蹤鋒　程林

[摘 要]面對(duì)日益激烈的物流市場(chǎng)競(jìng)爭(zhēng)和信息技術(shù)的迅猛發(fā)展，物流快遞企業(yè)必須建立以“客戶為中心”的服務(wù)模式，針對(duì)不同的客戶需求制定對(duì)應(yīng)的營銷策略和價(jià)格策略，并進(jìn)行分類管理。數(shù)據(jù)挖掘中的K-means聚類算法能對(duì)大型數(shù)據(jù)集進(jìn)行高效分類，改進(jìn)的K-means算法能夠應(yīng)用于復(fù)雜的物流客戶關(guān)系管理，對(duì)客戶進(jìn)行準(zhǔn)確和全面的分類管理。

[關(guān)鍵詞]物流 CRM；客戶分類；數(shù)據(jù)挖掘；K-means聚類分析算法

[DOI]10.13939/j.cnki.zgsc.2016.36.033

1 引 言

數(shù)據(jù)挖掘（Data Mining）是從大量不完全的、模糊有噪聲的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、潛在有用的、而且事先不不為人知的信息和知識(shí)的過程。[1]數(shù)據(jù)挖掘研究伴隨著計(jì)算機(jī)應(yīng)用技術(shù)的發(fā)展出現(xiàn)多種可供選擇的方法，聚類作為最基本的數(shù)據(jù)挖掘方法，不僅可以獨(dú)立地應(yīng)用，還可以應(yīng)用于其他數(shù)據(jù)挖掘方法的前期處理工作。當(dāng)前運(yùn)用最為廣泛、最成熟的聚類方法就是均值聚類算法。K-means算法能有效地處理大規(guī)模和高維的數(shù)據(jù)集合。改進(jìn)后的K-means算法通過處理復(fù)雜的物流客戶管理中的非數(shù)值數(shù)據(jù)獲取更加準(zhǔn)確和全面的客戶分類。

2 物流快遞客戶關(guān)系管理現(xiàn)狀分析

隨著我國電子商務(wù)和物流快遞業(yè)的快速發(fā)展，國內(nèi)物流快遞市場(chǎng)的運(yùn)行環(huán)境發(fā)生了較大的變化，目前國內(nèi)物流正面對(duì)一個(gè)全面開放的、國際國內(nèi)全方位充分競(jìng)爭(zhēng)的市場(chǎng)環(huán)境。物流快遞企業(yè)意識(shí)到在充分競(jìng)爭(zhēng)的商業(yè)時(shí)代，企業(yè)必須通過占有更多優(yōu)勢(shì)資源，擁有大量有效客戶，提供最佳客戶服務(wù)，提升原有客戶體驗(yàn)，進(jìn)而增強(qiáng)客戶的忠誠度和滿意度。企業(yè)必須通過實(shí)現(xiàn)客戶價(jià)值來擴(kuò)大自身的盈利，通過信息化管理來替代原有的傳統(tǒng)管理手段。

因此，物流快遞企業(yè)需要快速獲取盡可能詳細(xì)的客戶需求信息，通過數(shù)據(jù)挖掘和分析來認(rèn)知客戶的行為和偏好，進(jìn)而分析客戶消費(fèi)模式及習(xí)慣的變化的規(guī)律，提升自身的市場(chǎng)洞察能力。如何通過企業(yè)和客戶的信息交流平臺(tái)，提供個(gè)性化的物流方案，有效的管理客戶，深層分析大量客戶信息的數(shù)據(jù)倉庫獲取提高企業(yè)市場(chǎng)競(jìng)爭(zhēng)力的有效信息。有效數(shù)據(jù)挖掘技術(shù)就是從海量數(shù)據(jù)中挖掘出對(duì)企業(yè)有價(jià)值的潛在信息，從而支持客戶關(guān)系分類管理的科學(xué)實(shí)現(xiàn)，滿足現(xiàn)代充分競(jìng)爭(zhēng)時(shí)代的企業(yè)需求與社會(huì)挑戰(zhàn)。

3 物流快遞客戶關(guān)系管理

客戶關(guān)系管理是一種改善企業(yè)與客戶之間關(guān)系的新型管理方法，企業(yè)通過的交流和溝通理解客戶，進(jìn)而影響客戶行為，最終長(zhǎng)期獲取客戶、保留忠誠客戶和創(chuàng)造更多利潤。

客戶細(xì)分是客戶關(guān)系管理的重要組成部分，是企業(yè)客戶關(guān)系管理的重要工具和關(guān)鍵環(huán)節(jié)。客戶管理學(xué)中的二八法則表明，20%的客戶創(chuàng)造企業(yè)80%的利潤，即相對(duì)較多利潤是由相對(duì)較少的大客戶創(chuàng)造的。因此，企業(yè)要堅(jiān)持與高價(jià)值客戶的維持良好的業(yè)務(wù)關(guān)系，同時(shí)注意發(fā)掘潛在價(jià)值的客戶，合理使用自有資源，提供有差別的個(gè)性服務(wù)，才能在激烈的市場(chǎng)競(jìng)爭(zhēng)中立于不敗之地。

物流快遞企業(yè)憑借自己獨(dú)特的客戶特性與市場(chǎng)特性為社會(huì)提供快遞業(yè)務(wù)服務(wù)。物流快遞企業(yè)有著多元的客戶群體，從政府機(jī)關(guān)、企業(yè)集團(tuán)和學(xué)校賓館，直到普通個(gè)人都是其客戶；而且物流快遞企業(yè)客戶的需求具有多樣性，表現(xiàn)出來特征是不平衡性及隨機(jī)性，從個(gè)人到團(tuán)體，從農(nóng)村到城市，從家庭到企業(yè)對(duì)物流快遞服務(wù)有著多層次的個(gè)性需求。

4 數(shù)據(jù)挖掘技術(shù)

客戶關(guān)系管理的數(shù)據(jù)挖掘技術(shù)是指從大量的有關(guān)客戶的數(shù) 據(jù)中挖掘出隱含的、先前未知的、對(duì)企業(yè)決策有潛在價(jià)值的數(shù)據(jù)的方法。常用的數(shù)據(jù)挖掘方法有關(guān)聯(lián)分析、序列模式分析、分類分析、聚類分析、孤立點(diǎn)分析等多種方法。聚類分析可以從給定的數(shù)據(jù)集中獲取數(shù)據(jù)對(duì)象之間所存在的有價(jià)值關(guān)聯(lián)要素。在商業(yè)上通過聚類將顧客信息分組，描述顧客的購買模式，找出顧客的典型特征，制定個(gè)性化營銷方案。

5 K-means聚類分析算法在快遞CRM中進(jìn)行客戶細(xì)分的應(yīng)用

5.1 K-means聚類算法

K-means作為最常用的聚類算法，能有效地處理大規(guī)模和高維的數(shù)據(jù)集合，把大型數(shù)據(jù)集進(jìn)行高效據(jù)分組，并根據(jù)一定的測(cè)量標(biāo)準(zhǔn)，從中找出不同組數(shù)據(jù)的相似性，進(jìn)行聚類。

K-means算法的最大優(yōu)點(diǎn)效率較高，對(duì)例外數(shù)據(jù)非常敏感；缺點(diǎn)是不能處理分類數(shù)據(jù)，只能處理數(shù)值型數(shù)據(jù)，不能處理非凸面形狀的聚類。

K-means算法接受輸入量k后將n個(gè)數(shù)據(jù)對(duì)象劃分為k個(gè)聚類，根據(jù)點(diǎn)到質(zhì)心的距離把相似度較高的對(duì)象歸入同一聚類中，相似度較小的對(duì)象歸為不同聚類中。然后利用各聚類中對(duì)象的均值所獲得一個(gè)聚類中心來計(jì)算聚類相似度。

5.2 K-means算法的處理流程

首先，從c個(gè)數(shù)據(jù)對(duì)象任意選擇k個(gè)對(duì)象組成初始聚類中心。

其次，計(jì)算每個(gè)聚類對(duì)象的均值與每個(gè)對(duì)象的距離；并根據(jù)最小距離重新劃分相應(yīng)對(duì)象。

最后，重新計(jì)算有變化的每個(gè)聚類的均值。

循環(huán)以上兩步，直到每個(gè)聚類不再發(fā)生變化。

5.3 K-means 算法的改進(jìn)

K-means算法只能處理數(shù)值型數(shù)據(jù)，而不能處理分類屬性型數(shù)據(jù)。例如表示客戶的屬性有：名稱、性質(zhì)、住址等屬性。K-means算法改進(jìn)后就能很好地處理分類屬性型數(shù)據(jù)。K-means算法中的距離用相異度來替代，相異度的大小表示距離大小。一個(gè)樣本和一個(gè)聚類中心的相異度用它們各個(gè)屬性不相同的個(gè)數(shù)來表示，并用不相同個(gè)數(shù)的總和來表示某個(gè)樣本到某個(gè)聚類中心的相異度。

5.4 算法的C#實(shí)現(xiàn)

public class Kmeans

{ double[]inPut；//數(shù)據(jù)

int k；//類別數(shù)

int Num；//文件數(shù)

int sub；//特征值數(shù)

2.2 整合物流資源，加強(qiáng)區(qū)域經(jīng)濟(jì)的合作

區(qū)域經(jīng)濟(jì)在不同區(qū)域有著不同的發(fā)展特色，從而導(dǎo)致物流經(jīng)濟(jì)的發(fā)展規(guī)模必然出現(xiàn)差別化。而在市場(chǎng)競(jìng)爭(zhēng)中不可避免地要出現(xiàn)一些資源的浪費(fèi)，運(yùn)輸車輛的閑置率較高，空車回城的情況大大降低了物流經(jīng)濟(jì)的利益。為此，區(qū)域內(nèi)的物流企業(yè)可以通過聯(lián)合、兼并等形式來進(jìn)行資源的整合，提高物流資源的利用率。這就需要與區(qū)域內(nèi)的各個(gè)需求企業(yè)進(jìn)行深度的合作，包括區(qū)域內(nèi)不同地方的企業(yè)加強(qiáng)溝通和交流，不斷加強(qiáng)雙方的信任，提高合作長(zhǎng)效性，最大限度地降低雙方的成本。對(duì)區(qū)域內(nèi)自帶物流的企業(yè)進(jìn)行統(tǒng)計(jì)和分析，不斷挖掘和開發(fā)物流產(chǎn)業(yè)的市場(chǎng)，與此同時(shí)，還應(yīng)注重物流技術(shù)的提高，增加物流企業(yè)的可信度，不斷創(chuàng)新、改進(jìn)和完善物流體系。

2.3 增強(qiáng)政府對(duì)物流經(jīng)濟(jì)的宏觀調(diào)控

目前，我國的經(jīng)濟(jì)還未形成一個(gè)完善的運(yùn)行機(jī)制，正處于不斷的磨合和改善中。物流經(jīng)濟(jì)作為一種新興經(jīng)濟(jì)體對(duì)區(qū)域內(nèi)一些傳統(tǒng)經(jīng)濟(jì)產(chǎn)生的沖擊，需要區(qū)域內(nèi)容各個(gè)企業(yè)不斷地轉(zhuǎn)變和適應(yīng)。在物流經(jīng)濟(jì)和區(qū)域經(jīng)濟(jì)的融合過程中，政府應(yīng)給予特別的關(guān)注，對(duì)部分企業(yè)進(jìn)行一定程度的政策支持。物流經(jīng)濟(jì)的發(fā)展為區(qū)域內(nèi)的群眾帶來了更多的利益，同時(shí)也有利于區(qū)域綜合實(shí)力的提升。

與此同時(shí)，物流經(jīng)濟(jì)在發(fā)展過程中涉及地產(chǎn)、基建等問題，都需要政府參與到市場(chǎng)的規(guī)劃與發(fā)展當(dāng)中，為物流經(jīng)濟(jì)創(chuàng)造更多的發(fā)展空間。特別是在一些經(jīng)濟(jì)發(fā)展較緩慢的地區(qū)，政府應(yīng)對(duì)物流企業(yè)進(jìn)行財(cái)稅層面的降低支持，積極引進(jìn)外資的投入，推進(jìn)區(qū)域的物流經(jīng)濟(jì)發(fā)展。

3 結(jié) 論

總體來說，在我國經(jīng)濟(jì)轉(zhuǎn)型的改革時(shí)期，物流經(jīng)濟(jì)作為一種新興的產(chǎn)業(yè)經(jīng)濟(jì)力量，有助于區(qū)域經(jīng)濟(jì)的大力發(fā)展。區(qū)域經(jīng)濟(jì)與物流經(jīng)濟(jì)的深度結(jié)合，能夠有效地降低區(qū)域內(nèi)其他產(chǎn)業(yè)的運(yùn)營成本，同時(shí)，物流經(jīng)濟(jì)的快速進(jìn)步，也能督促著與物流相關(guān)的其他相關(guān)經(jīng)濟(jì)的創(chuàng)新，提高了區(qū)域經(jīng)濟(jì)的發(fā)展水平。因此，為了保證物流經(jīng)濟(jì)的健康順利發(fā)展，政府應(yīng)加強(qiáng)對(duì)我國物流經(jīng)濟(jì)的關(guān)注力度，根據(jù)區(qū)域內(nèi)的實(shí)際情況進(jìn)行適度的宏觀調(diào)控，才能真正實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)的全面進(jìn)步。

參考文獻(xiàn)：

[1]楊雨軒.中國物流產(chǎn)業(yè)發(fā)展對(duì)區(qū)域經(jīng)濟(jì)的影響[J].新西部：理論版，2015（20）.

[2]張林，董千里，申亮.節(jié)點(diǎn)城市物流產(chǎn)業(yè)與區(qū)域經(jīng)濟(jì)的協(xié)同發(fā)展研究——基于全國性物流節(jié)點(diǎn)城市面板數(shù)據(jù)[J].華東經(jīng)濟(jì)管理，2015（2）.

[3]閆水延.物流能力與區(qū)域經(jīng)濟(jì)發(fā)展的關(guān)系研究[J].物流技術(shù)，2015（22）.