第三方物流企业CRM总体框架设计

    本篇论文目录导航：

　　【题目】大数据时代第三方物流企业客户管理问题探究
　　【第一章】第三方物流公司客户关系管理研究绪论
　　【第二章】第三方物流与客户关系管理基础理论
　　【第三章】第三方物流企业CRM现状分析
　　【第四章】第三方物流企业CRM总体框架设计
　　【第五章】大数据下第三方物流企业CRM分析
　　【第六章】大数据下第三方物流公司实施CRM的保障
　　【结论/参考文献】第三方物流企业客户关系维护研究结论与参考文献

　　第 4 章 大数据下第三方物流企业 CRM 总体框架设计

　　4.1 框架设计指导思想。

　　通过以上章节的分析，得到将大数据应用到第三方物流企业中已经具备了很强的理论基础、技术基础、现实基础。同时又基于传统的第三方物流企业客户关系管理的实施框架，那么在大数据下，在面对海量数据给第三方物流企业进行客户关系管理带来巨大考验时，在设计具有针对大数据下、新环境下的第三方物流企业客户关系管理实施框架应该遵循这样的一些指导思想，具体论述如下。

　　4.1.1 突出大数据下数据收集、分析与处理的新特点。

　　在传统的第三方物流企业客户关系管理中，对于客户各种信息的收集往往依赖于企业原始信息的积累以及和交易过程中积累的信息，并且这类信息往往都是结构化的信息占据主要地位。而在大数据背景下，客户的信息不仅仅是出现在企业最初的收集阶段以及交易过程中，更多的重点应该转移到对客户信息的多方面收集上去，比如客户在互联网、在社交网络上留下的信息，这些的信息如果能够得到很好的收集与处理，会为第三方物流企业进行客户管理提供有效的支持。因此，在将大数据应用于第三方物流客户关系管理中应该注重到这些新变化，有这样的指导思想。

　　4.1.2 突出大数据下新的数据处理工具的作用在传统的第三方物流企业客户关系管理中，可以看到非常重要的一部分就是对收集与积累到的信息进行整合与分析，通过用数据挖掘、数据仓库等技术手段，提炼出有价值的信息用以指导具体的客户关系管理实践。而通过以上的分析，我们知道包括数据挖掘技术、数据仓库技术在内的传统的数据挖掘技术更多的是针对于结构化的信息与数据进行分析与整合。而在第二章的相关论述中，可以看到现在已经有很成熟的以 Hadoop 为代表的大数据处理平台工具。同时，这并不是代表就应该摒弃传统的数据挖掘技术，而更多的是强调将传统的数据挖掘技术与先进的大数据处理平台相结合，提高数据处理的效率。

　　4.2 实施框架内容。

　　通过第三章中对大数据下第三方物流企业实施客户关系管理所面临的问题来分析，可以看到现有的 CRM 实施结构或者实施体系都存在一些问题，已经落后与大数据的具体要求了。同时在上一章的论述中，看到将大数据应用于第三方物流企业客户关系管理具有很强的理论基础、技术基础与应用基础。因此基于这样的基础，同时也在吸收传统的客户关系管理的精华思想之上，设计了在第三方物流企业 CRM 中，应用大数据的方案。

　　4.2.1 客户信息收集。

　　第三方物流企业客户关系管理中应用大数据，第一步与大数据的处理流程相一致，就是数据的抽取与集成即获取信息。这里突出的是，在大数据时代，不仅仅是要尽量获取与收集传统的信息，一定要突出要用先进的大数据获取及时，获得半结构数据与非结构数据，而这些多种多样的数据，首先形成大数据集。在这一部分的主要功能就是在大数据时代通过尽可能多的手段收集到有关客户的尽可能多的信息。这里对有关客户的信息收集分为两大部分。一部分是针对于传统信息与传统数据的收集，还是利用传统的方式，第三方物流企业需要客户的哪些信息，就被动地收集哪些信息。这其中包括的信息有客户的基本信息、客户每次的交易数据、通过分析总结出的客户具体的详细的物流需求信息、客户针对所提供的物流服务的反馈信息等。那么在大数据时代，由于海量数据时代的到来，客户的很多信息都主动展现在第三方物流企业面前，那么针对这部分信息，就是要利用大数据的先进技术从海量数据里挖掘出有价值的信息。

　　大数据为第三方物流企业带来的最大的一个机遇就是能够有效整合多个客户的综合需求，例如通过综合分析一些单个客户的具体物流需求，发现是可以在有限资源的条件下实现对物流路径规划、物流运输工具选择、物流服务提供的时间等方面进行整合分析与集成分析，实现第三方物流企业资源的合理优化配置，也能够满足这些具体客户的具体物流需求。同时由于第三方物流企业的客户双重性的特征，可以得知第三方物流企业处于供方与需方的中间环节，处于重要的纽带地位，那么占据这个有利的重要作用，第三方物流企业可以建立一个整合供方与需方信息的信息交流平台。这个信息平台就可以第三方物流企业两端的供方和需方的信息的双向交流，就能够实现信息的互相交流与联系。从本质上来讲，第三方物流企业客户关系管理，就是强调客户的信息交流的过程，从企业自身掌握到的客户信息来发现客户的具体物流需求、或者客户自身提出的物流需求开始，这是客户信息开始传递的第一步，那么一方面第三方物流企业通过调动企业自身的各项资源与利用各项先进管理手段将企业能够满足客户的具体需求的资源展现并提供给客户，同时注重持续的技术支持与完善的售后服务。

　　这是处理客户的重要步骤。接下来就是从客户那里得到第三方物流企业提供完物流服务的详细反馈，这就是信息从客户传回第三方物流企业的过程。那么客户反馈回来的信息的重要性就在于衡量第三方物流企业承诺目标实现的程度、及时发现提供物流服务中存在的问题的能力等。

　　那么大数据为第三方物流企业带来的另一个机遇就在于不仅促进了对客户需求的进一步整合与集成，同时也促进了第三方物流企业间的资源、客户信息等方面的整合。在大数据时代，第三方物流企业更应该运用供应链管理进行企业间的外部流程整合。随着大数据时代的到来与第三方物流企业间的激烈竞争，第三方物流企业应该认识到企业间的供应链的重要程度，以及其对竞争的影响程度。因此，大数据时代第三方物流企业除了通过整合与集成不同客户的物流需求外，对内部具体流程进行整合与规划外，还要对第三方物流企业间的外部流程进行整合。将先进灵活的物联网技术与无线局域网技术和组态控制技术，充分结合并集成应用到第三方物流企业供应链上下端的物流需求领域，以实现具体物流服务过程的无线监控和信息快速采集，同时充分结合无线网络技术、GPS、RFID 等多种采集终端，构建信息快速采集软硬件集成平台，为第三方物流企业间的信息共享平台。那么在这个信息平台上，更好的去实现第三方物流企业间的信息共享与业务上的合作同盟。第三方物流企业在大数据时代更多的可以利用多年业务经营形成的各种业务网络，以其他物流企业联盟或者联合其他物流企业，如专营仓储、运输等业务的传统物流企业，通过高效的物流信息平台，整合与集成各种物流资源，实现信息与资源共享，以及优势互补，整合上下游的资源，消除供应链企业之间不必要的流程和手续，建立信息共享和信任伙伴关系，为客户提供包括铁路、水路、公路运输传统运输手段以及仓储、装卸、配送、流通加工等多渠道、全面的一体化的物流服务解决方案，同时能够快速有效地进行具体物流流程调度，从整体上提高从供应商、制造商到分销商到包括产品用户在内的整个供应链的物流和信息流的流通效率。

　　4.2.2 客户信息分析。

　　第二步，针对于大数据的处理流程分析数据，就是运用各种数据挖掘技术来对第一步收集到的信息进行分析。这里与传统的数据处理技术不同，是需要应用并行处理技术对获取的大数据集进行计算和汇总，得到能够应用的具有价值的应用型数据。这里不是说抛弃传统的数据挖掘与数据仓库技术，而是与大数据的并行处理技术相结合。

　　这一部分的主要功能是在第一个步骤的基础上，对客户数据收集收集与获取到的信息进行筛选、归类，在大数据时代针对客户信息分析最重要的就是物流客户行为分析、重点客户识别和物流客户流失预警分析等方面的重点分析。在具体分析上，需要利用各种传统的经典的数据仓库技术、数据挖掘技术和决策支持系统等各项技术，同时要结合到大数据下数据处理的新兴技术平台与及技术手段，达到对数据进行实时、高效的分析，从而能够真正透彻的了解到第三方物流企业客户的现有需求与潜在需求，也可以对客户合理的分析与定位，指导第三方物流企业能够真正将有限的资源达到合理优化配置，能够分配给重点客户。这一部分的另一个重要功能就是这一部分得出的各项分析结论直接影响到下一部门具体策略建议的制定。考虑在大数据时代下，数据信息量大，且处理速度快，且存在变动性，因此强调在这部分无论是对物流客户行为的分析还是对客户需求的具体分析都要有一定的灵活性，这样才能更贴切实际，也才能更好的指导各项客户营销策略的制定，也能更好的指导第三方物流企业自身提供更好的物流服务。

　　针对于第三方物流企业客户的具体行为分析分为单个客户的整体行为分析和不同类型的客户的群体行为分析，分析出对第三方物流企业当前价值和未来增长潜力都有积极促进作用的重点客户、一般性客户和潜力客户来进行针对不同客户的物流服务策略。而这里强调的单个客户整体行为分析是针对第三方物流企业的单一个或某一类客户，这里的单一不是指简单的一个客户或者一个企业，而是指具有代表性的某一类客户类型，比如强调物流运输距离长或短的客户。那么针对这类客户的物流业务往来与客户需求行为，做出全面性的规律描述和总结，发现这类客户的一般性交易规律。那么相应地在这类的客户数据库中就有反映其消费状况的数据及其购买行为的业务数据，可以做到对某一类客户的物流需求做出预测与分析，可以在客户提出具体物流服务之前，就可以主动向客户提供可以满足其物流需求服务的各项具体物流运输计划，那么这样就达到了对物流某一类客户进行具体分析的最终目的。

　　可以说对某一类客户的具体行为的分析是在纵向上的整合与分析，那么针对横向上的分析就是针对大范围的客户群体行为分析。对客户群体分析中，主要是针对第三方物流企业的分析出其大部分客户的物流需求主要集中在哪方面，比如某第三方物流企业处于沿海城市，那通过横向上分析其客户需求特点可以发现，客户需求集中在海运或者公路运输，那么这对于第三方物流企业就是最有效的信息，第三方物流企业便可以根据分析结果有目的高效率的去提高自己海运运输的服务或者公路运输服务，做到满足自身客户大范围的需求。而在另一方面，也为第三方物流企业进一步扩展自己的业务空间提供借鉴，那么企业在制定下一阶段的扩张战略是就可以在保持满足原有客户的物流需求基础上扩展到尚待开发的物流需求，以吸进更多的新客户。因此，在具体客户行为分析时，不能忽略在整体上对客户的分析。

　　考虑到第三方物流企业各项资源的有限性，因此要对企业的重点客户进行识别。

　　其实在各行各业都强调按着不同的分类标准将客户分为不同重要程度的客户，包括重点客户、大客户、核心客户、一般客户。由于不同的分类标准，具体分类也不尽相同。

　　但是根据"二八法则",针对第三方物流企业，是 20%的客户能够为企业带来 80%效益，那么这 20%的客户就是企业的重点客户。同时本文在后文过程中会采用全生命周期的理论对大数据下第三方物流企业的客户进行具体分类，进行重点客户的识别。识别出重点客户之后就是要将企业的各项资源优先考虑给这类客户，为这类客户高效、全方位的服务，满足他们的需求。这里需要强调的是，在大数据下，变化无常，第三方物流企业在对重点客户进行分类时，要有长远的眼光，同时注重某些客户的未来发展潜力。

　　由于第三方物流企业的客户较突出的特征之一就是客户流动相对性高。因此在大数据时代，第三方物流企业更应该加强对自身的客户流失预警的分析。在第三方物流企业的客户关系管理工作中对客户未来的行为做出预测是极其重要的工作。而能够表明第三方物流企业客户流失预警的预警指标包括物流服务结束后客户对物流服务的具体信息反馈、客户对未来继续合租的意愿甚至可以从客户对企业的态度可以预测出其流失的可能性。那么针对这一部分的分析，在前期为了确保客户的不流失，就是要像本文之前分析过的，要充分满足客户的物流需求，在提供物流服务过程中出现问题要及时补救，这样防止影响客户流失的因素发生。同时可以设置某种客户流失预警系统，当相应的流失因素出现后，经过识别系统的有效识别后，得到某一客户的流失预警输出指标，进而进一步找到潜在的流失客户群，那么就要有针对性地采用不同的策略、或者启动客户忠诚计划来提高其忠诚度，挽留住客户。综合以上，可以说在大数据时代第三方物流企业对客户关系的管理必将走向对客户进行有效分类的精细化之路，这种精细化不仅体现在对客户类型的有效识别还包括对客户流失预警的预测以及从长远角度对客户行为做出整体分析与描述，用以指导下一步各项具体策略的制定。

　　4.2.3 客户信息输出。

　　第三步，针对于大数据处理流程的第三步数据解释，就是将第二步得到的应用型数据用策略、方案、建议等方式解释出来。这个步骤里所涉及到的具体方法包括聚类分析、关联分析等方法，实现针对客户的个性化分析。然后基于这些对客户的分析，最后就是形成可行性报告应用于服务管理策略、市场管理策略、销售管理策略、及物流企业管理策略。这一部分是在收集客户信息并进行相关处理与分析之后，第三方物流企业将分析后的有价值的信息用以输出到企业管理层内部，用以指导企业内部制定的各种决策提供服务支持。

　　大体上来讲，第三方物流企业可以通过第二部分的具体信息分析提出有针对性的策略，比如在第二部分识别出重点的客户，那么针对重点客户的物流服务计划、营销策略等要突出倾向性；在分析出哪些因素可以导致哪些客户流失的基础上，要制定高效的手段与策略阻止客户的流失；在聚类分析出某类客户的需求特点后，具体的物流路线规划、运输设备等方方面面的规划要从整体上考虑。而站在第三方物流企业自身的角度来考虑，对其客户进行客户关系管理的最终目的是为了促进企业自身资源的合理优化配置，以及与其他企业间的物流资源共享，来达到降低物流成本，提高物流运营效率，最终提高企业效益的最终目的。因此，各项策略的出发点一定要充分考虑企业自身资源的有限性，同时更要注重在这种有限性的资源限制内，将资源达到最大效用去满足客户的需求。

　　同时必须认识到在大数据环境下，制定各项决策的方法与方式都与传统的方式大有不同。大数据环境下的决策问题是非常复杂的，第三方物流企业管理者在制定各项决策时可以利用适当的决策支持系统辅助决策，灵活应对环境变化所带来的变化。可以看出整个实施框架的内容与大数据的处理流程相一致，符合大数据的处理流程。而且整个实施框架解决了上述有关现存的客户关系管理实施结构所存在的问题，包括存在的以技术为主的问题，以功能性划分的问题等。不仅从根本上解决了传统 CRM 的弊端，更是实现了将大数据应用在第三方物流企业中。从图可以看出，大数据最终应用于物流企业中，还需要前期数据的收集、分发处理、汇总及与物流系统的融合。整个过程可能会对物流企业产生重大影响。