Использование технологий dataminingс целью создания аналитических crm-системдля малого бизнеса Текст научной статьи по специальности «Экономика и бизнес»

И.Ю. Шполянская

ИСПОЛЬЗОВАНИЕ ТЕХНОЛОГИЙ DATAMINING С ЦЕЛЬЮ СОЗДАНИЯ АНАЛИТИЧЕСКИХ CRM-СИСТЕМ ДЛЯ МАЛОГО БИЗНЕСА

Аннотация

Datamining предоставляет широкий набор инструментов для выявления важной информации о клиентах в аналитических CRM- системах. Однако эта технология практически не используется для предприятий малого и среднего бизнеса. Развитие информационных технологий, в частности, WWW, дает возможность построить более эффективную систему отношений с клиентами, которую ранее было трудно реализовать в режиме offline.

В статье описывается структура CRM-систем, использующих методы Datamining, рассматриваются основные проблемы, связанные с использованием этих технологий в системах для малого и среднего бизнеса.

Ключевые слова

Управление взаимоотношениями с клиентами, CRM, Datamining, малый бизнес, WebCRM, WebMining.

I.Yu. Shpolianskaya

THE APPLICATION OF DATA MINING TECHNOLOGYIN ANALYTICAL CRM SYSTEMS FOR MEDIUM-SMALL ENTERPRISES

Annotation

Data mining offers a sophisticated set of tools to extract customer data in an analytical CRM framework. However, it is a relatively new practice for small and medium sized enterprises (SMEs). The essence of the information technology revolution and, in particular, the World Wide Web is the opportunity to build better relationships with customers than has been previously impossible in the offline world.

This paper mainly introduces structures of CRM based on Data mining technologies, and discusses some key problems related to this application of Data mining in SMEs.

Keywords

Customer Relationship Management, CRM, Data Mining, Small and Medium Sized Enterprises (SMEs), Web CRM, Web Mining.

Одной из главных функций управления предприятием в сфере малого и среднего бизнеса являются функции управления взаимоотношениями с клиентами [1] . Эти задачи реализуются в CRM-системах (Customer Relationship Management Systems). CRM — это концепция эффективного управления взаимоотношениями с покупателем, ориен-

тированная на потребности клиента, на проактивную работу с клиентом [4].

Основной целью создания и внедрения таких систем является увеличение доходов предприятия за счет привлечения и удержания клиента, увеличения объема продаж и уменьшения стоимости обслуживания.

Использование современных информационных технологий при реализации CRM — концепции позволяет в оперативном режиме формировать базу данных о клиентах, проводить анализ и прогнозы об их возможном поведении, что, в конечном итоге, способствует более эффективной организации продаж и упрощению контактов с потребителями.

В настоящее время на рынке ПО существует множество готовых решений в области CRM: от сложных корпоративных информационных систем известных вендоров для крупных пред-

CRM-системы группируется по уровням обработки информации.

Операционный CRM обеспечивает оперативную обработку текущей информации о клиентах. Аналитический уровень использует инструментальные средства анализа информации о клиентах в различных представлениях, включая анализ эффективности продаж в разрезе групп товаров (услуг), отдельных сегментов клиентов, временных периодов.

Операционный уровень CRM решает задачу повышения лояльности клиента в процессе непосредственного кон-

приятий до отдельных программ для автоматизации управления заказами клиентов для небольших предприятий. Но в большинстве случаев внедрение СЯМ-систем в малом бизнесе по-прежнему ограничено использованием программного обеспечения лишь в качестве автоматизированной системы управления контактами. Это только структурирует информацию о клиентах, но упускается из виду более широкая перспектива возможностей.

такта с ним. Аналитические CRM на основе анализа накопленной информации помогают выработать стратегию дальнейшего взаимодействия с клиентом.

В настоящее время сложные аналитические системы разрабатываются исключительно в рамках создания корпоративных информационных систем для крупных предприятий [2]. Это связано, в первую очередь, с большими затратами на их создание и эксплуатацию. Основу таких аналитических систем составляет интеллектуальный анализ данных (ИАД) или Datamining.

Таблица 1 — Функциональная структура CRM-системы

Подсистемы Функции

Управление продажами Управление контактами : история контактов; работа с клиентами, включая все активности, связанные с клиентом; прием и оформление заказов от клиентов; создание коммерческих предложений; прогнозирование, анализ цикла продаж, региональный анализ, запланированная и произвольная отчетность.

Поддержка и сервис Регистрация обращений, переадресация обращений, движение заявок от клиента внутри компании, отчетность, управление решением проблем, информация по заказам, управление гарантийным/контрактным обслуживанием.

Маркетинг Управление маркетинговыми кампаниями, управление потенциальными сделками, маркетинговая энциклопедия (полная информация о продуктах и услугах компании) интегрированная с Интернетом, конфигуратор продукции, сегментация клиентской базы, создание и управление списком потенциальных клиентов

Таблица 2 — Отраслевые CRM-решения

CRM-система Корпорации, отрасль МСБ, отрасль

Siebel сим Банки. Фармацевтические компании. Медиа компании и СМИ

SalesLogix Банки. Страховые компании. Торговля. Телекоммуникации Страховые компании. Торговля

Огас1е СИМ Банки, торговля. Маркетинг. Сервис. Медицина. Фармацевтические компании. Страховые компании

^^пРеак СИМ Банки. Страховые компании. Торговля. Медиа компании и СМИ Справочная служба. Недвижимость. Такси. Лизинг.Служба доставки

М Банки. Страховые компании. Ре-крутинговые агентства.Торговля. Медиа компании и СМИ Рекрутинговые агентства. Торговля. Медиа компании и СМИ. Справочная служба. Недвижимость. Туризм. Сервисные компании. Консалтинг

Теп^ойСИМ Банки. Фармацевтические компании. Рекрутинговые агентства Поставщики оборудования. Туризм. Сервисные компании

КаитепСИМ Банки. Страховые компании. Телекоммуникации. Медиа компании и СМИ Лизинг. Поставщики оборудования

SAP СИМ Фармацевтические компании. Маркетинг. Продажи.Сервис. Медиа. Энергетика и ЖКХ Электронный бизнес. Продажи, Сервис

АСТ! Рекрутинговыеагентства Контакты. Рекрутинговые агентства. Маркетинг. Продажи

QarifyCRM Телекоммуникации. Маркетинг. Продажи. СаП-центры

1С:СИМ Контакты. Маркетинг. Продажи Контакты. Маркетинг. Продажи

1С:Битрикс Электронный бизнес

РосБизнесСофт CRM Контакты. Маркетинг. Продажи

DataMining — это технология выявления скрытых взаимосвязей, значимых корреляций, закономерностей — шаблонов и тенденций внутри больших баз данных, необходимых для принятия решений в управленческой деятельности.

В большинство аналитических CRM-систем включен ряд типовых процедур DataMining.

1. Прогнозирование и выявление значимых тенденций в развитии взаимоотношений с клиентами (например, прогнозирование объемов реализации товаров и услуг с учетом действия многочисленных взаимосвязанных факторов поведения потребителей — сезонных колебаний и рыночных тенденций

спроса на, политики конкурентов, стоимости и качества услуг, лояльности клиента).

2. Выявление корреляций и закономерностей между отдельными показателями или связанными событиями, например, увеличение заказов клиентов, взаимодействие которых ранее с компанией было успешным.

3. Маркетинговый анализ, например: определение характеристик типичных заказчиков предприятия для оценки поведения новых или потенциальных клиентов (профилирование, сегментирование клиентов); выявление основных сегментов рынка услуг, исследование зависимостей между основными показа-

телями и характеристиками сегментов, выявление типичного профиля поведения клиентов.

4. Анализ влияния показателей поведения клиента (или группы) на показатели эффективности деятельности предприятия; оценка значимости факторов по степени их влияния на целевой показатель, ранжирование факторов.

5. Оценка эффективности принимаемых руководством стратегий, анализ альтернативных решений «что, если» на основе моделей поведения клиента.

Процедуры DataMining в составе аналитических CRM-систем основаны на использовании математических и статистических методов классификации, кластеризации, прогнозирования, поиска зависимостей и ассоциативных правил.

Процедуры классификации позволяют решить следующие задачи в области CRM: оценку перспективности клиентов; анализ кредитных рисков; оценка эффективности политики скидок (какой категории клиентов предоставлять скидки); оценка эффективности рекламной кампании.

Регрессионные модели решают задачи: прогнозирование спроса; оценку ценовой эластичности; оценку вероятности повторных продаж; расчет загруженности склада; анализ влияния различных факторов на спрос.

Поиск ассоциативных правил позволяет реализовать такие функции, как: предложение аналогичных товаров на основе анализа предпочтений клиента, оптимальное размещение товаров на полках, в каталогах; кросс-продажи — стимулирование продаж одних товаров за счет продажи других; оптимизация складских запасов.

Поиск последовательностей основан на анализе событий, связанных между собой во времени. Например, анализ потребности клиентов в расходных материалах к купленному товару, в сопутствующих товарах, ремонте; вероятность повторных продаж, оценка

наиболее вероятного времени потребности в повторных покупках; предсказание наиболее вероятного поведения потребителя.

Преимущества интеллектуального подхода к анализу данных о клиентах предприятия вызывают необходимость его использования не только в корпоративных СЯМ-информационных системах, но и для малых и средних предприятий. Однако универсальные средства ИАД довольно сложны и дороги, поэтому они не могут широко применяться в рамках информационных систем, ориентированных на малый бизнес.

Основные задачи управления взаимоотношениями с клиентами, которые целесообразно решать в СЯМ-системах для малого и среднего бизнеса с помощью инструментов DataMining [2]:

-Идентификация клиента (составление портрета заказчика) — отслеживание поведения и предпочтений, а также определение ценности клиента для предприятия (задача кластеризации).

-Дифференциация клиентов на основе принятой системы оценок. Выделение клиентов, сотрудничество с которыми приносит наиболее заметные результаты, и ограничение затрат по ненадежным клиентам или клиентам, не приносящим стабильного дохода (задача классификации).

-Взаимодействие с клиентом — выработка индивидуальной стратегии обслуживания заказчика на основе оценки его поведения, предпочтений и потребностей.

Развитие сетевых и коммуникационных технологий привело к возникновению нового классаСЯМ-систем: е-СЯМ ^еЬСЯМ, ОпНпеСЯМ). Очевидно, что только Интернет позволяет организовать непрерывную связь с клиентом, который является непосредственным пользователем СЯМ-системы. Поэтому WebCRM в настоящее время рассматривается как главное направление развития систем управления взаимоотношениями

с клиентом. Именно благодаря WebCRM появилась возможность организовать такие сервисы, как: формирование и доступ к опНпебазе данных, регистрирование интересов и предпочтений клиентов на основе FAQ — часто задаваемых вопросов, e-mail, chat, IP — телефонии в реальном времени. В управлении продажами появилась возможность формирования, изменения и отслеживания заказов через Интернет. Электронная коммерция — наиболее яркий пример в этом секторе CRM-решений.

Целью WebCRM является организация и сбор данных из различных внутренних и внешних источников для того чтобы извлечь информацию о ценных клиентах, и формирование оптимальной стратегии взаимодействия с ними. Создаваемая WebCRM может разворачиваться на основе готовых программных приложений (например, сайт предприятия) или на базе использования «облачных» Web-сервисов (SaaS-решения). Для малого бизнеса существует множество готовых решений на рынке ПО, в том числе такие системы, как: InfusionSoft, Wrike, SalesNexus, InTouchCRM, ProphetCRM на базе MSOutlook, CenterBase, BaseCRM, EssentialCRM и др.[4].

WebCRM строится на основе интерактивных форм взаимодействия между компанией и клиентом. Это опНм регистрация клиентов на сайте, опН^сервис, опНм каталог товаров (услуг), Web-демоверсии предлагаемых товаров (услуг), e-mail, ICQ, MSN, видеоконференции — как интерактивные средства общения с клиентом.Это позволяет создавать WEB CRM системы, в которых клиент может быть вовлечен в процесс взаимодействия и вносить информацию напрямую в CRM.

Исполнение CRM на основе WEB технологий даёт множество преимуществ по сравнению с локальными CRM системами:

-возможность удалённого доступа с любых WEB-ресурсов как сотрудникам предприятия, так и самому клиенту;

-возможность интеграции с сайтом или другими WEB сервисами ком-пании.невысокая стоимость ввода в эксплуатацию и совокупная стоимость владения, хотя это может варьироваться, в зависимости от поставщика и наличия дополнительных сервисов;

- более быстрое внедрение системы;

-быструю передачу информации

через Интернет;

-хостинг сгт-системам не требуется развертывание «бэкэнд»-систем;

- не требуется дорогостоящего оборудования серверной инфраструктуры.

В настоящее время Интернет с помощью интеграции «Больших Дан-^«»(BigData) и технологий WebMining в CRM может предоставить более широкие возможности для оптимизации взаимодействия с клиентами. WebMining является новым перспективным направлением анализа Интернет-ресурсов для оптимизации структуры веб-сайтов, получения знаний о посетителях сайта, описания социальных сетей и сообществ, а также для автоматического поиска и структуризации информации из Интернета.

Модель управления в системе Web CRM представляется в следующем виде:

1. Поиск в сети (на сайте) и формирование данных, касающихся клиентов и их предпочтений относительно различных групп товаров (услуг). Структурирование этих данных, чтобы определить конкретные группы клиентов с однотипным поведением. Используются методы WebMining, чтобы извлечь из имеющихся больших массивов данных полезную информацию и в соответствии с ней классифицировать клиентов по группам.

2. На основе сформированных групп определяются ценные потребительские сегменты в соответствии со

значимостью клиентов для предприятия.

3. Формирование эффективной стратегии взаимодействия с клиентом на основе информации, полученной на двух предыдущих стадиях.

WebMining — это "добыча данных в Web", использование методов интеллектуального анализа данных для автоматического обнаружения веб-документов и услуг, извлечения информации из веб-ресурсов и выявления общих закономерностей в Интернет-ресурсах. Технология WebMining применяет методы Data Mining для анализа неструктурированной, неоднородной, распределенной и значительной по объему информации, содержащейся на Web-узлах.

WebMining развивается на базе таких дисциплин, как: обнаружение знаний в массивах данных, полученных из интернет, эффективный поиск информации в Интернете, искусственный интеллект, машинное обучение и обработка естественных языков. Системы WebMining могут ответить на многие вопросы, традиционно включаемые в CRM. Например, кто из посетителей является потенциальным клиентом предприятия (Web-сайта), какая группа посетителей Web-сайта приносит наибольший доход, каковы интересы определенного посетителя или группы посетителей.

В отличие от DataMining, где извлечение данных работает в режиме оffline, в WebMining работа происходит online. В DataMining данные хранятся в базах данных, а в WebMining — в базе данных сервера и веб-журнале.

В бизнес-аналитике WebMining позволяет решить задачи, которые имеют важное значение для e-CRM, в особенности для предприятий малого и среднего бизнеса: определение сегментов рынка и групп посетителей (кластеризация); описание посетителей сайта (классификация); определение онлайн поведения клиентов: типичных сессий и

навигационных путей пользователей сайта (поиск популярных наборов, ассоциативных правил); анализ покупательского поведения клиентов; нахождение зависимостей при пользовании услугами сайта (поиск ассоциативных правил); анализ потребительской корзины; сбор веб-статистики; анализ потенциала клиента; тенденции продаж; оптимизация Интернет-портала; оптимизация размещения рекламы; определение целевых групп конкретных маркетинговых компаний; индивидуальное взаимодействие с Интернет-клиентом; персонализация контента страницы; персонализация предоставления продуктов, услуг; планирование маркетинговых кампаний.

Каждый пользователь сети имеет свои индивидуальные предпочтения, в зависимости от которых он просматривает те или иные страницы сайта. Выявив, какие страницы и в какой последовательности открывал пользователь, можно сделать вывод о его предпочтениях. Анализ общих тенденции среди всех посетителей может показать, насколько эффективно работает электронный портал, какие его страницы посещаются больше всего, какие меньше, сколько времени тратит пользователь на просмотр интересующей его информации о продукции предприятия.

На основе этого анализа можно оптимизировать сайт: найти проблемы в функционировании, дизайне, пересмотреть структуру сайта в соответствии с предпочтениями пользователя. После сбора информации о клиентах и определения предпочтительного способа просмотра страниц сайта можно оптимальным образом разместить информацию о продукте или рекламу на соответствующих важных страницах. Кроме того, содержание веб-страницы может отображаться динамически для каждого клиента в зависимости от группы, к которой он принадлежит.

Следующий шаг развития CRM — использование беспроводных и мобиль-

ных технологий — m-CRM, «облачных» CRM и CRM на базе социальных сетей. Многие технологии разработки корпоративного программного обеспечения, предлагаемые на рынке, уже поддерживают или в скором времени будут поддерживать расширение программных компонентов CRM для беспроводных и мобильных устройств, а также облачных сервисов (Microsoft Dynamics CRM OnLine, 1С: Битрикс24, Oracle CRM onDemand, IBM SugarCRM).

Технология, при которой компьютерные мощности и ресурсы предоставляются пользователю как Интернет-сервис, называется cloud Computing services, или «облачные» вычисления. Пользователю предоставляется программное обеспечение как сервис (SaaS) через веб браузер, через приложения для мобильных устройств на основе операционных систем iOS, Android или WindowsPhone. Благодаря тому что от пользователя скрыта абсолютно вся инфраструктура «облака», ему не нужно обладать специальными навыками или знаниями для использования и управления данной технологией. Кроме того, облачные сервисы популярны среди небольших и средних компаний, потому что они "демократизируют" CRM-системы^].

В России наибольшее применение «облачные» CRM находят в сегменте малого и среднего бизнеса, где, с одной стороны, нет средств на внедрение полноценной системы внутри компании, и, с другой стороны, не такие высокие требования в плане отказоустойчивости и секретности. «Облачные»CRM могут быть представлены в виде Desktop-клиента, или web-сервиса. Примеры SaaSрешения — «программное обеспечение как услуга» для малого бизнеса: FreshOfficeWEB- Облачное решение («Свежее решение»), amoCRM (qSOFT), SugarCRM 6, CRM Манго-Офис, BPMonline CRM (облачная вер-

сия от Terrasoft), облачная CRM-система SalesForce.com, FlyCRM.

Все же проблема создания и использования программных средств автоматизированного интеллектуального анализа данных в рамках CRM средними и малыми предприятиями остается до последнего времени в России и в мире нерешенной. Поэтому актуальной остается задача создания CRM-систем в виде независимых интеллектуальных Web-сервисов, которые при минимальной стоимости могли бы обеспечить реализацию основных целей стратегии управления взаимодействием с клиентами на основе современных технологий интеллектуального анализа WebMining.

Библиографический список

1. Шполянская И.Ю. Анализ и моделирование информационных систем для малого бизнеса/ РГЭУ "РИНХ", 2005. — 220 с.

2. Шполянская И. Ю., Ваганова Н.В. Интеллектуальный анализ данных в информационной системе поддержки принятия решений рекламной кампании// Вестник Ростовского государственного экономического университета (РИНХ). — Ростов-на-Дону, 2011. — № 4 (37). — с. 153 — 162.

3. http://www.crmonline.ru

4. http://www.smallbizcrm.com/

Bibliographic list

1. Shpolianskaya I.Y. Analysis and modeling of small business enterprise's information system. — Rostov n/D., RGEU "RINH", 2005. — 220 p.

2. Shpolianskaya I.Y., Vaganova N.V. Intelligent Data Analysis in the information decision support system for advertising company — Rostov n/D., RGEU "RINH', 2011. — № 4 (37). — р. 153 — 162.

3. http://www.crmonline.ru

4. http://www.smallbizcrm.com/