融入前端管理知識管理將成CRM的基石？

2006/08/29

　　知識管理將成為企業(yè)前端管理的重要組成部分。一些關鍵的“知識發(fā)現”技術手段，如自然語言處理、推理引擎和案例自動生成系統等，將融合在現有的前端客戶關系管理軟件中，并極大地推動知識管理的應用。

　　CRM的發(fā)展趨勢之一是將企業(yè)積累的知識融入到前端管理的各個環(huán)節(jié)中，采用規(guī)范的方法來增強市場活動的有效性，從而保證銷售隊伍的戰(zhàn)斗力，維持客戶對服務的滿意度。在這些工作中獲得的行之有效的方法和措施，都將以“企業(yè)知識”的形式在信息平臺上共享，由團隊中的各個成員在這一基礎上不斷完善，并且不會隨著人員的變動發(fā)生知識流失。

　　知識管理的三個歷程

　　知識管理是在應用操作的基礎上發(fā)展起來的，它經歷了數據收集、信息挖掘和知識發(fā)現的三個歷程。

　　最初，對信息的管理是基于操作的角度，而不是從信息或企業(yè)知識的收集這一角度進行的。例如，在應用訂單管理模塊的時候，不少企業(yè)的初衷僅僅是從操作的層面考慮，把每一筆交易的金額記錄下來。一月份企業(yè)A的訂單金額是10萬元，這反映在系統中僅僅是數據（Data）的收集；當這些數據積累到一定規(guī)模之后或者兩年之后，管理者可能想到利用這些數據的匯總，從中挖掘有價值的信息（Information），如企業(yè)A的購買頻率、平均交易額、產品偏好等。一旦確定分析的角度和所需的變量，多數的現有管理軟件都可以完成這一步。如果我們把所有兩年之內的訂單作匯總分析和挖掘，就可以發(fā)現有用的知識（Knowledge），如購買頻率和平均交易額之間存在明顯的負相關性，或者某個行業(yè)的客戶群體對產品的偏好相當一致，或者發(fā)生大筆交易的訂單往往是突發(fā)性的。知識的挖掘必須在信息積累的基礎上進行，而且，隨著數據的不斷增加，數據融合可以自動調整發(fā)現的知識。如果我們改變了銷售方法，連續(xù)出現了N筆的大宗可預測的交易，那么，系統將“突發(fā)性的大筆交易”這一結論作相應的調整。

　　知識不僅僅是被動地收集數據，或者將信息按某種既定的方式排列以便于搜索，而且包含了企業(yè)在實踐中總結出來的行之有效的工作方法和步驟。通常情況下，這些知識往往存在于雇員的頭腦中，不一定轉化成為文件或數據。例如，有經驗的銀行個人貸款職員可以通過幾個關鍵問題，判斷出借貸人的信譽；有經驗的銷售人員可以通過對方詢問的問題、商務談判的對象等細節(jié)，判斷出成交的幾率；有經驗的客戶服務人員可以通過客戶對問題的描述，判斷出可能的故障和解決的方法。上述案例中提到的“經驗”就是“知識”的具體表現。許多企業(yè)的銷售人員和客戶服務人員是依據工作年限和積累的業(yè)務經驗來劃分等級的，銷售人員可以分為普通客戶經理和高級客戶經理，服務人員可以分為初級客服代表和資深客服代表等等，不同等級的人員所享受的待遇和工作職責是有區(qū)別的，這說明在一個企業(yè)中，知識是有價的，同時，儲存在員工頭腦中的經驗需要通過時間來積累。

　　能否讓這種積累更快更有效，同時也更容易在企業(yè)的內部被保留呢？通過全公司上下在同一個信息平臺上共享的手段，可以有效地達到員工之間的經驗分享和自我學習。舉例而言，今天許多新聞媒體的從業(yè)人員已經離不開互聯網�；ヂ摼W就是一個巨大的信息平臺，任何人可以在其中進行搜索，尋找到感興趣的話題，并進行追蹤，也可以發(fā)表自己的評論，這些信息又同時被更多的有相同興趣的人員共享。對于一個企業(yè)來說，內部知識網的建設將比互聯網更加有序和有效，因為企業(yè)可以利用管理規(guī)范防止垃圾信息的輸入，可以界定范圍，保證信息的專業(yè)性，可以設定商業(yè)規(guī)則（Rule of Engagement）將業(yè)務規(guī)范和企業(yè)知識融為一體。

　　知識管理的三個工具

　　在過去的程序設計中，要達到這樣的應用效果，只能通過直接的編碼進行。要判斷客戶的價值，需要設置如下的條件：客戶的累計交易額達到1000萬以上；客戶的交易頻率在每月1次以上；客戶的信譽額度沒有透支現象；符合上述三個條件的所有客戶通過后臺數據庫的查詢可以得出列表。不過，企業(yè)的運營是不斷變化的，也許某些客戶沒有達到這些“硬性指標”，但是也具備相當大的潛力，例如，企業(yè)的負責人最近有所變動，可能會進行大規(guī)模購置等信息，也會影響到該客戶的價值評估，而這些就很難在現有的企業(yè)管理的知識平臺中體現出來。

　　最新的知識管理程序可以利用自然語言處理（Natural Language Processing）、推理引擎（Inference Engines）和案例自動生成工具（Automated Generation of Case）來解決上述難題。這些工具都是知識發(fā)現（Knowledge Discovery Development）學術領域的熱點話題。

　　程序語言對自然語言的理解能力的提高，可以使許多不易體現為“硬性指標”的商業(yè)規(guī)則也能夠由程序所識別和修改。自然語言處理允許輸入類似于口語或書面語的信息，同時反饋出有意義的可以直接被應用的答案。在被廣泛采用的“模糊查詢”功能中，就融合了自然語言處理的成果。

　　推理引擎的應用原理則包含下面四個基本步驟：

　　1.匹配（Matching）。匹配將規(guī)則庫中現有的商業(yè)規(guī)則與輸入的情況進行對比。如對一家汽車修理廠商的客戶服務中心來說，后臺數據庫中已經存儲了上千條的汽車發(fā)動機故障的表現和原因，那么，當輸入“汽車點火不成功”這一信息時，推理引擎首先將這一故障表現與信息庫中的數據進行自動匹配。

　　2.選擇（Selection）。所有滿足這一條件的規(guī)則在這一步驟中被選中。通常，一個特定條件只能發(fā)現一個完全匹配的規(guī)則的情況也可能發(fā)生，但概率較小。

　　3.激活（Firing）。在所有被選中的規(guī)則中，根據匹配程度，系統自動決定激活強度。例如，若客戶反映活塞從未更換過，那么由于活塞堵塞導致的點火不成功的規(guī)則的激活強度，會比其它規(guī)則更大。推理引擎中內含的算法，可以給出一個最接近的規(guī)則行為。

　　4.行動（Action）。根據上面得到的推理結果，可以給出應當進行的操作行動。在上面的例子中，更換活塞可能就是最佳的故障排除方法。

　　當規(guī)則的條件不斷增加時，所能給出的結果和行動也就更加具有特殊性，成為一個典型案例。這樣的典型案例積累到了一定的程度，成為案例庫。自動案例生成系統就是在推理引擎的基礎上的擴充。

eNet論壇

相關鏈接:

如何計算托管型CRM的TCO 2006-08-29

為CRM安插數據翅膀讓5%的客戶創(chuàng)造100%利潤 2006-08-28

CRM助企業(yè)打造 “紀律部隊” 2006-08-25

研究報告:CRM市場將重現往日輝煌 2006-08-25

談客戶關系管理軟件的投資與回報 2006-08-24