1)客户知识的生成（generation）
使用商业智能提供的OLAP分析工具、知识发现工具或两种工具的组合，发现存在于客户数据中的模式、规则、概念、规律的整个过程，叫客户知识的生成（图4）。相比较而言，知识发现工具的使用难度较大，包括确定任务、选择合适的挖掘工具（数据准备、挖掘算法、结果解释等），以及明确哪部分任务必须有营销专家参与，哪部分可以自动执行。
①客户标识（identification）
又称客户认识（Awareness）。即知道谁是你的客户。如果你的企业没有集成的客户数据，那么它很有可能会遭受客户认识危机（customer aware challenged）。
集成的客户数据是指面向客户的操作数据存贮（operation aldatastore），它存贮了集成的和经过净化的、当前的客户数据。企业的任何与客户打交道的职员每时每刻会参考这其中的数据，了解客户目前产品和服务的处境，当前的接触信息、接触结果，突发事件等。存贮当前信息的数据库的正确利用，会大大提高企业对客户的评价的准确性和认识能力。
②客户分类（segmentation）
假设企业已经认识到客户的存在，但如何知道哪些客户对企业是盈利，哪些是不盈利的。仅依据对客户当前信息的分析，很难得出令人满意的答案。企业此时需要与客户有关的历史记录。针对不同的客户分类方式，有时采用分析技术可以实现，而当有时面对较深层次的分类任务时，就需要引入知识发现技术了。
一个好的数据仓库环境，可完全满足客户分类对数据的多重需求。数据仓库环境集成了与客户有关的当前和历史的数据，并在此基础上建立起面向不同分析任务的应用（数据集市）。比如，客户利润率分析，销售渠道分析，商业活动分析等。这些分析算法必须与企业的商业模式相一致。
③客户满意
企业是否能够测量客户满意度？在你的企业中，客户满意分别与企业员工的积极性和企业实施的优惠政策是否有关系？如果你的答案是否定的，那么可以认识你的企业还没有建立以客户为中心的正确的环境。
这种正确的环境绝非是仅建设先进的CallCenter等手段所能实现的，它需要一个企业的企业文化、组织结构、管理模式等整体环境的大调整，以适应从以产品为中心到以客户为中心的转变；另一方面，还包括使用知识发现技术对客户知识的正确的发现和使用，了解客户满意需要的是什么，如何改进产品使客户做到更满意。
④客户差异（differentiation）
客户差异是指企业根据不同客户对企业的贡献的大小，实施在客户上的不同的价值回报。分析的对象包括客户生命周期价值、消费行为、VIP特征等。企业需要建立相应的知识发现模型。此外，企业必须具有对知识发现结果客户知识的快速反应的能力，企业各部门能够做到基于客户知识的互动。
⑤客户忠诚
客户忠诚直接的表现是客户的持续购买，它反应了企业对客户不断更新的需求的有效把握。客户忠诚是对客户知识的反复有效利用的结果。客户忠诚的获得是企业在客户关系上最难达到的境界，但却是非常好的的。通过持续的接触，忠诚客户数据的收集和集成成为最容易和是最有效的事情，但忠诚客户的保留问题仍离不开知识发现技术的支持。随着人们越来越深刻地认识到客户忠诚的重要性，知识发现技术在客户保留中的作用也会逐渐显现出来。
2)客户知识的分发（distribution）
客户知识必须到达组织内每一个需要客户知识的部分。将客户知识存贮于动态知识库，借助CRM的系统平台，将客户知识分发到需要的终端。不仅如何分发知识，还有一个知识分发质量（quality）和多少（how much）的问题。
3)客户知识的使用（usingit）
将客户信息和知识投入使用是CRM的最后一个环节。许多CRM和知识发现没有成功，很大程度上在于产生的与客户有关的信息和知识不能投入使用。CRM通过营销、销售、客户服务和支持与客户打交道，客户知识通过它们的使用与集成，作用于客户。这些工作不单是一个合理的信息结构所能完成的，需要与之整合的工作流程做支撑，即JimBerkowitz谈到的合理的组织结构。
3.构建基于客户智能的CRM系统
3.1.系统主要组件及作用
1)数据仓库
数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制订过程。客户数据分布在企业的多个应用系统中，数据仓库从这些应用系统中抽取、清洗、转换，使之符合基于数据仓库的分析与决策工具的数据要求。本文将数据仓库应用在CRM的形式称为CCDW（customercentricdatawarehouse，客户信息数据仓库）。
数据集市（datamart）是按照某一特定部门的决策支持需求而组织起来的、针对一组主题的小型数据仓库。由于创建企业级的数据仓库存在许多困难，许多CRM方案采用数据集市的变通办法。从数据集市可以升级到企业级数据仓库。
2)OLAP
CRM从CCDW中发现有用的信息有两种不同的方式，方式之一是较低层次上的由用户制导的被动方式，这种方式多指OLAP分析。OLAP分析属于验证驱动型发现。其策略是：用户首先提出自己的假设，然后利用OLAP工具检索查询以验证或否定假设。
在CCDW的数据环境下，OLAP提供上钻、下钻、切片、旋转等在线分析机制。完成的功能包括多角度实时查询、简单的数据分析，并辅之于各种图形展示分析结果。
3)知识发现（KnowledgeDiscoveryinDatabase,KDD）
CRM从CCDW中发现信息的另一种方式就是知识发现，是高层次上的主动式自动发现方法，被称为发现驱动型知识发现。知识发现是从大型数据库中的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的、潜在有用的信息，提取的知识表示为概念（concepts），规则（rules），规律（regulations），模式（patterns）等形式。知识发现是实现从客户数据、信息到客户知识转变的有力的工具。
从以上构成系统的三个组件的介绍中同时可以找到对以下两个问题的答案：1、客户数据、客户信息、客户知识之间的区别（图5）：由来自于事务系统，如ERP、SFA等的源数据经整理后放入CCDW或数据集市，这一过程处理的对象称为客户数据；OLAP为决策人员提供了展示有意义的客户数据的机制，这种有意义的客户数据称之为客户信息；客户数据和客户信息均可以通过KDD技术的运用，提升为对决策有价值的客户知识。2、客户知识生成的途径：从对第一个问题的解答中可以知道，客户知识从KDD作用的对象来看有两种途径：KDD作用于客户数据、KDD作用于客户信息，总之，客户知识生成是依赖于KDD过程的复杂的过程。
3.2.系统架构
图6是本文给出的以客户智能为核心的ICRM系统架构。从数据源层来的客户数据经过ETL（抽取、转换、装载）、清洗后以数据存储层的CCDW或数据集市的形式存储。应用支持层是提供了报表查询、OLAP、知识发现分析决策工具，作用于客户数据，该过程产生的有价值的客户知识存储于动态知识库中。互动层提供了ICRM利用客户知识从而有效实施其功能的场所。该架构具有以下特点：
1)ICRM有自己独立的数据存储中心，不依赖于业务系统；
2)ICRM的数据存储中心可以导出供客户接触使用的数据，可以直接被商业活动管理利用。OLAP分析可以直接在数据存储中心的基础上使用。知识发现需要的数据一般从数据存储中心按需要抽取；
3)ICRM在互动层提供多种渠道与客户接触，如Email，CallCenter，WEB等；
4)商业规则与元数据管理贯穿了ICRM的整个结构；
5)EIP（EnterpriseInformationPortal，企业信息门户）提供了用户获取信息的统一界面（基于WEB）。通过这个界面，ICRM将客户知识分发在包括事务型系统在内的所有企业应用，使ICRM成为企业应用的核心并促进企业集成；
6)图6中描述的知识库是存储客户知识的场所，它与传统的DSS、EIS中的知识库有很大区别。由于系统是一个闭环的动态系统，知识库的内容在不断地自动修正，所以是一种动态结构，而不像DSS、EIS中的知识库是很少发生变化的。
图6中，数据源层代表数据的收集，互动层是将分析、处理的结果直接作用于客户，可以归为操作层面；应用支持层是ICRM的分析、处理层面，叫做分析层面；数据存储层为操作层和分析层面提供统一的客户视图，归为统一视图层面（图7）。三层的关系为：统一视图层面是操作层面和分析层面的数据支持；操作层面为统一视图层面收集数据，将分析层面的决策支持结果加以执行。分析层面为操作层面提供技术支持。
强大的决策分析功能和整合的客户信息是ICRM科学、正确地实现客户智能的灵魂。决策分析的主题体现了客户智能理论基础所能涉及的所有内容，如利益率分析、忠诚度分析、消费行为分析等，这些分析的结果（客户知识）指导企业如何更有效地满足客户需求和期望，`同时，对企业来讲，不但要实现以产品为中心到以客户为中心的战略转变，而且应对客户的策略也必须做出转变，如采用有益于提高满意与忠诚的营销策略、注重客户生命周期价值而不是一两次交易的收益等。
4.总结
本文针对存在于人们对商业智能认识上的偏差和CRM实施中的实际困难，提出了客户智能的概念。接下来通过介绍客户知识从产生，到分发、使用的可操作性流程与方法，说明了客户智能实现的流程。本文创新性地提出了以客户智能为核心的CRM的系统架构、逻辑结构，该框架集成了商业智能先进的信息技术手段，突出了客户智能在实现CRM功能中的决定性作用。相信通过本文对客户智能概念和实现的介绍，有助于人们对CRM的理解和实施。(e-works)
