摘 要 在期刊经营日益困难的今天，利用数据挖掘技术来辅助期刊客户关系管理非常必要。文章分析数据挖掘在期刊客户关系管理中应用的可行性，并探讨了数据挖掘方法在期刊客户关系管理中的具体应用。

　　关键词 数据挖掘；期刊；客户关系管理

　　近年来，我国的期刊处于激烈的竞争状态。据统计，2013年，我国共有纸质期刊9400多种，这些纸质期刊之间形成了激烈的竞争，加之出版经营政策的逐步放开，国外期刊陆续引进，数字媒体不断冲击，期刊经营与生存面临前所未有的严峻挑战。有些期刊不能应对竞争，市场占有逐渐萎缩，销售量大幅下滑，有些经营惨淡，难以为继。面对每况愈下的期刊市场，业内人士都在苦思良策。市场经济是买方市场，是客户选择企业，客户对企业的满意程度在很大程度决定着企业的兴衰成败。客户满意度是一个企业成败与收益的晴雨表。企业发展到一定阶段，客户满意度将成为其飞腾的瓶颈，因此，期刊企业应积极关注客户满意度，注重客户关系管理。文章试分析数据挖掘在期刊客户关系管理中的应用，探讨期刊如何留住老客户，开拓新客户，加强期刊个性化经营与信息服务，以提高期刊持久竞争力。

　　1 数据挖掘与期刊经营客户关系管理

　　数据挖掘（Data Mining，简称DM）是近些年随着数据库和人工智能的发展而兴起的一门技术，指从大量的、不完全的、有噪音的、随机的数据中，提取出隐含在其中的但又是潜在有用的、尚未发现的信息和知识（如规则、模型、规律、模式、约束等），帮助决策者寻找数据间潜在的关联，以发现被忽略的因素。在商业领域，数据挖掘是一种新的商业信息处理技术，其主要的特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。

　　客户关系（Customer Relationship，CR）指的是企业与顾客通过在经济、技术、信息及社会等方面的结合，建立长期而稳固、互相满意和信任、彼此有高度承诺的伙伴关系。客户关系管理（Customer Relationship Management，CRM）采用数据库和其他先进信息技术来获取顾客数据，分析顾客行为和偏好特性，发展和管理顾客关系，培养顾客长期的忠诚度，以实现顾客价值最大化和企业收益最大化之间的平衡。期刊经营作为期刊出版业产业价值链末端，直接与读者接触，因此，期刊客户关系管理显得尤为重要。而数据挖掘在期刊企业客户行为分析中起着关键作用，无论是有条件引入完整的客户关系管理系统的期刊社，还是在原有数据库基础上利用数据挖掘软件对已有的客户数据进行一系列的分析和管理，找出其中蕴含的知识，以采取有效的措施和策略，数据挖掘都不可或缺。注重期刊客户关系管理，利用数据挖掘，充分利用数据库信息，从而提升客户关系管理质量，提高期刊经营成效，是当今期刊业经营与发展的必经之路。

　　2 数据挖掘在期刊客户关系管理中应用的可行性与必要性

　　2.1期刊企业发展积累了数据挖掘的数据基础

　　随着出版行业管理信息化建设的推进，期刊社的信息化程度也越来越高。一方面，期刊社内部大都实现了信息化管理，利用管理信息系统进行日常管理己经是期刊社的常规操作，这在大大提高了出版社日常工作效率的同时，也积累和保存了大量的期刊数据，从而积累了大量行业基础信息。另一方面，迎接新媒体的挑战，大期刊都在进行数字化改革，开拓网络出版和数字出版，其信息化程度不断提高。有些期刊还建立了门户网站，通过网站开展网上办公和在线营销，这一系列数字化过程都是数据分析的基础，期刊社能够通过信息化条件将期刊的阅读率、阅读内容、甚至是读者的年龄、地区、阅读偏好等信息收集起来，利用数据挖掘方法从大量的、不完全的、有噪音的、随机的数据中，提取出隐含在其中的潜在有用的信息和知识。所以说，期刊业基本实现了企业内部管理和外部营销工作的信息化，为利用数据挖掘技术进行客户关系管理提供了前提。

　　2.2数据挖掘是期刊客户关系管理成功的保障之一

　　如果仅仅通过各种方式产生和收集读者和客户信息，未对信息进行适时和深层次的分析，将会导致信息爆炸，致使期刊社对客户信息的缺乏。所以，虽然“日常的客户信息其实是一座金矿”，但这一过程对于期刊来说仍只是完成了信息的收集，这只是客户关系管理的第一步，真正决定客户关系管理是否成功的保障之一则是数据挖掘技术的使用。“日常的客户信息这一个金矿”则是数据挖掘技术开采出“金子”的基础。在传统的期刊经营时代，绝大部分期刊都未重视到数据挖掘的作用，虽然缺乏深入全面的数据分析，随性随意地决策，但由于过去市场环境相对宽松，有足够的蛋糕可分，所以这种方式还能勉强支撑，但随着期刊业的竞争越来越激烈，这种随意性决策越来越不适应当前的市场环境，激烈的竞争环境，有限的市场份额，各种新资源和新媒体的竞争，决定了现在只有充分地了解消费者才能成功保持客户关系，也就决定了期刊开展数据挖掘的必要性与紧迫性。

　　3 数据挖掘在期刊客户关系管理中的应用策略探讨

　　目前，数据挖掘在多方面的应用都取得了较好的成绩。数据挖掘有不同的方法，比较常用的有：关联分析、序列模式分析、分类分析、聚类分析等，下文笔者拟分析如何利用数据挖掘方法开展期刊用户管理。

　　3.1利用关联分析和聚类分析获取新客户

　　发现和开拓新客户对任何一家期刊社来说都是至关重要的。数据关联是指数据仓库中存在着某类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。分析是否关联的目的是找出数据仓库中隐藏的关联网；而自动探测聚类法则可以用来找出客户数据库中的特征，预测期刊的响应率，而那些被定为有利的特征可以与新的非客户群进行匹配，以增加营销活动的效果。通过这些数据挖掘分析，可以从期刊社所存储的客户信息中，根据事先设定的标准，找到符合条件的客户群；对客户的阅读行为和阅读兴趣的分析，有利于期刊社调整期刊内容，取得更高的读者满意度，提高期刊的销量。对客户资料进行分析，从而使潜在客户转变成正式客户。

　　3.2利用序列模式分析、关联分析留住老客户，找回流失的客户

　　在现今媒介环境中，竞争强度加剧，产品高度细分，市场日趋饱和，市场上充斥着大量的替代品，产品生命周期短暂，这就使得客户选择更加丰富，客户流失可能性大大提高。期刊社只有建立与客户之间长期的互动关系，不断加强彼此之间的知识互动、情感互动、利益互动，才能增加客户的转移成本，延长客户的使用周期。由于期刊业竞争日益激烈，留住原有的客户日益受到重视。哈佛大学的一项研究表明：客户消费减少5%，即可动摇人们对企业盈利的能力的信心。

　　为保持老客户，需要建立老客户流失预测模型，分析客户流失原因，为企业保持老客户采取有效措施。在期刊的经营过程中，充分利用数据挖掘技术，如对反馈的客户进行概念描述从而进行整体把握，运用数据挖掘中的关联规则技术挖掘其兴趣所在；同时，运用一定的盈利判断标准，对客户的盈利能力进行预测，可采取分类方法，处理数据，分析出有价值的知识，挖掘出那些对期刊感兴趣的客户群，期刊社也就可以据此采取有效的经营策略。采用数据挖掘技术，期刊社还可以对已流失的客户的数据进行分析，如进行一些关联分析，找出与客户流失相关的规律和服务的缺陷所在，可对流失客户进行预测，找出可能流失的客户群，以采取积极的预防措施。最后，把通过数据挖掘得到的知识和市场经验、客户信息结合起来

　　进行预测和分析，来确定有流失倾向的客户，根据不同的情况进行预处理，从而改进期刊出版发行服务，摸底跟踪关怀工程，提高客户的忠诚度。

　　3.3利用聚类分析实现服务的个性化，优化客户关系

　　对读者的个性化服务就是根据读者的知识结构、信息需求、行为方式和心理等，有的放矢地为读者提供符合个性需求的服务环境，为其提供定向化的预定内容与服务。但囿于技术的原因，以往个性化的内容与信息服务无法达到理想的境地。网络的发展，加之数据挖掘技术在客户关系管理中的应用，特别是聚类分析在客户关系管理中的典型应用，使真正意义上的个性化的期刊内容服务成为可能，利用信息推送技术可以为客户提供个性化的产品和服务，优化客户关系。

　　在期刊竞争日益激烈的今天，客户服务的质量是关系期刊社发展的重要因素，期刊作为商品也符合“二八”原则，即20%的顾客创造了大部分的价值，那么要为这20%的客户提供个性化的最优质的服务，前提是发现这20%的客户。如某种期刊，有80%的人一年只购买少数几次，而20%的人则期期购买，期刊社要发现20%的客户，通常可通过一系列的数据挖掘来实现，如通过分析客户对产品的应用频率、持续性等指标来对客户作分类，将客户分为各种不同的利润等级，对不同客户采用不同的优惠政策，以达到留住优质客户的目的。

　　3.4综合利用聚类分析、分类分析、关联分析方法深度开发和有效利用客户资源

　　期刊业拥有较为丰富的客户资源，包括广告客户资源和读者客户资源，期刊的运作应将这些客户资源作为期刊社独特而优质的资产来对待，将客户资源转化为经济效益，进一步延伸期刊产业链。如果对客户资源不加以开发利用，就是资源的浪费。市场经济条件下，信息就是金钱。当前期刊业正处于战略转型期，期刊业在重视开发版面资源的同时，要高度重视开发客户资源，建立完善的客户服务数据库，在做好客户服务的基础上，依托客户数据库进行项目开发和产业拓展，将客户资源转化为经济效益，这是期刊业延伸产业链、实现多元化发展的较为切实可行的途径。

　　4 结语

　　数据挖掘虽然只是客户关系管理系统中的一小部分，但却起着举足轻重的作用，期刊经营中应该充分利用数据挖掘技术，服务于客户关系管理，提高期刊的经营成效。同时也应该重视相关数据库的建立与维护，不断更新和补充客户信息，整合信息，以真正发挥数据挖掘的效用，提高对企业决策的参考价值。（周松）

　　参考文献

　　[1] 刘芳，郭宇春.基于数据挖掘的用户忠诚度分析[J].计算机技术与发展，2013（7）.

　　[2] 韩云云.数据挖掘在档案馆用户资源管理中的应用[J].兰台世界，2012（12）.

　　[3] 樊志平.数据挖掘技术在商业领域的应用与研究[J].商场现代化，2008（1）.

　　[4] 刘晓峰.出版数据挖掘关联分析[J].科技与出版，2008（1）.