电信CRM中的客户特征管理

摘要　本文提出了客户关系管理（CRM）系统中不同于客户属性的客户特征概念。在论述中，首先说明了客户特征和属性的不同，然后介绍了它在客户关系管理中的应用和管理，以及其设计原则。

1、引言

在电信市场竞争日益激烈的今天，电信企业（网络运营商和电信服务提供商）的经营理念发生了巨大的变化。作为企业资源的客户在企业经营中的地位也越来越高，如何争取和保留客户，如何提升客户的价值，成了企业经营的重要问题。为了保证对客户的服务和管理达到上述目的，几乎所有电信企业都建立了自己的客户关系管理（CRM）系统或应用，这些系统和应用在企业的市场销售、客户服务等方面正在发挥着举足轻重的作用。

CRM系统的一个重要的功能是管理客户信息，电信CRM同样如此，在NGOSS（新一代运营支撑系统）的SID（共享信息/数据）中，客户是一个重要的域[1]。客户信息不仅是市场营销和客户服务等经营活动的依据，也是企业经营决策的重要依据，因此能否保证客户信息的准确和完整是CRM系统能否有效发挥作用的前提。

在CRM系统中，客户的静态信息主要是以客户的各种属性来描述的，通过这些属性电信企业可以了解客户的具体情况，可作为运营和决策操作的输入或参考。

CRM系统中的客户属性有两类，一种是客户的外在属性，例如，客户的姓名、住址、出生年月日等；另一类是通过分析得出的客户特征，例如，客户的信用度、积分或客户的消费特点等。

在一般的CRM系统中，对这两类属性并不加以区分。其实无论在生成、维护还是在管理、使用方面，这两类属性都有很大的不同，为此，本文提出将这两类属性进行区分，以不同的方式进行管理和使用。

2、客户特征和客户属性

经常把CRM分为操作型CRM和分析型CRM（有时还分交互型CRM）[2]。一般来说，分析型CRM的数据来源主要是操作型CRM操作处理的结果，而分析型CRM的操作处理结果则主要用于企业的统计分析和决策支持。实际上，操作型CRM同样会使用这些分析结果。例如在电信CRM系统中，会根据客户的信用等级来决定收费和结算的方式，会根据客户过去对电信收入的贡献来定价。决定某些费率等。这里客户对电信收入的贡献和信用等级均来自对客户原始数据的分析。

随着企业客户关系管理的深入发展以及技术手段的完善，市场细分和客户精细化管理越来越受到重视，在运营操作中，对这些分析数据的使用也越来越多。在技术方面，为了提高系统的灵活程度和适应性，规则和策略在电信运营支撑系统中的应用也越来越广泛，在基于策略的系统中[3，4]，通过分析或学习得出的信息同样起着十分重要的作用。

为了方便运营操作的使用，在操作型CRM中，这些分析结果往往以特征数据的方式作为客户的属性存放。这样，客户的属性来源就有两个：一个是通过客户接触或业务处理（主要是销售过程）得到的客户外在属性，如个人客户的性别、出生年月，团体客户的性质（企业、社会团体等）、成立日期等；另一个是通过分析得到的客户特征，如前述的信用等级、收入贡献等。为了区分这两类信息，在本文中将外在的属性称为属性，而将分析得出的属性称为特征。除了上面提到的来源以外，属性和特征还有以下几方面的不同。

●时效性不同。一般来说，属性是不变的或较少变化的信息，例如，客户的姓名（名称）、证件信息等一般是不会改变的，有些属性，例如客户地址，虽然会改变，但不会很频繁。由于特征来自对动态数据的统计分析，所以其时间稳定性一般比较差，基础数据积累的变化和分析方法的变化都会引起它的改变。例如，客户信用等级会随着其支付、借贷等活动而改变；客户的消费习惯也会随着分析方式和目标的不同而发生变化。

●关联性不同。一般来说，属性表达的是一种直接的客观事实，特征则是因一定目的对这些客观事实的分析和综合；另外，特征的生成一般有相当的目的性，与生成者的视角有一定的关系。因此，属性的关联因素较少，特征的关联因素较多。特征有两个方面的关联因素：其一，它是多种事实综合的结果，因而和这些事实之间有关联；其二，它和观察视角（即目的性）有关联。例如，客户对企业收入的贡献必须综合客户的多次消费才能得出，它必然和这些消费有关联；另外统计的方式不同得出的结果也可能不同，例如，可以对近期的消费进行加权，得出的结果和一般的消费累加也是不一样的。

●可信程度不同。由于特征的关联因素多，任何一个因素的改变或不准确都会对最后结果（特征）产生影响；同时，特征的时效性较强，管理因素也会影响它的可信程度，因此，特征的可信程度一般比属性要低。例如，在计算客户对企业收入的贡献时，如果采集的数据只是最近一年的，得出的结果就无法反映该客户自使用企业产品以来的贡献。

表1是对客户属性和客户特征差异的总结。

表1　客户属性和客户特征的差异

比较方面

客户属性

客户特征

来源

通过操作直接获得

通过对数据的分析和综合获得

时效

一般长期有效

有时效性

关联

关联简单

关联复杂

可信程度

可信程度高

可信程度受多种因素影响

在客户信息的管理、使用中，如果忽视上述这些属性和特征的差异，无疑会带来很多问题。而在当前CRM系统的设计和实现中，两者的差异并没有引起足够的重视，而是一般以下面两种方式处理特征数据。

●把特征等同于属性处理。这一方式忽略了特征和属性之间的差异，在管理方面，会由于时效性和生成方法等因素造成数据无法反映客观现实以及不一致等问题；在使用方面，更是会发生因基础数据不准确而产生的误操作。例如，当信用数据没有及时更新时，如果根据客户的信用数据来进行优惠，就会造成应该优惠的客户没有得到优惠，不该优惠的客户却得到了优惠。

●对不同的特征个别处理。CRM系统中客户信息的很多方面都可以归结为客户特征，这一点在以往很多CRM系统的分析和设计中并没有意识到。例如，当前的客户信用度、忠诚度以及客户品牌分类等。在很多系统中，这些信息都是单独处理的，这就有了所谓的"信用度管理模块"、"忠诚度管理模块"以及"客户细分模块"等，随着业务需求的不断深入和改变，还会对这些模块进行不断地增加和修改，这就造成系统不断膨胀，越来越臃肿，难以维护。

由于上述处理方式存在很多问题，所以有必要探讨如何处理属性和特征。下一节将就这个问题进行讨论，要点集中在两个方面，一是如何处理属性和特征的差异，二是如何统一管理、合理使用客户的特征。

3、客户特征的管理和应用

既然客户特征和客户属性有很多差异，在CRM系统中，就必须针对这些差异管理和使用客户信息中的属性和特征。

客户信息的管理包括生成、更新、删除、归档等操作，必须考虑，在这些操作中应当对客户属性和特征进行怎样的处理；同时，还必须考虑，因客户特征管理的需要会引起或改变哪些客户信息操作。

客户特征的生成或许是CRM中客户特征管理最复杂的一个环节，在这个环节中，必须考虑其来源、生成算法和表示方法。另外客户特征的来源往往不是操作型CRM系统本身，例如，很多客户的统计分析数据来自对计费、网管数据的关联分析。此外，如何表示客户的各种特征以便于使用，也是操作型CRM必须解决的问题。

客户特征数据的来源和算法可能包括：

●对客户本身属性的转换和综合，例如，客户的出生年月可以转换为客户的年龄，客户的年龄、性别、职业又可以作为生成某种消费群体的分类特征的源数据；

●用数据仓库手段对客户关联数据和历史数据的挖掘、钻取和分析，例如，对客户的业务使用历史和资费情况进行分析，得出客户的消费习惯；

●用一定的统计算法或确定性算法，对客户的关联数据进行运算，得出某些有意义的特征，例如，可以用式（1）计算客户在过去两年内的月平均消费E（其中Si是自24个月前起，第i个月的消费额）：

　（1）

●从企业内外其他系统提供的服务获取的统计或分析数据，例如，来自信用评估服务机构的客户信用等级、来自合作伙伴的客户消费特征等；

●综合特征再生成的特征。

和属性不同，多数客户特征的生成应当是周期性的，例如，上述的客户月平均消费需要按月为周期生成和更新，客户的信用度也要按一定的周期获取。针对这一点，客户特征必须进行周期性的维护，否则，这些特征只是一堆静态数据，随着时间的推移将会逐步丧失其价值。

在确定特征时，其表达方式也是十分重要的。客户特征往往是从大量事实中抽取的，能够反映客户某方面特征的一个数值或编码。例如客户的平均月消费额，是从若干个月的消费记录中计算出来的一个数值；再如，客户的信用度是从客户的很多消费、借贷等商业活动中总结出来的一个数值。这些数值和编码有两个方面的特点值得注意：一是带有相当的目的性和主观性；二是同一事实可以用不同的算法或编码来得出相应的特征数据，而算法或编码方式的不同可能会影响人们对这些事实的解读。

在电信运营活动中，很多方面都需要参考或使用客户特征信息，例如：

●在市场推广宣传中，需要根据客户的消费习惯、消费额度等特征找出宣传对象，有针对性地推广企业的产品和服务；

●在客户细分和个性化服务中，需要根据客户使用产品的类型、消费水平、对企业的贡献、客户的社会和职业分类来针对不同的客户提供他们所需要的个性化服务；

●在定价和优惠中，需要根据客户已有产品的使用情况、消费分析统计特征等决定定价、优惠的额度或等级，例如，可以根据客户平均月消费额的高低确定通话费单价的优惠程度；

●在销售和收费给据过程中，需要根据信用度等客户特征决定收费方式、账务周期、欠费处理等方面的不同操作；

●在客户管理和服务过程中，需要根据客户对企业收入贡献的积累、消费的历史情况给予服务不同方面（例如，时限、紧俏资源的分配等）的优先。

如前所述，由于关联因素很多，有些因素发生变化时，客户特征的可信程度也会发生变化，有时这种变化是不可避免的，因此，必须注意应用和可信度的匹配。例如查找宣传对象时，可以参考可信度不高的特征，但定价优惠时，就必须使用可信度较高的客户特征。对于需要高可信度的应用来说，对特征数据的准确性要求很高，不够准确或错误的特征还不如没有。

除此之外，由于关联因素较多，特征的获取往往比较困难，这就造成一些特征信息在数据库中的"稀疏"，即不是所有客户的这一特征都能够搜集到，在使用时必须注意这一点。在使用这些稀疏数据时，如在程序设计中，必须考虑好客户对象实例缺少这些特征时的处理方法，例如，可用缺省值填充特性或者报告错误等。在规划客户特征应用时，对其搜集和管理的困难及代价应当有充分的估计，否则让业务处理和判断依据无法得到特征。将造成灾难性后果。

4、属性和特征的设计和实现

虽然客户的属性和特征有很多差异，但都是用于描述客户的，所以，它们还是有很多共同之处。一般来说，在系统设计中，适用于属性信息的处理方式和设计模式，多数都可以用于特征，从而，在系统的相关设计（特别是持久存储设计）中，可以遵循以下3条原则：

●考虑到属性和特征的可扩展性，应当把客户某些属性和所有特征作为独立的存储对象来处理（即所谓的"纵表"方式），上述的属性包括可扩展的属性、不是所有客户都具备的属性（所谓稀疏属性）等；

●对于一些简单、常用和必需的属性，仍然可以作为客户对象本身的属性处理（即所谓"横表"方式）；

●属性和特征可以来自一个基类（如图1所示），以方便这两类对象信息处理重用，这些处理包括存储、查询、修改、生成数据等。

图1　属性和特性的设计

客户特征对象的属性中，有一些是客户属性对象所不具备的，如以下两点。

●必须描述其有效期或获取周期，以适应客户特征的时效性，而对于一般的客户属性对象来说，这是不必要的。不过某些特殊客户属性对象也需要有这个属性，例如，在某些情况下客户的职业会频繁变化，这时，可以把客户职业当作是客户特征来管理。

●应当描述其可信程度，以方便应用。如前所述，如果可信程度不高，在应用时，只能作为参考，不能作为依据，限制其使用范围。

5、结语

为了提高商务的敏捷性和客户服务质量，在电信运营管理系统中规则和策略的应用已经成为趋势。为了运用各种规则和策略，作为综合事实的客户特征就成为非常重要的因素。本文对这一因素的特点、管理和应用提出了自己的看法，以推动和改进客户特征的管理和应用。

除了CRM中的客户特征外，上述特征的概念其实可以推而广之，用于电信运营支撑系统中的其他方面。例如，在基于策略的网管中，可以根据一些统计数据来运行网管策略，这些统计数据实际上也是某些对象（例如电信服务实例、通信设备等）的特征。

参考文献

1　TMF GB922.Shared information/data（SID）model，business view concepts，principles and domains，release 6，2005

2　何荣勤.CRM原理、设计、实践.北京：电子工业出版社，2003

3　TMF TMF053.The NGOSS technology-neutral architecture，release 6.2005

4　Strassner J C.Policy-based network management，solution for next generation.Morgan Kaufmann Publishers，Toronto，2004

来源：中国联通网站