客户关系管理（Customer Relationship Management， CRM）系统作为一种通用的客户关系管理软件及管理工具，已经成为各个行业企业管理过程中不可或缺的一部分。CRM系统的核心是树立以客户为中心的理念，将客户作为企业最重要的资源，使企业的客户资料、客户信息、消费行为等成为企业的一种资产，加以系统化的管理，提升客户价值、提高客户满意度。同时通过无障碍平台的构建，建立部门之间和员工之间协同工作、更好的跟踪机会，提高销售成功率，并且提供更好的客户服务。从而提升企业的核心竞争力。
航运业在经历了提供单纯海运服务到提供多式联运服务之后，目前正进入致力提供全方位供应链服务的现代物流时代。随着国际经济贸易的不断发展，航运企业必须有能力提供全球承运服务，实现跨国经营。传统的各自为政的运输局面必将被打破，新的运输模式下各种运输方式整合和集成，一个承运人便有能力完成各种运输方式的转换、衔接，原先的“港到港”的货物运输模式将发展成为“门到门”、“点到点”的综合货物运输模式。事实上世界上许多大型航运企业已将现代物流作为主要发展方向。借助价值链的拓展，具有现代物流服务优势的航运企业，正将其竞争平台从简单的运价竞争提升到完整价值链意义上的整体物流服务价值竞争，现代航运企业的价值正是体现在科学地为客户设计并实施运输服务，从而实现与客户的长期共赢上。由于客户需求的不均衡，航运企业需要充分收集分析客户信息，根据客户的价值和规律，更好、更优质地制定服务策略，安排运力，以客户为中心，把客户的价值、满意度与企业的运营结合起来，以有限的运输能力满足不均衡的客户需求［5］。
（1） CRM系统的功能。航运企业CRM系统应具备市场管理、销售管理、支持与服务和竞争对象记录与分析的基本功能。
①市场管理。
A.现有客户数据的分析。识别每一个具体客户，按照共同属性对客户进行分类，并对已分类的客户群体进行分析。
B.提供个性化的市场信息。在对现有客户数据的分析基础上，发掘最有潜力的客户并对不同客户群体制定有针对性的市场宣传与促销手段，提供个性化的、在价格方面具有吸引力的运输服务产品。
C.提供运输服务预测功能。通过对市场和客户群体的运输习惯的历史数据进行分析的基础上，提前准备资源的优化，航线的调整，运力的安排，制定出合适的运输产品。
②销售管理。
A.提供有效、快速而安全的交易方式。一般的CRM系统均会提供电话销售（Telesales）、移动销售（MobileSales）、网上销售（E-commerce）等多种销售形式。并在每一种销售形式中考虑实时的订单价格、确认数量和交易安全等方面的问题。
B.提供订单与合同的管理。记录多种交易形式，包括订单和合同的建立、更改、查询等功能。可以根据客户、产品等多种形式进行搜索。
③支持与服务。
A.呼叫中心服务（Call Center Service）
B.订单与合同的处理状态及执行情况跟踪。
C.货物跟踪等电子信息服务。
④竞争者分析。对竞争者的基本情况加以记录，包括其公司背景、目前发展状况、主要的竞争领域和竞争策略等内容。记录主要竞争产品。记录其他企业所提供的同类产品、近似产品和其他可替代产品，包括其主要用途、性能及价格等内容。
⑤建设集中的信息仓库的能力。采用集中化的信息、实时的客户信息，可使各业务部门和功能模块间的信息能统一起来。
⑥对工作流进行集成的能力。工作流是指把相关文档和工作规则自动化安排给负责特定业务流程中特定步骤的人。CRM解决方案应具有较强的功能，为跨部门工作提供支持，使这些工作能动态的、无缝的集成。
⑦与企业资源计划（Enterprise Resource Planning， ERP）功能的集成。如果CRM与ERP连接起来，使之成为一个客户互动循环，这种集成能使企业在系统间搜集商业情报，而不是低水平的数据同步。
（2） CRM系统的好处。CRM可通过对客户交往的全面记录与分析，不断加深对客户需要的认识，开发出更有针对性的运输产品达到进一步提高销售额，降低成本，增加利润率，提高客户满意程度的目标。应用CRM系统的好处突出体现在：
①提高销售额。利用CRM系统提供的多渠道的客户信息，确切了解客户的需求，增加销售的成功概率，进而提高销售收入。
②增加利润率。由于对客户的更多了解，业务人员能够有效地抓住大客户的兴趣点，有效制定运输产品并进行销售，避免盲目的以价格让利取得交易成功，从而提高销售利润。
③提高客户满意程度。CRM系统提供给客户多种形式的沟通渠道，同时又确保各类沟通方式中数据的一致性与连贯性。利用这些数据，销售部门可以对客户要求做出迅速而正确的反应，让客户在对购买服务产品的同时也认可并愿意保持与企业的有效沟通关系。
④降低航运企业运作成本。通过CRM可以掌握大客户的出运习惯，从运力、价格、服务各方面对企业内部进行资源整合和优化，从而提高企业内部的有效劳动率，降低营运成本。
⑤降低市场销售成本。通过系统对客户进行了具体甄别和群组分类，并对其特性进行分析。使市场推广和销售策略的制定与执行避免了盲目性，节省时间和资金。
2）数据挖掘在客户关系管理中的应用
CRM系统数据挖掘技术结合了商业实践与数据挖掘、数据仓库、OLAP等信息技术，通过对数据之间的潜在规律和关系的掌握，实现对市场与客户需求、销售的预测，为企业提供最佳的客户应对、销售项目、客户服务预案，为企业决策提供支撑，提升企业的投资回报［6］。(www.xing528.com)
（1） CRM系统数据挖掘的方法。一般来说，CRM系统数据挖掘方法主要分为以下几种：
①分类方法。通过数据统计、决策树、规则归纳及网络构建等方法，为企业建立其不同的数据类型模型，比如分析客户数据、市场数据、行业数据、销售数据等，再通过详细的数据分析和映射方法，实现数据类别之间的相互关联，发现潜在规律。
②聚类方法。即将一组数据按照相似性分类，CRM系统通过聚类方法可以实现对客户类别的细分，根据不同的价值或者潜在价值，以及特征属性对客户进行等级分类，根据不同的等级和类别，实行不同的客户营销与跟进策略，制定不同的解决方案，实现更为精确的客户管理。
③规则关联方法。即通过数据分析，发现不同的数据类别之间的关联性，即隐藏在数据之间的规则，运用规则通过计算法则可以掌握未知项数据，可以通过已有的数据挖掘出大量的潜在数据，通过这种潜在数据挖掘，获得促进客户下单，促进销售的有价值的数据信息，帮助企业更好地把握客户，实现销售提升。
（2） CRM系统中数据挖掘的基本步骤。为使CRM系统建立良好的模型，在实施数据挖掘之前，先确定采取什么样的步骤，每一步都做什么，达到什么样的目标是必要的，有了好的计划才能保证数据挖掘有条不紊地实施并取得成功。虽然把各个步骤按顺序排列，但要注意数据挖掘过程并不是线性的，要取得好的结果就要不断重复这些步骤。例如在“分析数据”时可能会发现在“建立数据挖掘数据库”时做得不够好，需要添加一些新的数据。
有效的CRM系统中的数据挖掘的基本步骤为：
①定义商业问题。每一个CRM应用程序都有一个或多个商业目标，要想充分发挥数据挖掘的价值，必须要对目标有一个清晰明确的定义，即决定到底想干什么。
②建立数据挖掘库。建立数据挖掘库可分成五个部分：
A.数据收集。确定要挖掘的数据源。
B.数据描述。描述每个文件和数据库表的内容。
C.数据提取。把一些冗余或无关的数据除去，选择用于数据挖掘的数据。在数据提取过程中，可以利用数据库的查询功能以加快数据的提取速度。
D.数据清理。了解数据库中字段的含义及其与其他字段的关系。对提取出的数据进行合法性检查并清理含有错误的数据。
E.合并与整合。大部分情况下需要的所有数据是分布在不同的数据库中的。数据合并与整合把来自不同数据源的数据合并到同一个数据挖掘库中，并且要使那些本来存在冲突和不一致的数据一致化。
③为建模准备数据。这是建立模型之前的最后一步数据准备工作。可以把此步骤划分成四个部分：
A.选择变量。理想情况下，可选择所拥有的全部变量，输入到数据挖掘工具中，找出哪些是最好的预测变量。实际上这样做并不是很好，其中一个原因是建立模型的时间随着变量的增加而增加；另一个原因就是盲目性，包括无关紧要的数据列被加入，却很少甚至不能提高预测能力。
B.构建新的预测依据。例如，预测信用风险时，使用债务—收入的比率而不是单独使用债务或收入作为预测变量，可以产生更准确的结果，并且更容易理解。
C.选取一个子集或标本来建立模型。建立数据挖掘模型时，要从大量数据中取出一个与问题相关的样板数据子集，而不是动用全部数据。使用恰当的随机挑选的子集并不会引起信息不足，反而能减少数据处理量，节省系统资源，而且能通过数据的筛选，使规律性更容易突现出来。
D.转换变量。使之和建立模型的运算法则一致。
④建立模型。建立模型是一个反复的过程。需要仔细考察不同的模型以判断哪个模型更有用。在寻找好的模型的过程中学到的东西，会启发用户修改数据，甚至改变最初对问题的定义。为保证得到的模型具有较好的精确度和健全性，需要一个定义完善的训练—验证协议，也称为指导性学习。主要思想就是先用一部分数据建立模型，然后再用剩下的数据来测试和验证这个得到的模型。
⑤评价模型。对模型的评价依赖于需要解决的问题，由领域专家对模型的精确性和有效性进行评价。
⑥实施。把数据挖掘模型所发现的知识应用到实际工作中，为决策提供支持。如根据得到的知识可以设置某些触发器，当满足条件时进行特殊处理。
3）研究内容与关键技术
（1）利用混合云计算平台实现多源多类的航运客户大数据的存储，构建航运客户知识库。
（2）基于多目标线性规划模型，建立基于靠港频率、平均装卸量等多因素的优质客户指标体系。
（3）根据客户往次交易数据和其他媒介评价数据，基于模糊集合和非线性规划理论，综合应用FCM（Fow Cytometry）算法和遗传算法，计算划分矩阵，确定客户等级。
（4）根据客户往次交易数据、客户特征信息和行为状态等，通过线性回归模型挖掘优质客户的潜在需求，利用机器学习的方式建立自动的优质客户服务系统。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
