顧客關系管理和數據采礦(doc 22頁)

《顧客關系管理和數據采礦(doc 22頁)》由會員分享，可在線閱讀，更多相關《顧客關系管理和數據采礦(doc 22頁)（22頁珍藏版）》請在裝配圖網上搜索。

1、一、 導論在經歷過電子化沖擊的九年代后，企業E化程度已逐漸成熟，然而在比較分析E化所帶來之成本效益與投資報酬率后，許多企業仍對E化所帶來的成果表示失望，是E化所保證之營運前景有如海市蜃樓般遙不可及？或是在E化的過程中忽略某些成功的要素？ 企業間在經歷有如革命般歷程之電子化過程，在承接組織再造、人力資源、營運模式、信息科技、商務環境變遷等有如大海浪潮般沖襲企業營運基礎之力量后，許多企業已慢慢察覺無論何種經營模式，最重要的是能夠徹底掌握與顧客間之互動，了解顧客之需求；與此方向背道而馳的任何E化努力，不僅不會為公司帶來任何E化的成果，相反地在電子化的過程中，企業卻可能因為失去原有之商業戰略目標而慘遭

2、或瀕臨淘汰的命運。 為徹底掌握企業E化的成果、整合公司的資源、了解顧客的需求、調整經營模式與營銷策略，部份企業已紛紛開始導入顧客關系管理之軟件，希望藉此來改善公司與顧客間之互動關系，掌握顧客之需求。 顧客關系管理之范圍涉及甚廣，包括電子化服務、電話服務中心、資料采礦等均屬顧客關系管理之一環，其中以資料采礦雖最為大眾所熟知，然而對其應用方式也較其他電子商務軟件來的陌生。 主要原因為導入資料采礦所費不貲，許多企業對其所能對企業營運產生之正面效果仍持保留態度；其次，許多公司業已導入企業資源規劃、供應鏈管理及部份顧客關系管理管理等應用軟件，其所能提供企業之報表及分析報告，企業經營及管理階層業已耗費相當

3、大的時間精力與人力資源來進行消化分析，對于安裝另外一套新的軟件來進行顧客資料分析之效益存疑；最后，許多企業對自身營運分析相當自信，認為對客戶之需求與特性業已了如指掌，并無藉由其他軟件來對客戶群進行分析管理之必要。 上述觀點整體而言尚屬正確，畢竟商業軟件之導入需要大量人力資源與金錢之投資，且過度的投資往往造成企業財務之困難，應謹慎從之，況且無論何種應用軟件，均無法完全取代傳統企業與顧客間長期以來所建立之商務關系。然而由于電子商務之興起，顧客利用各種不同的管道如電話、傳真、網絡等大幅增加與企業間之互動機會，而這些互動關系則提供了企業最佳的機會來了解顧客之特性。 由于信息科技發展迅速，許多企業在尚未

4、掌握舊有信息軟件之功能前，新一波的信息風潮卻早已充斥于各大傳播媒體與信息科技新聞中，如在資料采礦逐漸興起的同時，許多企業可能會有疑問，公司為了提高產業競爭力，業已導入企業資源規劃、供應鏈管理以及顧客關系管理等軟件設備，上述各項軟件業可產生多項制式報告，故資料采礦對其有無一定之必要性？要回答這個問題，首先我們必須要檢視一下企業電子化的歷程與其實質內涵。 多數企業所安裝之ERP、SCM、CRM等軟件僅僅汰換公司舊有的系統，改善原先作業流程，因此對于企業所產生之效益固然存在，惟企業基本運作模式仍未有徹底改變，因此所獲得之經濟效益有限。其次，多數公司均于同一時期前后導入各項軟件，由于企業導入家數之增多

5、，相對的軟件所能對企業營運所產生之競爭優勢也逐漸降低。 最后，多數E化軟件均負責處理交易（Transaction）所產生的資料或是過去的數據資料，而缺乏能力預測顧客可能之行為模式以及其對企業營運所造成之影響。而資料采礦正可彌補上述幾項信息軟件之不足，使企業得以一個較為寬廣的視野來審思與檢視自身經營模式，了解顧客特性。 然而要了解資料采礦，就必須先了解顧客關系管理的真正意涵，本文將由顧客關系管理著手，分析顧客關系管理對于企業營運之重要性，并介紹資料采礦如何協助企業進行顧客關系管理及經營營銷策略之規劃。二、 顧客關系管理對企業經營之重要性什么是顧客關系管理？顧客關系管理是一項經營管理的概念，要求企

6、業將焦點放在企業營運最重要的核心顧客之上，試著與顧客間建立一種學習關系，從顧客對企業所提供產品與服務之表現，來學習如何加強提供更佳的產品與服務質量，進而以顧客為中心，訂定有效的經營管理與營運目標，以建立企業與顧客間之關系。 長久以來，顧客關系管理一直是企業經營努力的目標，了解顧客需求或創造顧客需求，一直是企業經營之核心，此企業經營基本原則并未隨著電子商務時代來臨而有所改變。然而隨著信息軟件功能之提升，導致企業與顧客間之互動關系亦隨之演化，以往企業與顧客關系之建立，存在于雙方長期以來所建立的互動聯系，但隨著信息科技進步，愈來愈多的企業應用信息軟件來管理經營與顧客間之互動關系。 由于網絡與信息軟件

7、之普遍使用，企業與顧客間之互動亦愈加頻繁，在電子商務時代，不同營銷管道與策略，使得企業與顧客間之關系愈趨復雜，如何在顧客群中發掘獲利率高之客戶群，以及如何保持與既有顧客間之良好關系，均為驅動顧客關系管理之主要因素。電子商務時代所稱之顧客關系管理主要是藉由信息軟件之應用來協助企業提升對于顧客之服務，改善企業與顧客間之互動關系。 要充分掌握顧客關系管理之精髓，除提升服務質量外，企業生產之產品與提供之服務亦必須符合既有顧客及未來潛在顧客群之期望與要求；換言之，企業必須掌握顧客整體之生命周期，針對不同顧客需求提供產品與服務。目前顧客關系管理之信息軟件，均已提供整合方案，協助企業了解利用顧客于企業數據庫

8、之資料，完整呈現顧客群與企業間之關系，并將其整合至企業整體經營策略之內。 顧客關系管理的精髓在于藉由信息軟件之輔助，企業得以對于客戶所做的每一個互動加以記錄，而增加企業位于客戶需求之學習效果，使企業更加了解掌握特定顧客之需求，因此企業未來在傳達營銷訊息予顧客時，得以更加精確地掌握不同顧客之特質，進而降低營銷成本與提高營銷效率，亦可藉此作為市場區隔之工具，拉大與市場競爭者之差距，以保持企業競爭優勢。 三、 顧客關系管理與資料采礦顧客關系管理不僅可提升企業與顧客間之互動關系，同時也藉由互動關系來搜集顧客資料。一般而言，顧客關系管理搜集之顧客資料包括營銷活動的顧客反應度、運銷和產品供應之相關數據資料

9、、銷售與購買之資料、客戶資料、客戶網站注冊資料、相關服務之數據、產品市場資料及網絡銷售數據等。由于各項資料均為顧客與企業間之互動而產生，因此藉由分析顧客之各項資料，得以有效掌握顧客特性，而分析資料的主要工具之一即為資料采礦。 顧客關系管理對企業而言乃是將顧客關系放在企業經營之核心，以滿足顧客需求之營銷理念；而資料采礦則為顧客關系管理之工具之一，如前述由于顧客關系管理涉及多種層面，因此資料采礦并非顧客關系管理之唯一模式，然而由于其資料分析之特質，使其成為顧客關系管理上之必要之工具。 要有效應用資料采礦，首先必須整合資料采礦、顧客關系管理與公司整體策略。顧客關系管理從較大的范疇而言，為管理企業所有

10、顧客群與企業間之互動。在實務上，則牽涉到如何應用顧客資料，更加有效地提升企業對顧客之服務，與增進企業與顧客間之互動關系。 基本上，企業在進行顧客關系管理上存在著許多不同層次與相互關連之策略考量，主要包括顧客之獲取、增加顧客對于企業之價值，以及顧客之留存。而顧客之資料采礦可有效地在各項不同層面增加公司收益，協助達成企業營運之整體策略目標。資料采礦應用于顧客關系管理之具體實例可概分為下列幾種層次： （一） 顧客獲利率（Customer Profitability）：了解企業對于不同客戶群之獲利率，為企業利用資料采礦之方式來進行顧客關系管理的第一步。倘若企業對于不同客戶群之獲利程度無法清楚掌握，就無

11、法妥善規劃未來企業的營銷及營運方向，也因此可能導致企業錯誤的投資及營銷現象策略。許多企業往往認為客戶永遠是對的，因此無論客戶的要求為何，均應努力達成。此種論點在某些層面而言應屬正確；然從實務層面來看，企業針對不同的客戶需求而改善自身營運流程與成本，由于不同的客戶群對商品與服務需求程度之不同，企業所采行之定價與獲利程度亦有所不同。倘若部門流程間未盡完善，往往導致部份獲利程度較低之客戶有過度服務，而獲利程度較高之客戶反而產生服務不足之情形。因此，了解不同顧客群對于企業獲利之貢獻程度，可以使企業類似站在一個置高點上，對顧客關系管理可得到一個較為清晰之全貌，作為調整營運模式與營銷策略之依據，再從既有之

12、基礎上，提高企業對于客戶群之獲利程度，增加企業之營收。（二） 顧客之獲?。–ustomer Acquisition）：企業傳統贏取顧客的方式多透過整體營銷策略之規劃，輔以強勢之廣告宣傳訴求，來贏取顧客對于產品與服務之青睞。惟此種方式多以企業對于其商品之特定客戶群所內含之特質而量身訂作而成。其與顧客關系管理之差別即在于，傳統之廣告營銷方式系由企業針對自身對客戶之認知所發起；而顧客關系管理則為有系統地記錄特定顧客群對于商品之反應與特性，再針對其特點擬定廣告營銷訴求，如此可有效提高營銷之有效率，以吸引更多客戶消費企業商品。（三） 交叉銷售（Cross-Selling）：如何提高既有客戶增加購買公司其

13、他不同產品一直是企業努力的目標。交叉銷售不僅可提高既有客戶對不同產品之購買，顧客對于不同產品購買量之增加亦可大幅提升客戶對于企業之忠誠度，減少客戶轉移至競爭對手之可能性。然而從實務上而言，多數企業對交叉銷售多以企業整體客戶群為基礎，由于不同客戶群對于商品喜好與服務程度不一，舊有信息系統并無法提供有效的資料分析與營銷工具，因此在交叉銷售上往往并無效率，部份商品甚至引起客戶反感而產生反效果。藉由數位采礦之功能，企業可由不同客戶群間產品購買的歷史、信用額度等資料，來判斷顧客要求進而提供符合客戶要求之商品或服務。（四） 顧客之掌握（Customer Retention）：從傳統營銷的觀點而言，取得一個

14、新客戶所花費的成本較約維持一個既有的客戶高出六倍之多。激烈的商業競爭，導致客戶有更多的選擇；因此如何掌握既有客戶群，避免其移轉至競爭對手，一直是企業努力的目標之一。藉由資料采礦之應用，企業可以了解客戶移轉之主要原因及其具有之特性，進而使企業有能力提供不同的方案與誘因，吸引顧客繼續與企業維持良好的商務關系。（五） 顧客之區分（Customer Segmentation）：不同之客戶群必然存在著不同的特質，將顧客群有系統地分類，可以協助企業從一個較為寬廣的視野來審思與檢驗公司既有的營運策略，針對不同的客戶特性來設計商品與服務，擬定不同的營銷策略與廣告模式，以取代舊式以企業觀點出發之營銷模式。資料采

15、礦除了可以應用在顧客關系管理外，亦可應用在不同企業管理之領域；藉由資料采礦之使用，可使企業了解企業運作現況外，并可以藉由整合顧客與產品之資料數據，找出顧客對于企業產品與服務之滿意度或不滿意之部分。資料采礦同時可以增進企業營運效率，創造企業知識之附加價值。 資料采礦可運用在弊端之偵測、產品于市場之定位、企業利潤中心之發掘以及公司物產管理等。對于零售業者而言，資料采礦可以協助業者了解顧客依據人口統計學之分類所產生之消費特性，發掘消費者采購模式，以及改善直接郵寄之廣告宣傳效益。 對于銀行業者而言，資料采礦可以協助銀行了解客戶信用卡發放與使用所可以產生之弊端，協助找出對銀行而言最有利潤以及忠誠度最佳之

16、顧客群。電信業者則可利用資料采礦之資料分析了解顧客拒絕續約之原因，并借以提供消費誘因以留住消費者。保險業者則利用資料采礦來分析保戶通常要求理賠之模式，除了可以調整作業流程外，并可加強稽核，以防止詐財之可能性發生。制造業者則可針對不同標的作成本分析，了解產業及產品之特性，以提高獲益率。 四、 資料倉儲（Data Warehouse）與資料采礦要進行資料采礦前，企業必須先行建置資料倉儲。資料倉儲乃是儲存大量資料之數據庫，其與數據庫最大的不同之處則在于，數據庫中所儲存之資料通常為與營運（Operation）相關之資料，而這些資料在累積一段時間后，除儲存備份外，亦可加以整理后移轉至另一資料系統供作資料

17、分析之用，稱之為資料倉儲。 由于將數據庫中之資料移轉至資料倉儲必須先行經過資料萃取及重新整理之過程，因此資料分析師可藉由相關分析工具如在線分析處理（On-Line Analytical Processing, OLAP）之工具、統計分析以及其他如資料采礦之分析工具來進行資料分析。 （資料來源：Information Discovery INC.）不同的分析工具針對相同的資料數據可能產生各種簡單與復雜的分析結果。一般而言，數據庫均有類似如詢問（Query）與報告（Reporting）等分析工具，藉由系統所設定之參數，產生不同之分析報告。 此類分析報告多屬制式性質，通常由部門中技術類型之經理（Fu

18、nctional Manager）來負責，一般分析的標的為不同時期之銷售量、成本等資料；而在線分析進行之工具以及多層次（Multi-Dimensional）分析工具則多屬企業內部商業分析人士專屬使用，這些分析工具使得分析人士有能力得以對于原始資料加以剖析（Drill）以了解資料所呈現出之不同面向，或是了解不同參數間之相關性；資料采礦亦具有上述之特性，惟其與上述各項分析工具主要之區分在于資料采礦可以針對相當大量之資料加以分析，找出資料中的隱性模式（Hidden Patterns）。 資料采礦本質上與統計分析技術及在線分析技術有所不同。統計技術分析僅能針對較少量之資料，就資料之關聯性或統計學上不同

19、之標的加以分析；而在線分析處理技術，則為一般資料倉儲所采用之分析報告，可以針對制式化以及關聯性較低的數據資料加以分析。例如在線分析處理可以提供零售業者了解不同產品、區域以及其對于成本及銷售收入之影響，但是并無法提供顧客之購買行為模式，如顧客在購買零食后通常會購買飲料等顧客購買相關產品間之關連性。 以下的例子可以簡單的說明在線分析處理與資料采礦對于資料分析的不同點： 五、 資料采礦之步驟與技術分類網絡或信息軟件之應用并未改變資料采礦之流程，但是新信息科技加速了資料采礦的流程并擴充了應用層面。在實體商品世界中，直效營銷（Direct Marketing）可能要耗費數周甚至數月來籌備，在信息世界的領

20、域中，直效營銷往往只是彈指之間即可完成。 雖然資料采礦涉及信息軟件與統計分析，范圍相當廣泛，然而由于信息科技的進步，一般企業使用者幾乎不需要過分了解軟件背后所涵蓋之專業知識。最重要的是，資料采礦之重點在于能夠了解資料背后所寓含之意義，以及資料分析對于商務營運所可能產生之功效，倘若公司無法或錯誤解讀資料，資料采礦也就完全失去了意義，甚至可能對公司營運產生負面效果。 資料采礦系一種利用分析與行為模塊（Modeling）之技術，可了解顧客行為模式同時預測顧客未來可能行為模式之信息軟件應用。而進行資料采礦有三個基本步驟：資料之描述、預測模塊之建立以及測試模塊之可信度。 首先，業者必須針對需進行資料采礦

21、之資料進行整理，了解資料分析對于企業運作所可能產生之效益與優點，再針對數據庫中之資料加以分析，擷取最符合經濟效益之資料內容。其次，企業必須就歷史數據庫中之資料建立一個可供分析使用之模式（Model），并針對所設計之模式整合編修較不完整或遺失之資料，再從所設計之模式中找尋可資利用之資料行為模式。最后，則必須針對所建立之模塊進行測試。測試之進行可從數據庫中透過取樣之方式，以測試所建立模塊結果之真偽，然后再從測試結果了解模塊之可信度。 由于不同之產業與顧客群特性，企業有時必須針對不同之模塊設計來進行抽樣研究，再從中找尋最合適之模塊與應用方式。錯誤之模塊設計往往將導論出不同之結論，由于資料采礦之結果通

22、常為營銷策略之重要指標，因此錯誤的設計不僅會使企業的營銷計劃不如預期，甚至可能會使公司營運遭到嚴重打擊。 資料采礦雖與傳統所用之統計分析有所不同，然二者之本質內容仍屬類似。簡單的資料采礦仍普遍應用統計學中之資料分析方式，分析資料之數學特性如平均值、中位數等，以及了解數據資料間之關連性如線性回歸等分析方式，來作為資料預測之依據。而常見之資料采礦分析類別可概分為下列數種： （一） 線性回歸（Linear Regression）： 線性回歸分析方式乃是藉由二個或二個以上之變量，了解彼此間之關系。如廣告預算可能對銷售收入所造成之影響，即可藉由廣告預算與銷售收入二者之歷史數據，利用線性回歸分析來了解數據

23、間之關連性，進而預測未來廣告收入之增減可能對銷售收入所產生之影響。 （二） 最鄰近者（Nearest Neighbor）： 此種分析方式性質上與之后介紹的叢集分析方式近似。此種分析方式可算是所有分析技術中最簡易也最常為使用者使用之方式。 使用者可以利用過去的數據資料，訓練應用軟件了解不同數據間之關連性。例如使用過去十個時期的股票價格，其中前九次為預測數據（predictor value），第十次則為預測決定數據（prediction value）；重復依循不同次序輸入十項不同股票價格可以產生十種不同之訓練模塊，然后再由其推斷可信度較高之數據。 （三） 叢集（Clustering）： 叢集就是將

24、不同的資料數據加以分類，然后提供使用者一個較佳的資料觀察點來分析資料。一般來說，叢集分析法可以提供使用者，尤其是營銷部門，了解產品及顧客之特性，進而制訂出有效之營銷策略。叢集分類的方式可依照策略之需要來制訂相關資料變量，并無特定的方式或最佳之方式，由于叢級與最鄰近者分析方法類似，因此二者經常配合使用。 （四） 決策樹（Decision Tree）： 決策樹之分析方式是一種十分適合使用者進行資料分析之工具。由于決策樹系將資料依據不同的變量循序來產生分析結果，因此使用者幾乎不需要擁有任何統計分析之知識，即可藉由決策樹之分析方式來分析顧客或消費者之特質與異同點。 與上述各項分析方法不同的是，決策樹分

25、析法系由使用者之意旨來將資料依據其特性加以分類，使用者并可利用決策樹之各項不同變量來判斷及預測可能之結果。然而，決策樹并非毫無缺點，倘決策過程中選擇之問題錯誤，將導致整體分析出現明顯之偏差，影響分析質量。 （五） 神經網絡（Neural Network）： 神經網絡系指藉由不同之變量設定，來訓練軟件做出較佳之決策分析與預測，其原理與人腦神經系統運作之原理類似，因此稱之為神經網絡。 神經網絡對于資料分析與預測十分有效率，且其導入與使用十分簡易，然而其軟件內部隱含之模塊（Model）十分復雜，即便統計學專家有時亦無法完全掌握其中的精要。其原理則為藉由不同資料變量之連結來推論出可能之結果。變量越多，

26、產生之結果正確率越高，或藉由對于變量加權值之運作，可獲得更佳之分析結果。 （六） 規則演繹（Rule Induction）： 規則演繹為資料采礦中最直接也最為一般使用者所了解之分析方式。藉由分析模塊之設計，可以了解龐大數據庫中資料之特性規律，稱之為規則（Rule）。 例如零售業者可以了解百分之七十的顧客于購買真皮牛仔褲后，均購買塑膠皮帶，因此這二者間有其一定之關連性，可稱之為規則。了解規則之存在，有助于知道顧客與產品之特質，然而并非每一項規則均有其實用價值，資料之實用性與否仍須視企業性質而定。六、 資料采礦于網絡上之應用資料采礦在網絡上之應用與一般利用數據庫中客戶資料所作的分析有所不同。目前的

27、顧客關系管理軟件多利用網絡來增加企業與顧客間之互動，當顧客或潛在的客戶到訪企業網址時，往往能藉由顧客關系管理之信息軟件來進行資料搜集，進而以資料采礦之分析工具來進行資料分析。 當顧客到訪網站時，顧客其實即已提供了許多寶貴的顧客資料，企業即可藉由這些信息分析來了解顧客的行為模式。如顧客所提供的個人資料、顧客點選的網頁內容、于不同網頁所停留的時間長短、利用搜尋引擎時所經常使用的關鍵字，以及顧客到訪網站的時間點等，藉由數據庫的設置可以將這些資料儲存起來供日后分析之用，借以了解顧客網站乃至于公司所提供之產品與服務性質的滿意度。 大部份的網站或相關軟件均有上述的功能，惟其在實務應用上之困難存在于企業本身

28、缺乏對資料進行分析之意愿，以及缺乏對于資料分析解讀之人力資源。 要利用資料采礦的技術來分析顧客于網站上之行為模式，首先企業必須建構一套可以記錄顧客對于網站產品及服務的機制，并先確認進行網絡資料采礦之目標，配合整體營運策略來完整搜集顧客資料。 一般而言，可用來區分及利用網站訪客的特質包括地理區隔、人格特質及訪客使用之信息設備等方面。地理區隔包括訪客地址、收入、購買能力等；人格特質則包括訪客之購買特性，如是否為沖動性或精打細算型消費者；而訪客所使用之信息設備則包括訪客使用之網絡頻寬、操作系統、瀏覽器或服務器等。 而訪客于網頁中的點選順序與落點可以將顧客群依照產品來加以分類，以了解產品與服務對于顧客

29、所提供之吸引力。 上述各項特質均可利用不同的軟件與網站內容促使訪客提供相關資料。當網站訪客與網站產生互動時，即有機會產生資料，而這些資料的累積可以針對企業銷售及整體策略加以分析。如顧客之購買歷史、點選廣告之次數、網站上所提供之信息以及網頁點選之落點與頻率以及訪客于網站停留時間等，均為極為珍貴之顧客資料。 在采取網絡資料采礦之前，由于可供擷取之資料過多，考量成本效益后，企業必須界定采取網絡資料采礦之目標，以作為整體策略之準則。多數企業采取網絡資料采礦多為支援公司整體營銷策略，亦有部份企業僅將網絡作為其營銷管道之一，并將其與傳統營銷管道區隔。 然而顧客愈加有效利用網站資源，表示網站的設立有助于企業

30、整體營銷策略之推展，因此在規劃網絡資料采礦整體策略前，最好能夠有一個十分明確的目標。如：增加顧客平均瀏覽網頁之頁數、增加顧客于網絡購買之數量與銷售金額、減少產品退回、增加品牌知名度、增加顧客到訪網站之頻率，或減少顧客購買產品之流程等，均可為企業提升營運效率之目標，并將方案內容整合企業整體營運計劃之內。 除了確認計劃目標外，企業尚須了解自身問題之所在。以網絡營銷（Web Marketing）為例，網絡營銷者通常面對的問題有，如何強化廣告訴求、如何創造訪客個人化網頁、如何將關聯性較高的產品置于同一網頁上、如何將相關文章（以資訊為主）加以分類條列、區分不同特質的訪客、統計忽略之資料，以及預測顧客未來

31、之行為模式等等。不同部門間有其不同的業務與資料需求，因此在資料搜集與分析后，不同部門間即可針對原先設定之計劃方向調整各項營銷策略。 七、 顧客關系管理與資料采礦應注意事項部份企業仍視電子商務為信息科技，由信息部門專責管理，然而企業往往發現，完善的技術管理并無法使信息科技產生最大的效能，如何將信息科技完備地應用在商業營運上，才是公司導入信息軟件的主要目的。 資料采礦之實施也同樣具備上述特性，多數公司仍由信息部門來專責管理，然而由于資料采礦因為涉及顧客資料之判讀以及資料分析后在商業上之應用，因此企業在導入資料采礦時最好能夠籌組一個包括信息部門與商業部門人士之導入團隊，方能使資料采礦獲得最大的功效。

32、 顧客關系管理并非信息科技，因此企業主應該了解在尋找合宜的顧客關系管理軟件上，應該著重于既有顧客關系管理層面之考量，而非尋找顧客關系管理之解決方案，因為任何一種顧客關系管理之軟件絕對無法徹底解決企業與顧客間關系之維系與建立。 企業必須了解任何一種顧客關系管理或資料采礦之軟件系由信息科技專業人士所研發，他們對于企業廠商之業務不甚了解，因此絕對無法發展一套完美的顧客關系管理模式來協助企業。顧客關系管理明確的界定應該是一種工具，一種協助加強企業與顧客顧客互動之工具。 顧客關系管理不僅僅侷限在客戶支援、顧客電話服務及網站信息提供等，顧客關系管理是各項業務之整合。一般企業中，由于部門之分工，不同部門間對

33、于顧客之需求與資料之取得有所不同，而由于對于顧客服務層面之不同，往往業務上并沒有建立垂直或水平之聯系。 銷售部門期望產品得以符合顧客需求，而生產部門則基于成本之考量，努力降低成本，對于銷售之結果不負任何責任，結果往往是銷售部門責怪生產部門未能提供顧客所需要之產品；而生產部門則抱怨銷售部門績效不彰，導致無法將已制造之產品順利銷售與顧客。這樣的故事在以往商業經營中不斷地重演，因此，單單導入特定信息軟件而未改變公司整體作業流程與經營理念，并無法真正達到顧客關系管理之境界。 從技術層面而言，任何資料采礦分析之首要條件為資料來源必須正確無誤，這也是最重要的前提，因此企業必須確認，現行數據庫所儲存之顧客資

34、料完整正確，而且符合企業經營策略所需。 部份企業顧客群特質變動性十分大，如以五年前之顧客資料來進行分析與經營策略參考，即使所得分析真確，對于企業也無法產生具體效益，甚至可能產生負面效果，因為資料過分陳舊可能與現實情況不符。 八、 結論在特定層次上，顧客關系管理也接近于企業之知識管理，運用企業知識來做好企業與顧客間互動之聯系，加強企業對于顧客知識之建立，重新定位顧客之需求。顧客關系管理系關于企業營運的知識，系關于企業既有的與顧客間互動關系之功能，以及企業運用計算機信息軟件來從事與顧客有關營運程序之全方面思考，而資料采礦則是顧客關系管理之必要工具之一。 顧客關系管理之重點在于企業與顧客間之關系。由于商務交易之主體仍在于人，因此無論信息軟件多么發達，都不能取代傳統交易行為下所累積出來的關系。計算機信息軟件之應用僅為協助這種關系之管理與建立，關系之本身并不存在于信息軟件之上，無論信息軟件多么發達，缺少了以人為主體之商務關系，絕對無法成為一個成功的商務模式。