各种类型数据，加载前要根据业务需求进行清洗和筛选。ODS包含了一段时间内的当前或接近当前的、低级别的详细数据。时间段的定义要依靠计算机存储的能力，如可能包含一个月的数据。ODS从数据源通过数据接口每天几次或多次提取操作型数据、点击流数据和外部数据，另外，从客户接触点也会得到少量重要的客户联系数据。在这里，数据仅被复制或轻微转换，使得ODS的高性能不会减少。ODS主要用于企业战术分析应用和实时分析应用。ODS提供当前或接近当前的数据和概要数据给分析型CRM应用。这是实现CRM的关键，因为分析型CRM可得到客户统一和最新的数据，从而可进行正确的策略执行。这个方法也对数据仓库的性能有贡献，因为它可从大量标准查询中解脱出来，而查询可以在ODS中执行。数据仓库分析后的概要数据加载回流到ODS。这可提高体系结构的性能：数据仓库可把概要数据写回ODS。因此，大量标准查询，可从数据仓库转到ODS执行，而数据仓库就可分配资源给更复杂的长期趋势分析查询使用。ODS把少量数据更新写回运营系统，因此可以在运营系统之间维持统一。数据存储模块以点击流数据仓库和ODS为基础，向客户端提供API函数接口。

　　(4)元数据模块。所有支持和管理点击流数据仓库和ODS的信息被存储到元数据模块中。元数据管理是数据存储管理的关键部分。

　　(5)数据应用模块。该模块包括数据的表达，各种数据查询和报告工具，OLAP查询，数据挖掘等；数据应用模块通过对API的调用创建图形用户接口GUI，同时API函数采用COM标准，能够作为智能捕件，直接嵌入到企业信息系统。因此，该结构既能用于行业实施，也能用于二次开发。

　　综上所述，ODS充当了DB和DW的桥，但不是唯一的桥，从一定层面相当于从DB到点击流数据仓库的一个“数据引擎”，它提高了数据分析的实时性。

　　与传统的分析型CRM的不同如表2所示：

　　表2 以CI为引擎的分析型CRM与传统的分析型CRM的区别

　　3 实施以CI为引擎的分析型CRM的几个关键问题

　　(1)数据整合

　　CRM需要从各个数据源——企业现存的事务系统、呼叫中心、企业站点和ERP系统等将有关客户的数据和信息整合到以客户为中心的视图中。无论客户通过实际的企业销售商店、呼叫中心，还是企业的网站购买商品时，都要求企业能够快速和精确的识别出客户。客户视图整合数据时要求有适合的多维数据模型和数据仓库体系结构。客户视图必须随着客户与企业的每一次接触适时更新，更新的速度和准确性是系统成功的重要因素。

　　(2)点击流数据

　　利用客户与企业网站交流过程中产生的点击流数据能够实现企业的要求。点击流就是用户在网络上的行为记录，这个记录中包括用户浏览的每一个站点及站点内的用户浏览的每一个页面，用户在网站或页面上停留了多长的时间，用户按照什么次序浏览的页面，用户参与的任何一个新闻组和用户发送的E—mail地址。点击流数据主要有三个方面的来源：WEB服务器日志、服务器上的插件程序和对网络通信的监听。点击流数据的不完整性、数据量大、脏数据问题与企业的其他数据结合导致企业利用点击流数据效率低下。

　　(3)实时决策

　　传统的数据仓库更新采用ETL周期性的进行批量更新，缺乏实时性，而且适用范围狭窄，适用于制定企业的中长期发展的战略决策。本文提出的数据仓库系统能够同步反映业务系统中的数据变化，能够调整和同步与用户的交流而无论用户通过何种方式与企业进行接触，它通过CI引擎能够将适合的信息实时的传递给客户，它支持与用户之间的双向的对话。ODS的引入减轻了DW导人数据的转换、集成等工作。实时OLAP和战术性决策建立在ODS上，减轻了DW的负担，并且因为ODS数据量相对较少，查询和处理的效率高。不足之处是由于加入了ODS，容易造成数据的不一致性。对一些同时关联到历史数据和实时数据的OLAP和决策支持不够好，需要前端工具的支持。

　　(4)客户分析

　　对客户的分析包括度量，预测和解释用户的行为，它能够使企业充分体会到CRM的作用。客户信息可以用来建立商业活动策略，对客户进行评估，也可以建立一个预测模型来识别用户的行为，将客户进行细分。细分后的目标客户段可以提高企业对客户的响应速度，降低活动的费用等。主要用三种形式的客户分析应用：OLAP、数据挖掘和统计报表。

　　4结束语

　　作为CRM的核心，分析型CRM在企业以“客户满意为中心”的经营理念贯彻过程当中有着重要的作用，为企业实施“一对一”战略、个性化服务提供决策依据。电子商务环境下的CRM必将随着市场竞争的加剧而越来越受到人们的重视，而分析型CRM则更会成为人们关注的中心。

　　该文对电子商务环境下的分析型CRM的体系结构进行了初步的探讨，在分析型CRM的实际设计中还有许多要研究的问题，如这种体系结构对CRM系统性能的影响，层间接口的形式化定义，数据流的层次与逻辑结构的层次之间冲突的影响等，还有待于进一步研究。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。