顾客关系管理资料仓储之建置模式.docx
《顾客关系管理资料仓储之建置模式.docx》由会员分享,可在线阅读,更多相关《顾客关系管理资料仓储之建置模式.docx(22页珍藏版)》请在冰点文库上搜索。
![顾客关系管理资料仓储之建置模式.docx](https://file1.bingdoc.com/fileroot1/2023-5/31/5513fd80-c8b7-4efc-9bbb-86eeb65c2e9d/5513fd80-c8b7-4efc-9bbb-86eeb65c2e9d1.gif)
顾客关系管理资料仓储之建置模式
顧客關係管理資料倉儲之建置模式
林文揚
義守大學資訊管理系
wylin@isu.edu.tw
吳佩珊
義守大學資訊工程所
m883323m@isu.edu.tw
陶幼慧
國立屏東科技大學資訊管理系
ytao@mail.npust.edu.tw
摘要
顧客關係管理是近年來企業經營談論最廣泛,也最受重視的觀念之一。
隨著網際網路以及電子商務的興起,顧客的消費習慣與動向比起以往更加瞬息萬變;相對的,在此交易環境下企業所累積的資料量亦快速的增加。
因此,如何有效的分析這些資料以進行顧客關係管理便成為迫切的議題。
近年來,雖然許多學者專家都建議透過資料倉儲的技術處理這些龐大的資料,但鮮少有研究深入探討此技術之應用層面的議題。
因此,本研究提出一顧客關係資料倉儲架構及其建置流程,探討如何利用資料倉儲,針對顧客關係分析所著重的議題,包括顧客保留、顧客忠誠度、顧客流失率、顧客貢獻度及顧客終生價值,建立提供線上分析處理所需的資料模式,並說明如何利用線上分析處理的技術進行上述各種顧客關係分析。
關鍵字:
顧客關係管理、電子商務、資料倉儲、線上分析處理、星狀綱要
AModelofBuildingDataWarehouseforCustomerRelationshipManagement
Wen-YangLin
Dept.ofInformationManagement
I-ShouUniversity
wylin@isu.edu.tw
Pei-ShanWu
InstituteofInformationEngineering
I-ShouUniversity
m883323m@isu.edu.tw
Yu-HuiTao
Dept.ofInformationManagement
NationalPingtungUniversityofScienceandTechnology
ytao@mail.npust.edu.tw
Abstract
CustomerRelationshipManagement(CRM)isoneofthemostimportanceconceptsinbusinessmanagement.Astheadventofinternetandelectroniccommerce,customers’consumingbehaviorandtendencyisbecomingvariedthanever.Ontheotherhand,thedataaccumulatedwithinenterprisesundertheE-Commerceenvironmenthavebeengrowingcontinuously,andresultinanewchallengehowtoanalyzethesedataeffectivelytofacilitatecustomerrelationshipmanagement.Recently,thoughmanyresearchershavesuggestedusingdatawarehousetodealwithsuchahugeamountofdata,noonehasbeendevotedtotheimplementationissuesforintegratingthesetechnologies.Inthispaper,weproposeadatawarehousingarchitecturededicatedtothecustomerrelationshipanalysisunderE-Commerceenvironment.Wealsodiscusshowtobuildthedatamodelstofacilitateon-lineanalyticalprocessing(OLAP)oftheprimarymeasuresforcustomerrelationship,includingCustomerActivity,CustomerLoyalty,CustomerAttrition,CustomerProfitabilityandCustomerLifetimeValue.
Keywords:
CustomerRelationshipManagement,ElectronicCommerce,DataWarehousing,On-LineAnalyticalProcessing,StarSchema
壹、緒論
隨著網路的蓬勃發展以及電子商務的興起,除了原有傳統店面的銷售通路外,企業紛紛以建立網站的方式來提供商品行銷。
例如:
太平洋SOGO百貨公司的E-mall或燦坤EC網站等購物網站等,不但進一步擴展銷售通路,也間接促使了網站流量的增加。
隨著資料量的大增,許多企業為了有效的管理運用這些資訊,紛紛建立資料倉儲來管理這些資料[7][18]。
對企業而言,顧客是企業中最重要的一項資產,同時也是決定企業生存或淘汰的關鍵因素,加上市場的全球化,如何先馳得點獲得顧客的青睞、與顧客建立良好的互動關係及增加企業的利潤,皆需有賴於顧客關係分析與顧客關係管理(CustomerRelationshipManagement,簡稱CRM)的推行運用。
近年來,雖然許多學者專家都建議透過資料倉儲的技術處理這些龐大的資料,以了解顧客的購買行為[4][5][9][16],但鮮少有研究深入探討此技術之應用層面的議題,更遑論有系統的論述如何利用資料倉儲的處理技術達成顧客管理所需的各種分析。
另一方面,目前有關顧客關係管理的系統研究皆著重在分析短期的顧客資料,以進行所謂的一對一的行銷[6][10][12][24],鮮少有探討如何分析長期性的顧客資料,以滿足決策者(特別是高階主管)宏觀的分析需求。
因此,本研究針對高階管理者的需求,提出一顧客關係資料倉儲架構及其建置流程,探討如何利用資料倉儲,針對顧客關係分析所著重的議題,包括顧客保留、顧客忠誠度、顧客流失率、顧客貢獻度及顧客終生價值,建立提供線上分析處理(On-LineAnalyticalProcessing,簡稱OLAP)所需的資料模式,並說明如何利用線上分析處理的技術進行上述各種顧客關係分析,從微觀或宏觀的各種不同的觀察角度,了解顧客相關的習性或特質,以作為訂定或改善企業行銷策略的依據。
本研究內容除了緒論外,第二部分為文獻探討,主要針對顧客關係管理與資料倉儲的相關文獻進行描述;第三部分說明如何建立顧客關係分析資料倉儲的資料模式;第四部分介紹各個主題分析應用;最後為結論部分,總結本論文的研究貢獻以及未來研究課題。
貳、文獻探討
在文獻探討部分,主要分成顧客關係管理與資料倉儲兩部份進行說明。
1、顧客關係管理
顧客關係管理的概念最早於1980年發源於美國,當時稱為「接觸管理」(ContactManagement),主要收集有關顧客與企業間互動的相關資訊[8]。
而顧客關係管理一詞最早是由GartnerGroup所提出,當時主要應用於金融業、電信業及保險業上[11]。
從文獻中發現,目前不管是在電信、金融、保險、百貨或是製造等各行各業,無不強調顧客關係管理[14][15],而其定義分述如下:
1.Greenberg:
顧客關係管理是一完整的系統:
認為顧客是遍及於企業各處。
主要提供工具和方法去提升個體顧客的經驗,同時提供確認、獲取及保留顧客的技術及方法[23]。
2.KalakotaandRobinson:
顧客關係管理主要整合銷售、行銷以及服務策略,提供顧客一套量身訂做之服務[21],其架構圖如圖一所示。
圖一、顧客關係管理的架構圖[21]
3.Bhatia:
利用軟體以及相關技術,促使商業自動化並改善商業流程,涵蓋的範圍包括銷售、行銷、顧客服務以及支援等方面[16]。
4.其他:
企業為了鞏固既有顧客、贏取新顧客以及增進顧客對企業的貢獻度,透過不斷的溝通以瞭解或影響顧客行為的方法[2][3][9]。
綜上所述,顧客關係管理中的「顧客」,除了一般的消費者,應包括內部(員工)、外部(供應商)以及商業上的合作夥伴。
而顧客關係管理的目的主要在藉由整合銷售、行銷、服務及顧客支援等應用,來獲取新顧客、保留舊有顧客及提升顧客對企業的利潤貢獻。
此外,在顧客關係管理中,通常會談論下列五項概念,其意義分述如下:
1.顧客保留率(CustomerRetentionRate):
針對某年新進顧客於隔年仍會對企業所提供的產品或服務進行消費的比率。
保留率(RR)=隔年的顧客數/某年的顧客數[13]。
2.顧客流失率(CustomerAttritiveRate):
與顧客保留率是一體兩面的。
流失率=1-RR[24]。
3.顧客忠誠度(CustomerLoyalty):
指顧客對特定供應商、產品或服務重複購買的程度。
根據[6]提出利用顧客保持度、顧客保持比率與顧客佔有率來衡量。
4.顧客貢獻度(CustomerProfitability):
顧客貢獻度是指顧客在特定期間內對企業的利潤的貢獻價值[10]。
5.顧客終生價值(CustomerLifetimeValue):
終生價值通常是選擇總額或淨額為計算基礎。
總額是指顧客在某段時間的總消費金額。
淨利是指總消費金額扣除產品成本、行銷成本及服務產本後所得到的值[12]。
2、資料倉儲
根據Inmon的定義,資料倉儲具有主題導向、整合、因時而易與不常變動的特性,用來收集資訊以支援管理決策[20]。
而資料倉儲所支援的分析處理,通常以線上分析處理為主。
所謂的線上分析處理是一種能提供多維度以及快速查詢的工具,其資料模式(DataModel)通常採用星狀綱要(Star-Schema)的模式來呈現欲分析的資料,具動態多維度分析、複雜計算的能力,通常這些資料都是以資料方體的方式儲存。
而星狀架構主要是由事實資料表(FactTable)及一連串相關的維度資料表(DimensionTables)所組成,如圖二所示。
在事實資料表中,儲存各個維度資料表的主鍵,以及欲觀察的測量值(measure),而這些測量值通常都是屬完全附加(additive)的測量值,是可累加的值;維度資料表則記錄各個資料表中的所有屬性,能很有彈性的提供使用者從不同的角度來觀察欲分析的資料。
另外,線上分析處理主要提供上捲(Roll-Up)、下探(Drill-Down)、切片及切丁(SliceandDice)以及轉軸(Pivot)四種分析方式[17][19],分述如下:
圖三是一個由門市、產品以及時間三個維度所組成的資料方體,每一個維度中之屬性具有階層關係,如圖四所示。
例如在時間維度中,一年有365天,12個月,可分為四季。
圖二、星狀綱要圖
圖三、資料方體
圖四、階層關係圖
1.上捲:
針對門市地區而言,要觀察北、中、南及東部銷售狀況時,由於台南、高雄分別屬於南部,台中、南投屬於中部,藉由門市地區階層關係向上作聚合的運算,即升冪的動作,可看到在第一季時,中部地區P6總共銷售70個單位,南部地區共銷售180個單位,可得到總結性的資料,如圖五所示。
2.下探:
針對時間此維度而言,一年有4季,共12個月,假設欲觀察每個月各個產品銷售的狀況,藉由時間的階層關係,向下運算,以得到較詳細的資料,即降冪的動作,可看到產品P5在第一季即1~4月各月銷售的表現,如圖五所示。
3.切片及切丁:
切片是針對某一個維度作運算。
若我們挑選時間維度-第一季(Q1)作切片的運算,可得到在第一季時,每項產品在四個縣市的銷售數值,如圖六所示。
切丁是從所有的維度中挑選出2個或2個以上的維度進行運算。
此次主要挑選3個維度進行運算:
時間維度選擇第一季及第二季,門市維度選擇台中及南投縣市,產品維度選擇P5與P6,結果如圖六所示。
圖五、上捲與下探
P6
P5
P4
P3
P2
P1
20
60
12
25
30
40
台中南投台南高雄
圖六、切片與切丁
4.轉軸:
針對不同的象限,作旋轉的動作,提供另一選擇供觀察,如圖七的縱軸為產品與橫軸為門市,轉變成縱軸為門市,橫軸為產品。
20
40
30
25
12
60
20
60
12
25
30
40
圖七、轉軸
參、顧客關係分析資料倉儲
一般的顧客關係管理較強調短期時間內,如何針對某些顧客進行行銷策略的調整,屬於中下階層的管理活動。
然而對高階的管理者而言,其關心的範疇不在於個別顧客的差異調整,而是能掌握長期性的客戶需求脈動與市場趨勢;另一方面,對IT技術人員而言,如何根據高階管理者或公司需求,建置出所需之顧客關係資料倉儲,供決策分析。
鑑於此,我們乃提出一顧客關係資料倉儲架構,基於此架構發展其建置模式,說明如何根據需求及資料來源,建置所需之分析模式,並進一步詳細舉例說明。
一、顧客關係分析資料倉儲建置
為了利用資料倉儲來作完善的顧客關係管理,我們提出一顧客關係分析資料倉儲。
此架構結合資料庫與資料倉儲的特性,以利於提供長期及短期分析,如圖八所示。
圖八、顧客關係資料倉儲系統架構圖
在此架構中左邊方塊內主要資料蒐集有關顧客交易相關資料以及顧客瀏覽網站記錄檔中的資料。
中間蒐集到之資料事先經過過濾、整合及挑選等階段後,可利用資料挖掘中分類及群聚的方法,針對顧客的年齡、職業、性別或消費習性事先加以分類,分別根據需求將之存於顧客關係資料庫或資料倉儲中,配合分析工具進一步將資料轉換進行分析,例如:
關聯分析、預測分析、群聚分析或線上分析處理等技術分別用來瞭解、分析顧客的消費習性、發掘潛在顧客以及市場的動態。
資料儲存方面,主要利用資料倉儲來儲存大量的歷史資料,因為資料已事先經過過濾、定義、計算以及處理,所以利用線上分析處理進行分析時,便能提供較迅速的查詢速度以及長期觀察之分析,而且能針對不同維度的組合進行複雜的分析。
一般而言,資料倉儲建置的步驟可分為六階段[1][4][5][7][22]:
1.需求定義
2.資料來源分析
3.資料模式的建立
4.資料轉換
5.資料倉儲啟用
6.系統維護
資料倉儲建置過程中,從事步驟1-3時,公司內部需投注較多的時間、人力與資源從事定義、分析與建置的工作,並無法由一般應用軟體建置獲得,故本研究主要將重心著墨於步驟1-3。
我們所提出的顧客關係分析資料倉儲建置流程,主要延續傳統資料倉儲建置過程,特別著重在如何定義各項顧客關係分析的指標,及其對應的資料模式,其流程如圖九所示。
圖九、顧客關係資料倉儲建置流程圖
2、舉例說明
在此節中,我們將進一步針對需求定義、資料來源及資料模式建立進行詳細介紹,並舉例說明之。
3.1需求定義
不同類別的公司行號其內部需求分析也會有所不同,而本研究重點在於針對從事顧客關係分析時,通常會探討有關顧客保留、顧客流失、顧客忠誠度、顧客貢獻度與顧客終生價值等五大議題,從事一般性定義。
根據蒐集資料發現,主題間欲用來觀察的測量值有重疊現象,經歸納整理後的定義如下:
A.顧客保留/忠誠度:
針對每一個單一顧客,往後在企業內每個時間區間,以交易次數及比率以及瀏覽的比率來觀察每一位新進會員的保留及忠誠度變化狀況。
B.顧客流失:
針對某一時間成為會員的新顧客群,事先經過分門別類,在往後每個時間區間流失人數的變化程度。
C.顧客貢獻/終生價值
顧客貢獻度是指顧客的利潤貢獻度,衡量顧客在會員期間,在不同時間點消費對企業所帶來的利潤程度的多寡。
顧客終生價值用來衡量每位顧客在會員期間至取消會員為止,為企業帶來淨利程度的多寡。
3.2資料來源分析
針對上述欲分析主題,必須蒐集有關顧客自身相關資訊以及交易相關資料,大致上分為兩部分來說明:
交易相關資料以及伺服器中記錄檔之資料。
交易相關資料例如:
顧客資料庫、產品資料庫、行銷活動資料庫及門市資料庫等資料。
3.3資料模式的建立
資料模式的建立,主要是根據不同的主題需求,建立星狀架構的資料模式。
在建立之前,必須決定需要哪些維度資料表、欲進行觀察的測量值有哪些,以及資料的詳細程度(Granularity)。
根據上述的需求定義,進行矩陣分析,可得到如表一所示的主題與相關維度。
下列將分別說明各個分析主題的星狀架構。
A.顧客保留/忠誠度
進行顧客保留狀況分析時,主要以交易次數為觀察的對象,而忠誠度分析,則是利用交易次數配合消費比率當作指標進行觀察。
根據上述欲計算的測量值,必須事先蒐集有關顧客、產品、以及門市的相關資料,建置如圖十的星狀架構圖。
在事實資料表中的測量值包括:
總交易次數、線上交易次數、實體交易次數三個測量值,屬完全附加的測量值;用來衡量忠誠度的另一個指標「消費比率」,因此值是一不能進行累加的值,屬不能附加值,所以未放入本事實資料表中而需另行計算。
另外顧客代號、產品代號、門市代號及時間代號四個屬性值,分別屬於顧客維度、產品維度、門市維度以及時間維度資料表的主鍵。
表一、分析主題一覽表
維度資料表
分析主題
時間
顧客
產品
門市
顧客保留/忠誠度
●
●
●
●
顧客流失率
●
●
顧客貢獻度
●
●
●
顧客終生價值
●
●
圖十、顧客保留/忠誠度星狀架構圖
B.顧客流失率
根據定義,主要統計某一時間點新進顧客群,於往後時間流失人數變化狀況。
假設已知某年某月成為顧客的人數為Nnew,則在i個月後,我們可定義此一顧客群的流失率(Ari)為:
在計算流失人數之前,必須先統計某個時間點每類新進顧客的總人數,再藉由顧客入會的時間點與流失的時間點來統計該區間流失的人數,才能利於最終流失率的計算。
而圖十一為顧客流失星狀架構圖,由於所欲計算之流失率是一不能進行累加的值,屬不能附加值,所以需額外計算,所以並未放入此事實資料表中。
圖十一、顧客流失星狀架構圖
C.顧客貢獻度/終生價值
計算顧客的利潤貢獻度時,是利用顧客消費對企業所帶來的利潤程度的多寡來衡量,而此處利潤是指由顧客購買產品的總消費額扣除產品的成本後,所剩金額。
顧客終生價值是指針對消費者成為顧客的入會時間點起,至取消會員為止,個人為企業帶來淨利程度,即銷售金額-(產品成本+行銷成本+服務成本)。
其星狀架構如圖十二所示,主要以利潤來衡量貢獻度高低,以淨利來觀察終生價值之高低。
圖十二、顧客貢獻度/終生價值星狀架構圖
肆、主題分析與應用
在前一章節中,根據顧客關係管理所重視的顧客保留/忠誠度、顧客流失率、顧客貢獻度/終生價值等指標,分別定義所需的資料模式(星狀架構)。
接下來,我們將分別對每一分析主題詳細說明如何藉由線上分析處理的分析模式,進行多維度分析。
為簡化起見,稍後所舉的例子僅侷限於某一年度內的資料,但實際上資料倉儲中的資料是累計了長久的時間,包含了許多年度的資料。
A.顧客保留/忠誠度
在顧客保留/忠誠度星狀架構圖中具有4個維度,因此可組合出15種不同的資料表(即資料方體),其關係如圖十三所示。
圖十三、顧客保留/忠誠度維度組合
此外,由於每一個維度通常又包含數個屬性階層關係,因此,實際組合關係將達到1348種之多,在此我們舉其中一實例作為說明。
顧客C1為1999年6月的新進顧客,其六月份的消費如表二:
顧客
維
度
時間維度(日期)
1999年
6/2
6/10
6/17
6/20
6/25
交易金額
450
225
740
625
1240
實體交易
●
●
●
●
線上交易
●
表二、顧客C1於1999年6月的消費統計
1.若要觀察此顧客C1,可以在時間的維度上進行上拉的動作(由日到月),便可觀察其往後幾個月內的消費次數情況,如表三所示。
表三、顧客C1於1999年6~12月的消費次數統計
顧
客
維
度
時間維度(月份)
1999年
6月
7月
8月
9月
10月
11月
12月
實體交易次數
4
6
5
1
3
2
1
線上交易次數
1
0
2
0
1
0
1
2.若要觀察此顧客C1於1999年第三季的表現,主要在時間的維度上進行上拉的動作至季,再執行切片及切丁的運算,便可得到第三季的表現。
如表四所示,其第三季總交易次數:
實體交易次數(12)+線上交易次數
(2)=14。
表四、顧客C1於1999年第三季的消費次數統計
顧客
維
度
時間維度
1999年
第三季
實體交易次數
12
線上交易次數
2
總交易次數
14
3.若要觀察顧客C1至1999年12月底止一整年的變化狀況,可在時間的維度上進行上拉的動作至年,便可得到一整年的交易次數的狀況。
另外,在消費比率變化的狀況,依上述顧客C1六月份的消費為例,假設:
六月份消費比率訂為在每筆交易中的總金額需達到500元的次數比率,則顧客C1於六月份的消費比率=3/5*100%=60%。
B.顧客流失
顧客流失星狀架構圖中具2個維度資料表,因此可組合出3種不同的資料表,而實際組合關係有26種之多。
例如:
1999年1月新進顧客總人數800人,A類有400人,B類有280人,C類有120人。
以A類流失變化狀況為例。
根據每個月的流失人數的統計,可觀察往後顧客A類每個月的流失人數如表五。
若要觀察此類顧客於1999年第三季的表現,主要在時間的維度上進行上拉的動作至季,再執行切片及切丁的運算,便可得到第三季的表現,如表六所示。
表五、A類顧客於1999年1~6月的流失率統計
時間維度
1999年
1月
2月
3月
4月
5月
6月
流失人數
-
40
90
30
10
20
流失率(%)
-
10
25
13
4
9
表六、A類顧客於1999年第三季的流失率統計
時間維度
1999年
第三季
流失人數
55
流失率
26.2%
C.顧客貢獻度/終生價值
在星狀架構圖中,顧客貢獻度/終生價值所用到的的維度資料表分別為3個及2個,兩者各組合出7種及3種不同的資料表,其關係如圖十四、十五所示。
圖十四、顧客貢獻度維度組合
圖十五、顧客終生價值維度組合
顧客C2為1999年7月的新進顧客,其往後月份的消費如表七,主要以月份為單位進行統計分析。
1.若要觀察此顧客於1999年第四季貢獻度的表現,主要在時間的維度上進行上拉的動作至季,再執行切片及切丁的運算,便可得到第四季的表現。
若要觀察此顧客1999一整年貢獻度的表現只要對時間維度做上拉的動作即可。
表七、截至1999年12月為止,顧客C2的貢獻度與終生價值
1999年
7月
8月
9月
10月
11月
12月
消費金額
875
400
9