[摘 要] 本文介绍了交叉销售的概念和优点,并对数据挖掘的概念做了简要说明,最后着重介绍了如何利用数据挖掘技术做交叉销售分析?

[关键词] 交叉销售;数据挖掘;营销

[中图分类号]f270.7;f274[文献标识码]a[文章编号]1673-0194(2007)06-0032-02

一?交叉销售的概念

服务人员在向顾客提供某种服务或产品的同时,推销其他产品和服务,就叫交叉销售?它是借助各种分析技术和经验判断,发现现有客户的多种相关需求并通过满足其需求而销售多种相关产品和服务的一种营销理念?

在现代营销意义上,交叉销售不只是一种营销方式,还是一种营销哲学,即充分利用一切可能利用的资源展开营销,服务市场,赢得顾客,与合作伙伴共享市场?这些资源包括自己现有的,可以开发的或正在开发的,也包括合作伙伴的?例如,一个高尔夫俱乐部会员卡的购买者,可能也是轿车购买者,还可能是健身器械购买者?

交叉销售可以应用于不同的行业,例如家电业?银行业?保险业?证券业?旅游酒店业等?目前实践证明,交叉销售在银行业和保险业等领域的应用最为广泛,效果也最为明显?这是因为,消费者在购买这些产品或服务时,必须提交真实的个人数据资料?这些数据资料,一方面可以用来进一步分析顾客的需求,作为市场调研的基础,从而为顾客提供更多更好的服务;另一方面,也可以在保护用户个人隐私的前提下,利用这些用户资料与其他具有互补性的企业一起开展营销,共享客户资源?

交叉销售的好处在于可以充分利用企业现有的或获得的客户信息,所以在营销时具有以下优点:

(1)成功率高?交叉销售可以让客户根据现有服务的质量?企业对于他的关心程度以及他对企业服务能力的了解,对是否接受其他服务产品做出选择?而对企业来说,由于对客户的需要?要求和个人特点有充分的了解,可以针对客户的需求和问题制订相应的客户服务计划,从而增加服务推销的成功率?

(2)销售成本低?由于交叉销售是对现有客户的推销,企业不用像对待新顾客那样首先进行市场调查,然后统计分析,最后才能确定目标顾客,从而节约了收集信息的成本?同时由于同现有客户已经有一定的关系基础,也可以为企业节约关系投资的成本?

二?数据挖掘的概念

数据挖掘(data mining,dm),又称数据库中的知识发现(knowledge discovery in database,kdd),是指从大型数据库或数据仓库中提取隐含的?未知的?非平凡的及有潜在应用价值的信息或模式?它是数据库研究中的一个很有应用价值的新领域,融合了数据库?人工智能?机器学习?统计学等多个领域的理论和技术?从商业角度看,数据挖掘是一种崭新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取?转化?分析和模式化处理,从中提取辅助商业决策的关键知识,即从一个数据库中自动发现相关商业模式?它可以描述成:按企业既定业务目标,对大量的企业数据进行探索和分析,揭示隐藏的?未知的或验证已知的商业规律,并进一步模式化的数据处理方法?数据挖掘工具能够对将来的趋势和行为进行预测,从而很好地支持人们的决策,比如,经过对整个公司数据库系统的分析,数据挖掘工具可以回答诸如“什么样的客户对我们公司的邮件推销活动最有可能做出反应,为什么?”等类似的问题?如果将其运用到客户关系管理中,就能在数据量庞大的客户数据仓库中,将看似无关联的数据进行筛选?净化,提取出有价值的客户关系,实现对客户需求做出恰当的回应,并预测需求趋势?

三?交叉销售与数据挖掘

交叉销售的前提是企业知道顾客是谁,他购买了什么产品或服务,有哪些具体的消费属性;核心是数据库的应用;关键是与特定顾客高效率的沟通;结果则是销售和利润的增加?所以,这种销售方式在很大程度上是以数据库销售为基础,对客户关系管理的深度挖掘和应用?比如一个购买了婴儿车的客户很有可能对同一企业生产的婴儿尿布或其他婴儿用品感兴趣,这很容易理解?但对企业来说,真正关心的问题在于如何发现这其中内在的微妙关系?

数据挖掘就能够帮助企业发现这其中的关系?数据挖掘借助建立起的数据仓库,通过统计或人工智能等算法分析数据,建立模型,从而发现产品与顾客之间的关系?产品与产品之间的关系?比如保险公司和银行之间建立交叉销售,保险公司可以通过分析银行的客户信息数据库,发掘出银行中的哪些客户最有可能购买保险,进一步通过客户细分,找出这些客户中哪些适合购买寿险,哪些又适合购买人身保险或车险等?其次,保险公司可以通过关联分析找到银行不同产品或服务与保险公司的不同产品之间的相关性,比如拥有银行信用金卡的客户更需要哪种险种?下面将介绍基于数据挖掘技术的交叉销售分析的过程?

四?基于数据挖掘的交叉销售分析

在对交叉销售做分析时,具体的数据挖掘过程包含3个独立的步骤:

(1)对个体行为进行建模;

(2)用预测模型对数据进行评分;

(3)对得分矩阵进行最优化处理?

建模过程是用数据挖掘的一些算法对数据进行分析,然后产生一些数学公式(也就是模型),这些数学公式可以用来对客户将来的行为进行预测分析?在交叉销售分析中,对每一种交叉销售的情况都要建一个模型?在这些交叉销售分析模型建好之后,每一个模型都可用来分析新的客户数据以预测出这些顾客将来的行为?评分过程很简单,就是计算这些数学公式的结果?在这里这些结果代表着两个月后这些顾客申请特定的一种抵押贷款账户的可能性?由于在这里有3种不同的抵押贷款服务,所以对每一位顾客就有3个不同的计算结果?评分过程的结果就是产生一个得分矩阵,矩阵的每一行代表一位顾客,每一列代表一种交叉销售的情况?最后一步是对这个得分矩阵进行最优化处理,即对每位顾客选出最合适的几种服务方案?

1. 建模阶段

建模阶段又可以细化为几个子过程,在对不同的交叉销售情况进行建模的时候都包含了这几个子过程?也就是说,对每种交叉销售情况进行分析的过程都是独立的?在分析时,各种交叉销售情况所针对的客户可能会有重复,但在实际的建模过程中都将被独立地处理?

一旦这些模型建好后,就可以不断地重复使用它们,直到不再需要这些模型为止,也就是说这些模型已经没有很好的预测效果或者对这些模型预测的结果已经不感兴趣?但不管怎样,在建模阶段后面的几个步骤(评分阶段和优化阶段)也可以一直使用同一套模型?

2. 评分阶段

一旦有了这3种交叉销售情况所对应的分析模型,就可以用它们对新的客户数据进行分析预测,以决定向客户提供哪一种交叉销售服务最合适?这并不是很简单,因为要得到一种有效的优先顺序,通常要用一些筛选条件对所有的顾客挑选一遍?例如,只能对那些还没有房子的人用间接抵押模型进行分析?但是也有可能一位客户已经在别的银行申请了一个抵押贷款账户,可分析员并不知道,仍然使用“首次抵押贷款模型”对他进行分析预测?

3. 优化阶段

下一步就可以决定向客户提供哪一种抵押贷款服务了?对得分矩阵进行优化的目的就是选择出最适合客户的服务?在这个阶段中,有4种处理方法?这里按照从易到难的顺序进行介绍?

(1)质朴的方法?在质朴的优化方法中,只要选择出每一个客户得分最高的那一个模型对应的服务?质朴的优化方法将使这次市场活动中收到的客户反馈尽可能的多?这种方法只选择那种顾客最可能有反馈的服务,而不管这种反馈可能带来多大的经济效益?

(2)平均效益方法?平均效益方法功能有所增强,它将与每一种服务相关的经济信息融合进来?所以这种方法让总体经济效益达到最大化?在这种方法里,每一种交叉销售服务都有一个对应的经济价值?这个价值是潜在客户的平均价值,它通常是由历史数据库中现有顾客的特性决定的?

(3)个人效益方法?个人效益方法是对不同的顾客用不同的经济价值数据进行计算,得出在每个服务中可能获得的预期回报?例如,这种计算方法要用客户现有贷款账户的偿还情况来估计出重抵押贷款和二次抵押贷款的价值?“平均效益”方法和“个人效益”方法最主要的区别在于:用“个人效益”方法计算时,不同的顾客在同一项服务中产生的预期回报也是不同的?

(4)有约束条件的优化方法?这种方法在优化选择的过程中引入了一些外部的约束条件,因此它比以上各种优化方法都有所提高?这种方法在优化选择的过程中引入了一些外部的约束条件,因此它比以上各种优化方法都有所提高?有约束条件的优化方法可以和任何一种数字评分模型结合起来?

五?结 论

交叉销售作为一种销售成功率高?成本低的行销方法,已经越来越得到以客户关系管理(crm)为中心的企业的认同和采用?因为在竞争日趋激烈的今天,任何一个行业中,每一个客户资源都可能是企业未来生存或竞争的资本,所以,如何利用企业自身客户信息或其他相关企业的客户信息,扩大企业的客户群就变得至关重要?交叉销售通过共享客户资源,基于数据库,利用数据挖掘中的分析技术,不仅能寻求交叉销售的目标客户,而且还能发现客户的多种相关需求,从而更有效地实施交叉销售,增加企业利润?

主要参考文献

[1] 吕巍,蔡鹭新. 交叉销售提升客户忠诚度[j]. 企业管理 ,2004,(10).

[2] 闫雪晶,王金菊. 数据挖掘在交叉销售中的应用[j]. 云南财贸学院学报,2005,(6).

[3] 戴稳胜,袁卫,谢邦昌. 顾客喜欢的下一个产品是什么——以数据挖掘发现交叉销售机会[j]. 中国统计, 2005,(8).

[4] 韩冬. 数据挖掘在crm系统中的应用研究[j]. 东北师范大学学报,2005,(5).

[5] 陈文伟,黄金才. 数据仓库与数据挖掘[m]. 北京:人民邮电出版社,2004.