一、引言

　　随着网络技术的不断发展，互联网进入到了web2.0时代。相对于web1.0时代中用户主要通过浏览器获取信息，web2.0更强调了用户的高度“参与”与“互动”，不仅让用户成为了消费和制造网站内容的主体，也使得通过网络传播的口碑信息显现出了巨大影响力。用户一方面通过口碑，分享自己对某产品或服务的体验与感受，另一方面也从别人的口碑中获取参考，以指导自己的消费决策。

　　在这样的背景下，传统的CRM系统显现出了许多局限与不足：其单向性不能及时捕捉用户反馈，也无法充分运用用户口碑对企业的产品、服务情况进行实时监控。故此，构建融入社交平台信息、实现网络口碑管理的新型CRM系统成为了当下的发展趋势。对CRM系统来说，数据仓库的设计是基础且关键的一步。作为CRM的灵魂，数据仓库存储了企业内部和外部的各种数据，并将这些源数据整理成全面、系统的信息库，为系统功能的实现与拓展提供了支持和依据。本文即从web2.0的环境出发，从数据仓库的设计入手，分别对分析型CRM的体系结构，数据仓库的概念模型、逻辑模型、物理模型进行了讨论和设计，并在此基础上提出了相关应用，指出了构建过程中还需解决的一些问题。

　　二、面向网络口碑管理的CRM数据仓库设计

　　数据仓库是面向主题的、集成的、相对稳定且随时间不断变化的数据集合，用以支持管理人员的决策。建立CRM数据仓库能将原始数据转化为策略性信息，为企业进一步的数据分析与数据挖掘，如寻找意见领袖、制定精准营销策略以提供支持。此外，数据仓库产生的相关分析和监测报表，能直观地为企业进一步营销提供决策依据。

　　（一）分析型CRM体系结构

　　CRM系统主要由操作性CRM、分析型CRM、协作性CRM三个部分组成，其中分析型CRM是对从各平台获取的产品或服务信息进行集成，形成强大的数据仓库，用以支持查询、报表分析、数据的深度挖掘等。本文主要针对分析型CRM进行设计。图1为分析型CRM的体系结构，该系统从面向事务处理的数据库系统中获取原始数据，通过ETL过程对数据进行抽取、转换、装载，由此得到数据仓库层数据，建立起相应数据仓库，最后通过对这些数据的OLAP分析和数据挖掘得到报表等重要信息。

　　（二）概念模型设计

　　数据仓库的概念模型设计是以反应用户需求、发现需求之间关联要素为目的，在本系统中即是找准与决策制定相关的事实，继而分析出模型中的分类和确定事实的坐标属性。本设计主要采用多维模型。

　　对用户与信息关联这一主题进行的概念模型分析，其信息包图如图2所示。其中，用户具有较多的属性类别，如名称、性别、教育程度。在信息维度中，除了标题、内容等基本属性，还针对网络口碑的常见表现形式添加了“原创”、“转发”、“收藏”、“评论”四个重要类别，系统以此来对信息的性质进行标识，为之后寻找口碑信息的传播源、发现活跃用户提供线索和依据。此外，本模型还通过具体口碑信息的转发数、评论数，用户关注度等定量指标来搭建用户与口碑之间的关系，丰富各维度的信息。

　　（三）逻辑模型设计

　　数据仓库的逻辑模型分为星型模型和雪花模型。由于高规范化程度有利于获得更符合关系理论要求的逻辑模型，为使维度表趋于规范，本文中采用了雪花模型。创建雪花模型时，不仅需要逐渐删除维度表中现有的一些传递性函数依赖，还需要搭建属性类别之外的关系，以对删除掉的传递性函数依赖进行弥补。图3即是该数据仓库的逻辑模型，其中不仅有用户与用户之间关注与被关注、用户与信息之间发布、信息与信息之间转发、收藏、回复的直接关系，还以信息为媒介搭建出了用户和用户之间的间接关系，以此将数据仓库中各层次数据紧密联系起来。

　　（四）物理模型设计

　　物理模型是指数据在数据仓库中的存储方式和组织形式，包括软硬件的配置、确定数据的存储形式、设计相关表结构、选择索引策略等。根据上面设计的逻辑模型，创建出相应的物理表结构来存储数据。例如，对信息分析的信息事实表结构如图4所示。表中对信息的每一属性编写了规范的字段代码并选择了合适的字段类型，信息编码作为该表主码，用于对信息进行独一无二的标识、方便查询；发布用户、发布时间两项作为信息表的外码，用于建立其与相关表的联系。

　　图4信息分析的信息事实表结构

　　三、数据仓库在CRM中的应用

　　融入了社交平台信息及网络口碑管理的CRM系统不仅能保持了传统CRM在销售自动化、营销自动化、服务自动化等方面的优势，还针对web2.0背景下客户交流及口碑传播的新环境，拓展出更加丰富的功能。主要表现在“人”与“事”两方面。

　　（一）发现关键人

　　“人”既包括意见领袖，也包括潜在客户。意见领袖的确定一方面可以从客户的关注者、被关注者、学历、职业等属性构建其社会关系网络、确定客户在该关系网中的地位。另一方面则可从对其口碑的评论数、转发数、收藏数进行定量分析来确定客户口碑的影响力。此外，还可从与现有客户相关联的人、具体口碑信息的互动中发现关心企业产品或服务的潜在客户、发掘口碑传播的新平台。

　　（二）把握核心事

　　“事”包括口碑信息中的具体内容及客户所表达的态度。系统可采用语义分析、主题归类等方式，运用数据挖掘等技术对口碑内容及客户之间的互动进行信息发掘，从中分析出的主题与客户倾向不仅可以为企业售前、售中、售后的相关决策提供支持与服务，还能帮助企业及时收取客户反馈、实时监测口碑健康度、保存客户口碑记录、发现关键话题点、预测口碑发展趋势，以实现企业口碑危机预警，增强危机处理的灵活性。

　　四、结束语

　　web2.0时代在提供互动信息平台、改变消费者的行为模式的同时，也使企业的CRM系统面临了新的要求、新的挑战。准确把握机遇、充分运用网络强大的口碑力量，成为了新时代企业制胜的核心与关键。本文从web2.0的特点出发，提出了适应于新营销环境的面向网络口碑管理的CRM系统，并对其分析型CRM的体系结构，数据仓库的概念模型、逻辑模型、物理模型提供了设计思路与应用构想。当然，要完整实现此系统还需要解决一些问题，如原始数据的获取、不同平台数据的转换与统一、文本主题及客户态度的准确提取、网络口碑健康度的测量、关联信息的深度发掘等。这些问题共同决定了企业运用CRM系统的质量与成败，也为下一步的研究提供了方向。