基于知识的制造业客户关系管理系统研究与实现

在网络经济已经成为潮流的今天，客户的价值已经提升到了一个前所未有的高度客户关系管理(Customer Relationship Management，CRM)是利用现代技术手段，使客户、竞争、品牌等要素协调运作，实现整体优化的自动化管理系统。

近年来CRM在理论和应用上都取得了很大的进步，但是现有的CRM系统主要偏重于以技术为主的客户关系管理，主要集中在呼叫中心的建立、自动营销和自动销售的实现等。这些功能对于当前知识密集型的制造业来说是远远不够的，这主要体现在：

(1)缺乏最大限度的将专家知识和专业经验嵌入到产品与服务中去的能力，也就是缺乏实现知识与技术商品化的能力。

(2)难以使企业和客户建立更密切的关系，从而使企业更好地理解和服务于客户需求并及时识别具有共同利益的商业机会，从事交易活动。

(3)难以向客户进行更多的知识转移。在与客户交往的过程中，双方都要经历一个学习过程，这个过程称为“知识转移”。企业与客户之问通过知识共享形成协同创新的纽带。

传统的制造业为客户提供的服务是一种“黑箱服务”，而基于知识的客户管理关系的基础是知识转移。知识的转移有助于提高客户的决策准确性和业务能力，因此，基于技术的客户关系管理必须向基于知识的客户关系管理进化。

本文通过对认知科学的研究，结合知识管理的思想，并利用先进的计算机技术和数据库技术构建了适合制造业应用的基于知识的客户关系管理原型系统。

基于知识的制造业客户关系管理系统研究与实现： 1 基于知识的客户关系管理系统

在传统的商业思维中，企业将产品与服务装在某种类型的“箱子”里售出并获得利润，最后再获得改进产品与服务的反馈。实质上，要想为客户增值，就要更多地与他们共享知识，或者说促进他们的知识化，以形成更强大的竞争优势。

基于知识的客户关系管理就是将知识作为组织的重要资源，通过不断地查询、开发，从数据库中获取知识，或将其应用于优化产品流程、提升产品和服务质量之中，从而提高企业的生产力。

与传统的偏重于技术的客户关系管理系统相比，基于知识的客户关系管理系统在保留其基本功能的基础上，主要增加了知识转移框架、客户忠诚度分析子系统。其中，客户合作关系管理子系统建立了企业与客户的交流平台，其关键部分是知识转移框架。知识的转移使客户更加知识化，使客户做出更好的商务决策，提高客户的业务能力，进而达到使客户增值的目的。

企业都希望拥有忠诚的客户群体，这对发掘客户需求、促进业务发展有重要的作用。客户忠诚度智能分析子系统主要功能包括：客户关系结构和忠诚客户识别功能;客户购买能力分析;客户流失警示功能;企业其它决策模型的信息支持功能。它是基干知识的客户关系管理系统中的重要组成部分。

　　2 知识转移框架的建立

向客户转移知识与发展客户关系两者紧密地交织在一起，密不可分。知识转移的结果是客户更加知识化，使客户做出更好的商务决策，提高客户的业务能力，进而达到使客户增值的目的。制造业服务于各种各样的行业，如何屏蔽不同的行业特点，构建统一的知识转移框架对于实现对客户的知识转移来说至关重要。

知识转移框架提供了客户与企业知识交流的平台，它的主要功能有：

(1)信息增值。包括信息过滤、信息核实、信息分析、信息综合、信息表达、信息检索和使用、信息定制化等功能。其中，信息过滤、核实主要通过人工来实现;信息分析、综合、表达过程采用可视数据挖掘技术，将数据实体中隐含的模式进行可视表达，使人们分析数据间的相互关联和趋势，方便检索与使用;信息定制化则是以上过程的综合应用，可以使不同的用户根据自己需要定制个性化的信息。

图1 信息增值过程

(2)知识内化。内化是把信息变成个人知识的过程，这个过程的本质就是与现有的知识建立新的联系并结合于其中。从知科学告诉我们，通过知识的交流、认知方式选择、以及知识的视觉表达方式可以完善知识的内化过程。知识的内化过程是与信息的增值过程紧密联系在一起的。

(3)信息和知识开发。由于知识和信息增值在本质上是动态的，因此考虑开发这些领域的能力要比“管理”这些知识意义重大。在本模块中，对个人的技术、组织的技术、个人的行为和能力、以及组织的技能和行为进行研究，它们构成了一个植盖策要领域的矩阵，这些领域是在任何全面的信息和知识创新活动中都需要考虑的，如表1所示。

表1 开发组织信息和知识能力

表1分为4个象限，其中Ⅰ象限中提供了信息增值的技术;Ⅱ象限包括组织内信息和技术流动的技术工具;Ⅲ象限集中了信息和知识技能最为重要的领域;Ⅳ象限包含了组织内部支持知识流的技能和行为。

由于信息的交流过程主要是人工参与的过程，因此与人本身的素质息息相关。我们应用认知科学的方法，充分研究人在信息获取方面的特点，并结合计算机技术建立知识转移框架，能使客户和企业双方通过这一平台充分实现知识和信息利用与创新。

　　3 客户忠诚度智能分析模型构建

客户忠诚度智能分析模型是基于知识的客户关系管理系统中的重要组成部分。CRM系统中，客户忠诚度智能分析模型是其数据库管理系统的高端应用系统，是基于数据仓库和客户知识数据仓库之上，充分利用了数据仓库的分析功能和管理信息系统的决策支持功能而形成的，能够帮助企业迅速完成信息的采集和分析。

客户忠诚度主要考核的指标有：

(1)客户重复购买率;

(2)客户需求满足率;

(3)客户对产品的关注程度;

(4)客户对竞争产品的关注程度;

(5)客户对产品价格的敏感度;

(6)客户购买产品的选择时间;

(7)客户对产品质量事故的承受力;

(8)客户对产品的认同度。

从设计的角度讲，客户忠诚度智能分析模型包括模型库与数据库两部分，系统将决策模型库与数据库结合起来，在分布式应用环境下，合法用户都可以访问相关的决策模型，系统自动完成模型与数据的结合，而且，减少了数据库变化对模型库的影响。

决策模型的管理包括3个层次：外部层、逻辑层和物理计算层。每层都高度模块化，这样易于管理、维护、更新，不同层次之间需要接口，如图2所示，三层对应3个不同的用户类型，不同层次之间可以通过接日相互通信，如模式-模型接口、模型-工具接口等等，而模型库作为一个整体通过模型-数据连接与数据库通信，通过用户接口与用户通信。

图2 决策模型管理的结构

(1)外部模式。模型的外部模式是输入到输出映射的逻辑表示，它反映了信息用户的视图。模型库中有许多模型，因而需要一个模式库来管理这些模型的外部模式，可用如下两个关系表示模型：

INPUT(模型名，输入名)

OUTPUT(模型名，输出名)

例如，一个称为CROYALTY的模型用来计算客户的忠诚度。

C_ROYALTY=PRICE*C1+FREQUENCY*C2+C

外部模式可表示为：

外部结构与逻辑结构的联接有一个提示模块，建模者用自然语言为每个模型加上相应的解释说明。用户在使用模型时，不仅知道模型的输入、输出，还了解模型的基本功能。

(2)逻辑结构。第二层是逻辑结构，它反映了模型中计算工具间的逻辑关系，它把模型的各元素合理的组织起来，由外部模型调用。

逻辑结构层对模型的处理需要模型定义语言(MDL)和模型操纵语言(MML)。MDL定义模型的组成部分，包括模型名、输入要求、输出数据、工具和其他相联接的模型。MML涉及模型的操作，如建立、存储、修改、增加、删除、联接、使用等。如：

NAME：

OUTPUT：

INPUT：

TOOL：

RIODEL：

BEGIN

USE

IFTHEN

LINK

ELSE USE

END

(3)物理计算。结构中最底层是物理计算层，其中存放计算工具库，每个工具都被看成子程序，建模者用“USE”命令使用它们。

(4)接口。接日作为所联接两层间的缓冲，变换两层的数据和命令，保持各自的独立性。有两个重要接口：模式一模型接口，功能是基于模型的逻辑结构建立模型的外部模式，并将其存储至模式库，当检索到某模式的执行命令时，运行对应的模型逻辑结构;模型-工具接口，主要功能是实现模型调用时，执行相应的工具。

基于知识的制造业客户关系管理系统研究与实现： 4 基于知识的客户关系管理原型系统建立

基于知识的客户关系管理系统是一个运行在Internet上的分布式系统，基本框架如图3所示。

图3 基于知识的客户关系管理原型系统

系统数据库采用支持分布式应用的SQL SERVER;利用ASP技术和JAVA语言开发知识转移框架、自动营销、销售、售后服务等模块;应用DSS技术和C语言开发客户忠诚度智能分析模型;采用中间件技术实现与ERP等系统的数据交换。基于知识的客户关系管理原型系统以客户为核心，通过互联网技术让客户信息在产品生命周期中涉及的所有个体中充分共享，把产品设计、工程、原料选用(包括制造和采购)、销售、营销(及其它职能部门)、现场服务以及客户紧密地联系在一起，形成一个广泛的知识网。充分实现了将知识作为组织的重要资源，通过知识的不断交流与应用，达到优化产品流程、提升产品和服务质量，提高企业生产力的目的。

　　5 结束语

本文将认知科学、数据仓库、智能决策分析等技术应用于传统的CRM系统中，通过知识交流平台的构建、企业信息和知识的有序化管理以及决策模型的建立，提出了基于知识的客户关系管理原型系统。在此基础上，可以进一步实现客户的协同设计和以客户为中心的产品制造过程。