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 3 章 大数据下第三方物流企业 CRM 现状分析
3.1 大数据下第三方物流企业 CRM 现状分析。
3.1.1 大数据下第三方物流企业 CRM 管理现状。
在当前第三方物流企业中，转型升级势不可挡，而且国内企业对于客户管理也不断重视，第三方企业在日常经营过程中，产生大量信息流和技术流，但这些基本都是以产品或利润为导向，并未真正实现以客户为中心，并未取得理想效果。第三方物流企业在客户管理过程中的基本现状如下所示：
（1）落后的客户关系管理思想。
在当前激烈的市场竞争中，第三方物流企业并没有深入认识客户关系管理，只是将客户管理管理水平作为第三方物流企业在客户发展过程中的销售竞争手段，并没有将客户关系管理作为企业核心竞争力，缺乏客户的第三方企业犹如无源之水，无本之木，企业也无法获得长远发展。第三方物流企业作为企业与客户的桥梁，同时服务企业与客户，而且在第三方物流企业在生产和消费的过程中，缺乏整体理念，仅仅从企业自身利益去看待客户关系，并未充分理解以客户为核心的价值观。因此，需要对客户的行为信息进行有效分析，实现信息共享，提高第三方企业物流服务人员的素质和工作效率。
（2）客户关系管理实施不完全。
第三方物流企业并没有专门的部门或组织来实施客户关系管理，在客户关系管理日益重要且竞争不断激烈的当今时代，需要有专门的机构对客户关系进行维护，同时，对专门的机构进行有的管理沟通。主要存在目标不明确，职责和分工不规范等，与此同时，需要其他 IT 等部门的技术支持，网络支持以及数据库的建设。在当前第三方物流企业中，在资金和技术方面都没有得到足够的支持。
（3）缺乏长久的实施支持。
大多数企业在实施客户关系管理时，缺乏长久持续经营的思想，不能做到基业常青。通过给予客户折扣，返利等手段，仅仅能在短时间内聚集客户，如果管理和服务无法增强，不能良好的维持客户关系，造成当折扣等政策取消时，客户也很快消失。
而且在日常经营过程中，由于没有实施良好的客户关系维持，当企业利益与客户利益相矛盾时，企业也是为照顾自身利益，牺牲客户利益。但真正持久的客户关系管理，需要企业从长远的战略角度来对待企业和客户之间的关系。
（4）过度依靠 CRM 软件系统。
在第三物流企业进行客户管理时，过度依靠管理软件，认为只要按照项目要求做好，企业的客户关系顺理成章就能维持好，但管理软件并非万能，仅仅是平时客户关系维护的辅助性工具，需要公司各部门给予支持，最重要的是有客户关系维护的意识，并将企业的有效资源进行整合分析，对客户进行专业性支持，有针对性的实施客户关系管理。
3.1.2 大数据下第三方物流企业 CRM 实施现状。
在现阶段，我国第三方物流企业在具体实施客户关系管理方面很大一部分是依靠具体的 CRM 实施方案，这些实施方案从不同的角度构建具体的客户关系管理的实施过程与步骤，在客户关系管理出现的 30 年间确实给第三方物流企业带来了良好的指导，第三方物流企业也在这些具体的实施方案的指导下对客户关系进行了很好的管理。但是在现阶段，在大数据时代的背景下，一些 CRM 实施方案已经落后于大数据的发展要求，因此下面将现阶段第三方物流企业 CRM 的具体实施框架做出总结，分析其现状如下三个方面：
（1）依据企业信息的处理程序来实施 CRM.
实施体系结构将第三方物流企业实施 CRM 的过程分为三大部分，依据企业信息的处理程序，大致分为，接触层，在 CRM 实施体系结构中，指企业客户信息的接触与收集；第二大部分是功能层，这部分对应着的是 CRM 实施方案中的最后一步，就是指在对收集过来的企业客户信息收集并且整理的基础上，整合、分析，并建立具体的应用模型，然后将有价值的信息、得到的信息结论应用与输出的过程，在第三方物流企业实施 CRM 中就体现为信息结果的输出；而对数据信息整合、分析、建模的过程在这类第三方物流企业 CRM 实施方案中一般都放在了支持层，也就是对应信息处理的第二大部门。在这里一般是强调对数据进行分析与整合所用到的数据挖掘技术，数据仓库技术等。同时还辅以企业中其他管理系统的支持。这样的实施方案实施过程清晰明了，实际应用性也很强。但是考虑到大数据背景下，第三方物流企业的信息来源早已经不仅仅局限在企业历史信息的收集与积累了，同时传统的数据挖掘技术已经无法胜任对异于传统结构化数据的非结构化数据的处理了。因此，这种实施方案核心思想可以在大数据下实施 CRM 继续借鉴。
（2）依据 CRM 所拥有的功能来构造实施体系结构。
这种构造方式也非常常见，它一般将第三方物流实施 CRM 分为 5 个重要的大模块或者称为 5 个子系统，包括市场营销管理、销售管理、服务与技术支持管理、现场服务管理、呼叫中心管理，这些模块可以集成在一起形成一个完整的实施大结构也可以独立存在于一个单独的部分。这类实施体系结构具有一定的灵活性，对于刚刚实施客户关系管理的第三方物流企业分步实施很有帮助。这种实施结构更多的是强调最后数据输出的结果应用，在前期数据的收集与积累阶段、数据的整合与分析阶段，这类实施体系结构并没有给予相应的说明与应用方法，只是在理论上对客户关系管理简单的分为 5 大实施部分，这样实施的后果会造成第三方物流企业对 CRM 的认识造成肤浅认识，并不能真正理解客户关系管理的内涵与具体实施应用的意义。此外，CRM 需要企业各部门的协同才能完成，需要企业内部资源的相辅相成。
（3）基于技术的角度来构造 CRM 实施体系结构。
这样的体系结构与上一点提到的以实施理论为基础的实施体系结构相互对照，就会发现这类实施体系结构过多的强调技术层面。技术角度主要从软件建设和数据的流动方面，过度侧重于技术。而且通过以上的大数据相关理论、相关技术的介绍分析可以知道，在大数据下，很多的数据挖掘技术早已发生变化，对应大数据中非结构化的数据，主流的处理工具是以 Hadoop 和以云计算为代表的大数据特殊的处理工具与技术。
3.2 第三方物流企业 CRM 在大数据下面临的挑战。
在大数据背景下，对现在逐步将客户升级为企业核心竞争力、强调以客户为中心的物流企业 CRM 带来了什么样的机遇与挑战值得我们深思。在这样一个数据高速增长，信息高度发达的年代，无疑数据是驱动物流企业发展的动力。那么面对海量数据，低密度的价值数据，第三方物流企业的数据短板，与客户信息、客户需求之间的矛盾与差距，使得第三方物流企业在大数据时代进行客户关系管理时面临严峻的挑战，主要体现在以下几个方面：
3.2.1 数据不足与客户流失控制与预测不足之间的矛盾。
客户流失一直以来就是企业面临的重大考验，而如何能够有效的控制与预测客户的流失也一直是长期讨论的热点。针对客户流失的控制与预测，传统的方法是建立在收集客户信息、资料的基础上，对客户的满意度进行分析。而往往这些数据是非常具有局限性的，仅仅是来自物流企业自身积累的客户服务信息，而且在分析时并没有突出分析客户的忠诚度。而现如今客户的需求多种多样，且时时变化，客户的很多信息大多体现在社交网站或商务网站，而且信息的价值密度又比较低，造成不能物流企业不能很好的去收集、分析客户的信息，去有针对性的满足客户需要，去提高客户的忠诚度。因此，只能用相对少且相对固定的数据制定客户流失控制策略，或进行客户需求预测及市场预测，往往效果不理想。
3.2.2 数据更新不足与客户聚类与个性化服务不足的矛盾。
对客户数据进行聚类分析，是物流企业进行客户关系管理很重要的一个应用方面。
物流企业的市场管理、销售服务等都与客户关系管理密切相关，都是强调以客户为中心。而根据数据对不同的客户群体进行聚类分析能够做到有针对性的进行管理，在降低客户关系管理成本的同时，也能够有效的制定实施营销策略。而对于物流行业，这样一个数据驱动型的物流企业，数据的更新可以说是至关重要，要求及时将新的信息反馈给管理部门[38].而普遍的结构化数据，或已有的数据库数据信息相对陈旧，脱离客户不断变化的需求，这必然导致据此制定的各项 CRM 策略缺少有效性，甚至是营销策略的失误。
3.2.3 数据类型单一与关联性分析不足的矛盾。
大量单一的客户结构化数据对已有客户的需求分析具有一定作用，然后对潜在客户或提高客户忠诚度上的作用不是很大。当前信息时代，除了传统的结构化数据，可以通过各项技术获得更多的半结构化的如网页、文本等数据，及一些非机构化数据，这些数据往往和客户的已有信息相关联，这些数据的收集与分析，能够为发展潜在客户提供基础。当前物流企业大部分依旧依赖于结构化数据，数据类型比较单一，不能及时了解客户的进一步需求或与当前需求相关的产品或服务，造成对潜在市场忽略。
3.2.4 客户需求变化与 CRM 模式滞后之间的矛盾很多物流企业对 CRM 的认识还停留在传统的与客户互动及管理方式上，虽然认识到了客户的重要性，但是在具体客户关系实施管理上，还存在很多问题，与信息时代的要求严重脱节。同时，在海量数据到来之时，又显得力不从心，无法挖掘出有效的价值信息对客户。这种"迟钝"导致客户需求得不到最大满足，对物流企业而言，面对残酷的市场竞争，时刻把握客户的需求，更好地为客户服务显得尤为重要[38]
.反之，则会导致被潜在客户所忽视，被老客户所抛弃，被客户抛弃意味着企业被市场淘汰。
3.3 大数据应用于第三方物流企业 CRM 可行性分析。
3.3.1 大数据的兴起与应用为物流企业 CRM 变革提供新思路。
大数据作为近两年来的一个热点词汇，不仅仅出现在各种学术杂志，而且也在 IT行业、电信行业、银行业得到了具体的实施与应用，而且结果表明应用大数据的理念、与其相关的技术确实为以上行业带来的效益上的增长以及客户管理上的有效提高。而且通过第二章的理论分析，可以得出大数据作为一种新兴的概念和与之相关的先进数据分析技术是与作为产生大量数据的物流企业不谋而合的，因此将大数据应用到物流企业具有很广的应用前景。现代物流企业产生的数据量是过去根本无法相比的，因此物流企业需要大数据的支撑，不仅是对其主要业务的支撑，当然包括其自身客户关系管理方面的数据支持，因此说，大数据的兴起与应用为物流企业 CRM 变革提供新思路。
3.3.2 大数据技术的不断提升与完善为第三方物流企业实施 CRM 奠定基础在第二章理论概述中，已经详细的分析了大数据的获取技术与分析技术，而这些相关的大数据技术的出现为解决第三方物流企业当前面临的 CRM 带来了新的机遇。采用先进的大数据获取技术，能够获得"大数据集",这些大数据集能够为快速了解客户的提供了数据基础与支撑，大量的有价值的客户数据为客户的个性化服务提供了数据依据。此外，通过大数据的技术还可以收集与获得更多的非结构化与半结构化数据，包括电子邮件、浏览网页、音视频等不同于传统数据的数据，而这些都为扩展更多的现有客户的针对性服务和发展潜在的有价值的客户提供基础。比如说针对于采集信息端中的识别、定位和感知，传输信息中的移动互联网技术，通过运用这些技术对大数据充分利用，那么第三方物流企业可以快速制定出高效合理的物流配送方案，不仅很大程度上降低物流配送的成本，而且提高物流配送的效率，给客户提供高效便捷的服务，最终获得用户之间的双赢。
3.3.3 菜鸟网络的成功运营为第三方物流企业实施 CRM 带来机遇。
大数据时代的到来，有效推动"大物流"体系的形成，以菜鸟网--阿里巴巴与多家快递公司成立的新公司"中国智能骨干网"为例，菜鸟网除了联合预测销售额和包裹数、新增和改建分拨中心、增加作业场地、提升物流没备及人员的数量外，更多的是借助于大数据的运算平台，将电商卖家与具体快递公司形成了信息共享链。这个信息链是双向的，首先菜鸟网将大数据平台运算的结果转化为具体实施建议，指导电商厂家能够高效的完成从端到端的配送，来提供送货的速度。其次是电商平台的时时物流数据能够根据卖家的购买商品种类、配送路线等信息及时备货，可以指导电商卖家进行及时合理的配货。统计数据显示，在 2013 年、2014 年菜鸟网顺利度过双 11 大关，没有出现往年的大面积爆仓现象，这些数据和事实表明，通过利用大数据技术进行物流资源与信息的有效整合，形成电子商务平台和各大速递企业之间的信息共享链，能够真正的提高国内速递企业整体服务能力。而这些摆在眼前的成果，是可以为第三方物流企业进行客户关系管理提供经验借鉴的。
3.4 大数据应用于第三方物流企业 CRM 必要性分析。
3.4.1 增强存量用户的忠诚度与粘性。
尽可能的满足客户需求是调高客户忠诚度与黏性的有效手段之一。企业在维系客户关系的过程中总会设法更好的了解客户的消费习惯与偏好，不断调整企业的设计、生产、销售等环节，从而提供更贴合客户需求的产品和服务。这些信息的有效来源之一就是第三方物流企业的日常经营活动。如果能从运营活动产生的海量数据中，提取客户行为的相关数据并进行量化分析，企业就能更直观的了解客户的消费习惯和偏好。
这样既能指导生产销售活动更好满足客户需求，也在主观方面减少企业经营者运用经验和个人直觉判断所产生的偏差。
通常情况下，相对于深度挖掘现存客户的潜在价值，第三方物流企业更偏向于开发新的客户群体。然而，根据巴莱多的二八定律，企业八成以上的利润实际上来源于存量用户，而这些存量用户，在全部客户群体中占比仅为两成。应用大数据分析，第三方物流企业可以构建用户的历史记录数据库，通过分析客户尤其是现存客户的行为习惯，建立相关的数据模型，预测客户的未来行为，在市场推广、产品服务供应、营销等环节不断调整规划，避免客户流失，从而不断增强存量客户的黏性。
3.4.2 获取新目标用户并挖掘其潜在价值。
企业的发展壮大离不开新市场的开拓。不断获取新的客户群体意味着新的市场增长点。应用大数据分析不但可以帮助第三方物流企业维系现存客户，也能为开发新用户群体提供信息和建议。信息技术不断高速发展，市场信息不再是单向流通。大数据技术能有效推动信息交互，不但能把产品服务信息推送给客户，也能利用客户信息的回馈发现新的需求。在不间断的信息往来交互过程中，大数据分析帮助企业准确定位新的目标客户群体，根据新群体的行为习惯和需求，不断调整自己的产品设计、个性营销、服务推广等环节，有效攫取新的客户市场。
获取新的目标客户要求第三方物流企业能准确发现并填补目标市场的薄弱甚至空白之处，抓住转瞬即逝的营销机会。第三方物流企业运营层面广阔、经营活动复杂，无时无刻不在产生着海量的数据。应用大数据分析，可以从这宏大的数据流中有效分离相关信息，例如，通过分析目标市场的供求关系、市场的动态环境、自身的相对优势等准确定位新的目标客户群体并深入发掘其潜在价值。准确发现目标客户、积极接触客户、满足客户需求吸引客户，乃至深入挖掘潜在价值黏住客户。
3.4.3 增强第三方物流行业管理透明度和服务质量。
日本早稻田大学的西泽修教授在 1970 年提出的了著名的物流冰山学说理论。西泽修教授认为，物流成本就像浮在水面上的冰山，财务报表中所反映出的物流费用、企业注意到的向外支付的费用只是冰山的一角，而藏在水下的冰山主体是企业年内部消耗的大量物流费用。当企业只关注于水面的成本时，往往会忽略深藏的各种问题。相反，假如第三方物流企业能充分发挥物流的作用，企业所获得的回报将是难以想象的丰厚。对于第三方物流企业来说，大数据技术不但能够搜集并有效处理日常作业活动的数据，还能帮助挖掘隐藏在水下的物流信息和成本。和传统的数据库技术相比，大数据技术的优势之一就是可以处理半结构化和结构化的数据。物流作业中产生的海量数据都可以作为大数据研究的数据对象，从而提高物流成本的透明度。
信息的逐步透明有助于客户选择更贴合自己需求的产品服务供应商，反过来也促进物流企业从业者合理配置物流资源，降低企业成本，无形中提高了经济效益和社会效益。同时，数据信息的交互传递，督促第三方物流企业自觉提高服务质量，提高企业竞争力。不只是单个企业，大数据技术同样有助于提高第三方物流企业整个行业的服务水平。申通快递曾经在中国（北京）国际服务贸易交易会展示了其最新的"信息化智能平台".该平台正是利用大数据搜集分析数据，准确掌握公司网点的业务情况和运营行为。无独有偶，百世汇通也积极应用大数据技术改进工作方式，该公司一直致力于通过大数据分析管理下属经营网点的经营活动，预测网点异动并积极采取措施，大大减少了客户投诉量，有效提高了服务质量和用户满意度。
3.4.4 降低第三方物流企业成本。
计算利润的一个最简单的公式是用运营收入减去运营成本。提高企业盈利的方式就可以简单归纳为提高收入和降低成本。大数据分析通过对第三方物流日常运营作业中产生的数据洪流归纳分析，帮助企业留住现有客户并逐步开拓新的客户群。数据分析也可以帮助企业分析并选择工作效率高、服务质量好的员工，无形中提高了公司的美誉度和知名度、顾客忠诚度，这些都在直接或者间接提高了公司的收入。另外，数据网络的建立、数据模型的运用有助于第三方物流企业优化经济作业流程，优化资源配置降低物流成本。大数据技术正是通过一张张密集的数据网络，帮助第三方物流企业不断探索适合自己的盈利模式并逐步优化。
