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。
图1 分析型CRM 的体系结构
（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。
图2 用户信息
