楊瑞 王 萍 索瑞霞 銀艷艷

[摘? ? 要] 以我國電子產(chǎn)品行業(yè)中某知名品牌手機(jī)為例，利用數(shù)據(jù)挖掘技術(shù)的決策樹算法總結(jié)出該品牌手機(jī)客戶滿意度分析的數(shù)據(jù)挖掘模型，并借助因子分析法找出對該品牌手機(jī)客戶滿意度起決定性作用的影響因素。最后，根據(jù)決策樹模型及因子分析結(jié)果提出該品牌手機(jī)在質(zhì)量及服務(wù)上需要改進(jìn)的意見及相關(guān)建議。

[關(guān)鍵詞] 數(shù)據(jù)挖掘技術(shù);CRM;客戶滿意度;決策樹

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 15. 025

[中圖分類號] F279.23? ? [文獻(xiàn)標(biāo)識碼]? A? ? ? [文章編號]? 1673 - 0194（2019）15- 0053- 03

0? ? ? 引? ? 言

如今，國內(nèi)電子產(chǎn)品市場的競爭日益激烈，企業(yè)在面對市場客戶群體龐大、客戶喜好紛雜的情況下如何做到精準(zhǔn)定位及營銷成為企業(yè)長期發(fā)展的關(guān)鍵。合理將數(shù)據(jù)挖掘（Data Mining）技術(shù)應(yīng)用于客戶關(guān)系管理（Customer Relationship Management，CRM）并發(fā)掘潛在客戶群體顯得尤為重要。

目前，我國以電子產(chǎn)品為軸心的經(jīng)濟(jì)發(fā)展模式成為主流趨勢，多數(shù)企業(yè)實(shí)現(xiàn)線上、線下同時(shí)銷售，客戶關(guān)系維護(hù)更加復(fù)雜。同時(shí)，我國電子產(chǎn)品行業(yè)的CRM理念正處于起步階段，而美國等發(fā)達(dá)國家最先提出CRM概念，諸如SAS、IBM公司均使用數(shù)據(jù)挖掘工具幫助企業(yè)維護(hù)客戶關(guān)系且收益顯著。因此，分析我國電子產(chǎn)品企業(yè)在CRM中如何高效地利用數(shù)據(jù)挖掘工具進(jìn)行產(chǎn)品改進(jìn)并制訂企業(yè)戰(zhàn)略計(jì)劃對我國客戶關(guān)系管理的發(fā)展具有一定的指導(dǎo)意義。

1? ? ? CRM與客戶滿意度

客戶關(guān)系管理概念（CRM）最早由美國的Gartner Group提出，他認(rèn)為客戶關(guān)系管理就是賦予企業(yè)更完善的客戶交流能力，最大化客戶收益率，同時(shí)羅杰·卡特懷特指出客戶滿意度是企業(yè)客戶關(guān)系管理的關(guān)鍵[2]?？蛻魸M意度也稱為顧客滿意度指數(shù)，它是反應(yīng)顧客對產(chǎn)品的預(yù)期與實(shí)際體驗(yàn)感受是否匹配的指標(biāo)[3]。

2? ? ? 相關(guān)數(shù)據(jù)挖掘技術(shù)

2.1? ?決策樹算法

數(shù)據(jù)挖掘技術(shù)中的決策樹算法是對“分類問題”進(jìn)行深入研究的一種算法，其中最基本的是CLS算法[4]。決策樹分析模型包含根節(jié)點(diǎn)和分支節(jié)點(diǎn)，各個(gè)分支節(jié)點(diǎn)均為逐漸遞進(jìn)的分類問題，各個(gè)葉子節(jié)點(diǎn)（決策樹的末梢節(jié)點(diǎn)）都是將數(shù)據(jù)進(jìn)行分類劃分的節(jié)點(diǎn)，從決策樹的根節(jié)點(diǎn)到葉子節(jié)點(diǎn)的每個(gè)路徑均形成對應(yīng)類別預(yù)測。第一，數(shù)據(jù)準(zhǔn)備包含：①定目標(biāo)變量;②劃分訓(xùn)練樣本和測試樣本數(shù)據(jù)集;第二，構(gòu)造決策樹包含：①處理原始數(shù)據(jù)得到訓(xùn)練數(shù)據(jù)集和空樹，對當(dāng)前節(jié)點(diǎn)進(jìn)行測試及劃分;②創(chuàng)建葉子節(jié)點(diǎn)并終止運(yùn)算;③通過最優(yōu)度量計(jì)算確定不同類別的集合分組;④決策樹剪技，決策樹的剪枝是通過上一個(gè)分支生成情況將那些影響最終判別準(zhǔn)確性的分枝剪除，這是一個(gè)校驗(yàn)的過程[5]。此外，本研究主要分析個(gè)體因素對總體滿意度的影響，因此采用決策樹中的CHAID （Chi-squared Automatic Interaction Detection，卡方自動交互檢測）算法，其特征是前向修剪，修改標(biāo)準(zhǔn)是卡方檢測，CHAID算法每次只針對一個(gè)變量分析，然后針對獨(dú)立變量之間的相互關(guān)聯(lián)性創(chuàng)造關(guān)系決策樹。

2.2? ?因子分析

因子分析是通過將所有變量具有相同特征值的劃分為一類，形成一類主成分，然后分析每個(gè)獨(dú)立因子的占比及對主成分的影響，根據(jù)各個(gè)因子的載荷大小來提取主要因素[6]?；静襟E包含：1）檢查原變量，計(jì)算原變量相關(guān)系數(shù)矩陣，若矩陣系數(shù)大于0.3，則適用于因子分析法;2）構(gòu)造因子變量，主要包含主成分分析法、主軸因子法等。本文利用主成分分析法假設(shè)原變量為純線性組合，第一因子有最大的方差，后續(xù)因子方差逐漸遞減。

3? ? ? 基于決策樹算法的客戶滿意度分析

圖1顯示的是針對我國某知名品牌手機(jī)利用層次分析法構(gòu)建的三級指標(biāo)體系。本文利用問卷調(diào)查法在陜西西安地區(qū)發(fā)放問卷1 000份，回收有效問卷987份，問卷信度系數(shù)α為0.897。

如圖2所示，本文利用SPSS 21.0根據(jù)指標(biāo)體系創(chuàng)建決策樹模型。結(jié)果顯示，模型產(chǎn)生12個(gè)結(jié)點(diǎn)，終端結(jié)點(diǎn)7個(gè)，深度為3。設(shè)模型每個(gè)結(jié)點(diǎn)為Node，IF為條件選擇，Result為條件判定結(jié)果，Possibility為客戶總體滿意度可能性，A（非常滿意）、B（比較滿意）、C（一般）、D（比較不滿意）、E（非常不滿意），由于解釋邏輯相同，本文第1個(gè)葉子節(jié)點(diǎn)解釋為例。

（1）Node4? IF（R11=“D”O(jiān)R “A”O(jiān)R“E”）AND（R9=“B”O(jiān)R“D”）

THEN? Node=“4” Result=“A”Possibility=“33.3%”

顧客選擇R11售前服務(wù)態(tài)度是D（比較不滿意）、A（非常滿意）、E（非常不滿意）其中之一且顧客認(rèn)為R9像素為B（比較滿意）或者D（比較不滿意）則有33.3%的概率確認(rèn)該品牌手機(jī)的客戶滿意度是A（非常滿意的）。

（2）Node5? IF（R11=“D”O(jiān)R“A”O(jiān)R“E”）AND（R6=“A”O(jiān)R“C”）

THEN? Node=“5” Result=“A”Possibility=“100%”

顧客選擇R11售前服務(wù)態(tài)度是D（比較不滿意）、A（非常滿意）、E（非常不滿意）其中之一且認(rèn)為R9像素為B（比較滿意）或D（比較不滿意）則有100%的概率確認(rèn)該品牌手機(jī)的客戶滿意度是A（非常滿意的）。

按照邏輯將葉子節(jié)點(diǎn)R6、R7、R10、R11、R9分析完可知R11售前服務(wù)態(tài)度，R9像素，R6運(yùn)存，R8電池對總體滿意度影響較大。如圖3所示，因子旋轉(zhuǎn)后可將主因素聚集的歸為3類，最終可得出因子1中R6運(yùn)存、R5內(nèi)存、R8電池、R9像素影響程度較大，因子2中R2屏幕大小、R7外觀因素較大，因子3中R9價(jià)格、R13售后服務(wù)影響較大。綜上，可認(rèn)為A1內(nèi)在配置、A2外觀材質(zhì)、A3價(jià)格及售后服務(wù)這三個(gè)新因子成為影響客戶總體滿意度的顯著因素，該企業(yè)可從這三個(gè)主要因素進(jìn)行改善。

4? ? ? 結(jié)? ? 語

本文利用決策樹、因子分析等數(shù)據(jù)挖掘技術(shù)，分析了我國某知名品牌手機(jī)產(chǎn)品影響客戶滿意度的主要因素，使該企業(yè)能夠更加精準(zhǔn)的把握生產(chǎn)運(yùn)營重心、改善客戶關(guān)系管理現(xiàn)狀、降低產(chǎn)品及服務(wù)成本并為企業(yè)精準(zhǔn)營銷做好基礎(chǔ)工作。目前，我國的電子產(chǎn)品行業(yè)可利用這種數(shù)據(jù)挖掘方式構(gòu)建客戶群體滿意度測試模型，在實(shí)踐過程中也可推廣到客戶群體流失模型的構(gòu)建中去，借此提升CRM的管理效率。

主要參考文獻(xiàn)

[1]李雪菁.基于數(shù)據(jù)挖掘技術(shù)的電子商務(wù)客戶關(guān)系管理[J].計(jì)算機(jī)與數(shù)字工程， 2018，46（9）： 1834-1838.

[2]周建軍.數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用對策研究[J].無線互聯(lián)網(wǎng)科技，2016 （22）： 135-136.

[3]李艷.商業(yè)智能的支撐技術(shù)[J].上海大學(xué)學(xué)報(bào)， 2004， 65（1）：54-57.

[4]張良均，陳俊德.數(shù)據(jù)挖掘?qū)嵱冒咐治鯷M].北京：機(jī)械工業(yè)出版社， 2013.

[5]印勇.決策支持分析新技術(shù)——數(shù)據(jù)挖掘[J].重慶郵電學(xué)院經(jīng)濟(jì)與管理學(xué)報(bào)，2003，6（12）： 45.

[6]林昕瑤. 基于因子分析法對新型城鎮(zhèn)土地綜合利用效益的研究——以福建省為例[J]. 長春大學(xué)學(xué)報(bào)， 2019， 29（3）： 6-10.

[7]Lan Wang.The New Trend and Application of Customer Relationship Management Under Big Data Background[J].Modern Economy，2016（7）：841-848.