客户关系管理课件

第一章客户关系管理的产生：1、客户资源价值的重视（管理理念的更新）2、客户价值实现过程需求的拉动3、信息技术的推动参考教材2.1节（P29）1、客户资源价值的重视成本领先优势和规模优势市场价值和品牌优势信息价值网络化价值4P 4C 关系营销价值链的变化客户中心论（教材1.1节）客户关系管理的内涵：综合所有CRM的定义，我们可以将其理解为理念、技术、实施三个层面。

其中，理念是CRM成功的关键，它是CRM实施应用的基础和土壤；信息系统、IT 技术是CRM成功实施的手段和方法；实施是决定CRM成功与否、效果如何的直接因素。

三者构成CRM稳固的“铁三角”CRM理念：客户关系管理首先是一种管理理念，理念是客户关系管理的指导思想和行为原则。

一个企业要进行客户关系管理，必须先树立客户关系管理理念。

●客户生命周期理论●客户价值理论（客户终身价值，CLV）●客户满意度、忠诚度●对应教材第一章的内容CRM技术：客户关系管理是建立在信息技术基础之上的，理念通过技术来体现，技术是成功实施CRM的手段和方法。

技术是客户关系管理不可或缺的组成部分。

软件系统使客户关系管理技术的重要内容。

客户关系管理技术还包括数据仓库、数据挖掘、呼叫中心等内容。

客户关系管理软件数据仓库与数据挖掘技术呼叫中心技术CRM实施：实施使客户关系管理成功的关键第二章所谓关系营销，是把营销活动看成是一个企业与消费者、供应商、分销商、竞争者、政府机构及其他公众发生互动作用的过程，其核心是建立和发展与这些公众的良好关系。

关系营销的本质特征：（１）双向沟通（２）合作（３）双赢（４）亲密（５）控制。

许多企业采取大量的措施提高客户的满意度，希望籍此提高客户忠诚度。

但是实践和研究发现，客户满意度并不等于忠诚度，许多行业存在着高满意度，低忠诚度的现象，这就是所谓的客户满意陷阱。

CRM的一般模型阐明了客户关系管理的对象、主要过程和任务之间的相互关系。

1 CRM的面向的对象是客户和市场2 CRM的主要过程由市场、销售和服务构成3 CRM各个过程都有特定的任务要完成CRM软件系统的组成部分：1、接触活动2、业务功能3、数据库1、接触活动CRM软件必须支持各种各样的接触活动CRM软件需要集成各种接触活动。

企业必须协调这些沟通渠道，保证客户能够采取其方便或偏好的形式随时与企业交流，并且保证来自不同渠道的信息完整、准确和一致。

接触活动是企业与客户的沟通、交互等活动，常见的方式有：电话/传真、移动销售（mobile sales）、电子邮件、Internet、面对面的沟通、其他营销渠道，如金融中介或经纪人、呼叫中心（Call Center）2、业务功能：市场营销管理销售管理客户服务与支持市场营销管理：市场营销管理的主要任务是：通过对市场和客户信息的统计和分析，发现市场机会，确定目标客户群和营销组合，科学地制定出市场和产品策略；为市场人员提供制定预算、计划、执行和控制的工具，不断完善市场计划；同时，还可管理各类市场活动（如广告、会议、展览、促销等），对市场活动进行跟踪、分析和总结以便改进工作销售管理：销售管理部分则使销售人员通过各种销售工具，如电话销售、移动销售、远程销售、电子商务等，方便及时地获得有关生产、库存、定价和订单处理的信息。

所有与销售有关的信息都存储在共享数据库中，销售人员可随时补充或及时获取，企业也不会由于某位销售人员的离去而使销售活动受阻。

另外, 借助信息技术，销售部门还能自动跟踪多个复杂的销售线路，提高工作效率客户服务和支持：客户服务和支持部分具有两大功能, 即服务和支持。

一方面，通过计算机电话集成技术（CTI）支持的呼叫中心，为客户提供每周7 x 24 小时不间断服务，并将客户的各种信息存入共享的数据库以及时满足客户需求。

另一方面，技术人员对客户的使用情况进行跟踪，为客户提供个性化服务，并且对服务合同进行管理CRM软件系统的一般模型：3、数据库数据库在CRM软件系统中作用客户信息数据库管理系统是CRM系统的重要组成部分，是企业前台各部门进行各种业务活动的基础。

CRM软件系统数据库的内容一个高质量的CRM数据库包含的数据应当能全面、准确、详尽和及时地反映客户、市场及销售信息。

CRM数据库的数据内容可以按照不同用途分成三类：客户数据、销售数据、服务数据。

CRM软件系统中的数据处理数据采集、数据存储、数据利用数据库在CRM软件系统中作用：数据库作为所有CRM过程的转换接口，可以全方位地提供客户和市场信息；帮助企业根据客户生命周期价值来区分各类现有客户；帮助企业准确地找到目标客户群；帮助企业在最合适的时机以最合适的产品满足客户需求，降低成本，提高效率；帮助企业结合最新信息和结果制定出新策略，塑造客户忠诚。

CRM软件系统数据库的内容：客户数据包括客户的基本信息、联系人信息、相关业务信息、客户分类信息等，它不但包括现有客户信息，还包括潜在客户、合作伙伴、代理商的信息等。

销售数据主要包括销售过程中相关业务的跟踪情况，如与客户的所有联系活动、客户询价和相应报价、每笔业务的竞争对手以及销售订单的有关信息等。

服务数据则包括客户投诉信息、服务合同信息、售后服务情况以及解决方案的知识库等。

这些数据可放在同一个数据库中，实现信息共享，以提高企业前台业务的运作效率和工作质量CRM软件的技术原则：易转换——适应性及强大的参数设置功能；强大的数据复制及同步功能；独立于开发平台（与核心部分以C++还是Java编写无关）；通过COM/DCOM以及CORBA与E-Business构成一体化结构，以及以网页为基础的组合结构；界面友好；关系DBMS以及通常的开发环境（C++, Java）。

技术功能：信息分析能力对客户互动渠道集成能力支持网络应用能力建设集中客户数据仓库能力对工作流集成能力与ERP集成能力2.2 CRM功能模块销售管理子系统市场营销管理子系统服务管理子系统现场服务管理子系统呼叫中心管理客户关系管理就是利用各种途径，尤其是IT技术，存储、共享、充分利用客户信息，优化与客户的相关业务流程并实现自动化，从而有效地建立、维持良好的客户关系，实现利润最大化客户生命周期是指当一个客户开始对企业进行了解或企业欲对某一客户进行开发开始，直到客户与企业的业务关系完全终止且与之相关的事宜完全处理完毕的这段时间客户的生命周期性可分为潜在客户期、客户开发（发展）期、客户成长（维系）期、客户成熟期、客户衰退期、客户终止期共六个阶段。

第三章数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-V olatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。

数据仓库概念的两个层次功能上：数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库；内容和特征上：数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。

、CF:与数据库概念的区别—四大特点数据仓库四个特点-面向主题数据仓库四个特点-集成的数据仓库四个特点-相对稳定的数据仓库四个特点-反映历史变化数据仓库本质：数据仓库实际上是一个“以大型数据管理信息系统为基础的、附加在这个数据库系统之上的、存储了从企业所有业务数据库中获取的综合数据的、并能利用这些综合数据为用户提供经过处理后的有用信息的应用系统”。

如果说传统数据库系统的重点与要求是快速、准确、安全、可靠地将数据存进数据库中的话，那么数据仓库的重点与要求就是能够准确、安全、可靠地从数据库中取出数据，经过加工转换成有规律信息之后，再供管理人员进行分析使用。

数据仓库所要研究和解决的问题就是从数据库中获取信息。

数据仓库系统体系结构数据源：是数据仓库系统的基础，是整个系统的数据源泉。

通常包括企业内部信息和外部信息。

内部信息包括各种业务处理数据和各类文档数据。

外部信息包括各类法律法规、市场信息和竞争对手的信息等等数据的存储与管理：是整个数据仓库系统的核心。

数据仓库的真正关键是数据的存储和管理。

数据仓库的组织管理方式决定了它有别于传统数据库，同时也决定了其对外部数据的表现形式。

要决定采用什么产品和技术来建立数据仓库的核心，则需要从数据仓库的技术特点着手分析。

针对现有各业务系统的数据，进行抽取、清理，并有效集成，按照主题进行组织。

数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（通常称为数据集市）OLAP服务器：对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的分析，并发现趋势。

其具体实现可以分为：ROLAP、MOLAP和HOLAP。

ROLAP基本数据和聚合数据均存放在RDBMS之中；MOLAP基本数据和聚合数据均存放于多维数据库中；HOLAP基本数据存放于RDBMS之中，聚合数据存放于多维数据库中。

联机分析处理（OLAP）：联机分析处理（OLAP）的概念最早是由关系数据库之父E.F.Codd 于1993年提出的。

当时，Codd认为联机事务处理（OLTP）已不能满足终端用户对数据库查询分析的需要，SQL对大量数据库进行的简单查询也不能满足用户分析的需求。

用户的决策分析需要对关系数据库进行大量计算才能得到结果，而查询的结果并不能满足决策者提出的需求。

因此Codd提出了多维数据分析的概念即OLAP。

未来◊联机分析挖掘，又称为OLAP MiningOLAP是一种软件技术，他使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的，这些信息是从原始数据直接转换过来的，他们以用户容易理解的方式反映企业的真实情况。

OLAP大部分策略都是将关系型的或普通的数据进行多维数据存贮，以便于进行分析，从而达到联机分析处理的目的。

这种多维DB也被看作一个超立方体，沿着各个维方向存贮数据，它允许用户沿事物的轴线方便地分析数据，与主流业务型用户相关的分析形式一般有切片和切块以及下钻、挖掘等操作。

共享多维信息的快速分析OLTP vs OLAP：∙细节的∙综合的或派生的∙当前的∙历史的∙可更新∙不可更新∙需求事先可知道∙需求事先不知道∙符合系统生命周期∙完全不同的生命周期∙对性能要求高∙对性能要求相对宽松∙事务驱动∙数据驱动∙面向应用∙面向分析∙一次操作数据量小∙一次操作数据量大∙支持日常事务∙支持管理需求数据挖掘的技术上的定义：数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。

这个定义包括好几层含义(1)数据源必须是真实的、大量的、含噪声的；(2)发现的是用户感兴趣的知识；(3)发现的知识要可接受、可理解、可运用；(4)并不要求发现放之四海皆准的知识，仅支持特定的发现问题数据挖掘的商业角度的定义：按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法数据挖掘与传统分析方法的区别：数据挖掘与传统的数据分析(如查询、报表、联机应用分析)的本质区别是数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识.。