大数据应用于客户关系管理的可行性与必要性
摘要：面对行业内外竞争压力不断升级，企业如何通过客户关系管理创造高忠诚度的客户以提高自身效益，是企业必须深度思考的核心问题。同时，随着大数据技术在某些行业领域内的具体应用，以大数据为核心的管理理念及操作应用不断升级。因此本文通过阐述客户关系管理与大数据的相关理论，分析了大数据应用于客户关系管理中的可行性及必要性。
关键词：客户关系管理 大数据 可行性 必要性
一、客户关系管理与大数据的相关理论
（一）客户关系管理相关理论
客户关系管理（CRM），一般是指所有包含客户与企业互动信息的采集与整理，到20世纪90年代中后期，客户关系管理逐渐转变为分析、研究客户的各种资料。后经不断发展与完善，客户关系管理研究逐成体系。但由于不同学者及企业研究目的与角度的差异，目前关于客户关系管理理论尚无统一解释，主要存在以下几种观点：
一是客户关系管理被视为一种商业过程及商业策略。IBM就认为客户关系管理是企业针对客户进行的一连串的包括客户识别、客户挑选、客户获取、客户发展及客户维护在内的整体过程。企业为提高自身盈利能力及维持高的客户忠诚度而开展的以顾客为核心的经营行为及实施的业务流程是将CRM视为商业策略的典型案例，而Gartner Group提出的CRM作为企业的商业策略及管理模式，重点在于提高企业的盈利能力及客户满意度，并非简单的IT技术的应用。
二是客户关系管理被视为一种先进的IT技术。其中，Reinhold Rapp认为CRM实质就是管理软件及技术的操作与应用；我国部分人员也认为CRM的实质就是一套较为先进的可以整合企业内部资源及简化相关业务流程的技术工具；Hurwitz Group也认为CRM的核心就是自动化。
三是客户关系管理被视为一种营销策略。Don Peppers等学者认为实施CRM的目的在于实现一对一营销，国内部分学者也持相同观点，认为CRM营销范畴归根结底就是实现一对一营销和数据库营销；还有人认为CRM就是企业实现与客户维持良好关系的营销管理策略，属于市场营销的分支。
四是客户关系管理被视为一种管理方针。Gartner Group认为，企业通过分析其整个市场活动与客户发生的各种交易行为，从而为企业提供全方位的决策支持，以此来提高企业的客户维护能力及认知水平，最终将客户收益最大化。
基于以上观点，可以看出客户关系管理是现代企业利用某种软件应用系统从而不断增强企业与客户依附关系的一种企业经营策略。客户关系管理的核心是管理，技术是软件应用，目的是增强企业的客户保持能力。
（二）大数据的相关理论
2012年被称之为大数据元年，经过三年多的发展，如今大数据作为当下最热门的话题之一经常出现在各大媒体及刊物中。百度百科指出，大数据是指在可承受的时间范围内无法用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。维基百科对大数据的定义与百度百科大体相似，都是指依靠目前的数据库管理工具或数据处理技术很难实现对海量数据的捕捉、管理、存储、搜索、共享、分析及可视化操作等。从上述定义可以看出，大数据的基本特征包括：数据量巨大，主要体现在数据量已从TB级逐渐跃升至PB级；数据类型繁多，主要表现为数据范围从之前的结构化数据已扩展至半结构、非结构化数据；价值密度低，主要是指针对半结构、非结构化数据来说；处理速度快，区别于传统的数据挖掘技术，物联网、云端以及各种传感器，都是数据来源或者数据承载的方式。
目前大数据在商务管理方向中的应用主要集中在客户需求分析与市场策略研究。在大数据技术不断发展的背景下，首先，客户需求定位与市场策略实施是基于分析企业在市场活动中不断满足客户多方需求所产生的行为特征数据，反应价值链机理，从而客户能够体验到企业不断改善的管理机制；其次，通过采集、处理、分析大量客户生成的对企业舆论方面的数据，有利于判断客户对企业的满意度与期望度，从而为企业提供一定的预警机制，而且针对企业舆论数据方面的分析，有利于合理引导客户感知度，提升企业效益及产品知名度。
二、目前客户关系管理中存在的矛盾
当今，信息文化的飞速发展以及数据量的迅猛增长，成为推动各类型企业不断发展的原动力，也为企业的客户关系管理带来了各种各样的挑战，那么面对海量、种类复杂、价值密度低的数据，企业在客户关系管理时如何应对，是当下必须思考的问题。
（一）缺乏数据与增强客户忠诚度之间的矛盾
如何增强客户黏性避免客户流失一直以来都是各企业致力解决的焦点问题，而如何解决这一问题，企业传统的做法就是通过收集客户数据，进行客户满意度分析，进而不断调整企业在产品设计及销售方面的策略。但这种做法往往具有很大的局限性，主要体现在两个方面：其一，传统分析方法中企业所收集的客户数据主要为结构化数据。结构化数据来源渠道相对单一，且数据量较小；而随着信息技术的不断发展，客户的绝大部分数据都展现在各类社交网站及电商平台中，导致大部分企业很难有效采集分析此类非结构化数据，从而难以有的放矢的满足客户需求提高客户黏性；其二，企业传统分析方法中重点在于分析客户满意度水平，没有将对客户忠诚度的分析提上日程。因此，只针对数量相对较少且种类单一的数据进行分析而制定的客户流失策略效果往往差强人意。
（二）数据采集更新速度过慢与定制客户个性化需求之间的矛盾
企业管理中，与客户关系密切的无论是销售管理还是市场管理，无一不强调以客户为中心，而根据客户数据进行的聚类分析能够清晰有效的满足客户的个性化需求，不仅能够降低企业的维客成本，而且能够高效的开展营销服务措施。对于以数据驱动的企业来说，数据的更新就显得尤为重要。已有的陈旧数据库或普遍的结构化数据，已严重滞后客户需求变化，带来的恶性后果就是企业据此制定的一系列CRM策略已严重偏离正确的方向。