07 客户关系管理的数据信息分析

7.4 案例分析——在金融业数据挖掘应用的案例
• 数据挖掘已经广泛应用于银行和金融市场。在银 行业，数据挖掘主要用于信用欺诈的建模和预测、 风险评估、趋势分析、收益分析等活动。 • 识别高价值的客户就是获取市场机会、寻找利润 增长点。 • 将数据挖掘技术和实时营销活动结合起来的企业 在创造商标价值和客户价值方面将发挥重要作用。
3．客户关系管理决策支持的系统模型
图7-5 CRM决策支持系统通用模型
4．CRM决策支持系统中的数据分析模型 (1)使用特征化和划分了解客户的基本状况。 (2) 使用响应建模定位新的潜在客户。 (3) 使用风险建模避免高风险客户。 (4) 使用流失建模留住创利客户。 (5) 客户终生价值建模来定位创利客户。 (6) 市场分析。
A9
组织私人关系相关度 RRG
A14
非正当关系相关度 ROU
2．客户关系的基本逻辑模型和计算模型
一般意义上，YRIDX与Xf，Xs，Xv和Xt存在着某种函数关 系，因此，我们给出如下关系指数的基本数学模型： YRIDX = F（Xf ，Xs，Xv，Xt） (1) 这是一般意义上的数学模型，我们可以简单的描述： YRIDX = k1Xf + k2Xs + k3Xv + k4Xt (2)
基本信息是指客户信息中最原始的一类信息， 这类信息是企业与客户打交道时保留下来 的，如商品的购买时间、地点、数量、品 种等。基本信息是客户信息中的主要信息， 占有很大的份量，同时它还是经营决策的 主要依据。
2．统计信息
统计信息是对基本信息进行提炼，进一步 汇总和统计后得到的信息，主要是各类报 表。这类信息除了依据原始的基本信息外， 还要依据统计的方式和方法，而统计的方 式与方法又与信息使用的目的相关。
3．OLAP的优点
直观的多维数据模型使用户很容易就能选 择、浏览和研究数据。 分析查询语言为研究复杂的业务数据关系 提供了强大功能。 对频繁查询的数据预先进行计算，而不是 在执行时加入的数值，OLAP加快了向浏览 这些多维结构的最终用户提交信息的速度。
4．OLAP的实现方法
(1)ROLAP表示基于关系数据库的OLAP实现 (Relational OLAP )。 (2)MOLAP表示基于多维数据组织的OLAP实现 (Multidimensional OLAP )。 (3)HOLAP表示基于混合数据组织的OLAP实现 (Hybrid OLAP )。
在近半个世纪以来，由于“知识经济”的兴起以及 经济全球化进程的日益加快等原因，使得世界经济 环境发生了巨大的变化。在这种背景下，许多公司 的核心任务转向为怎样开展客户关系管理。而客户 终生价值是测量客户关系管理方案成败的关键因素。
2．客户终生价值的组成
所谓客户终生价值（ Customer Lifetime Value ， 简称 CLV 或 LTV ）是随着时间的延续，企业从客 户 ( 个人、家庭或中间商 ) 那里获得的所有收益 超过公司为吸引这个客户、向这个客户出售商 品、提供服务等所有支出成本的一个可接受的 现金量，并且要将这个现金量折为现值。
5．基于数据仓库的OLAP
(1)数据仓库的基本概念 数据仓库经常用作决策支持系统的基础。 一个组织机构尝试使用用于联机事务处 理 (OnLine Transaction Processing System，简称OLTP)的同一数据库执行策 略分析时可能会遇到问题，而数据仓库 的设计目的是要克服这些问题。
(1) 面向客户的决策支持。 (2) 面向部门的决策支持。 (3) 面向企业高层管理者的决策支持
2．客户关系管理决策支持的功能
(1) 客户分析：包括客户价值、客户信誉度、客户需 求、客户潜力、客户流失等分析。 (2) 市场分析包括市场细分分析、目标市场分析、产 品市场分析、市场趋势分析。 (3) 营销分析：包括营销渠道分析、营销活动分析、 促销反馈分析、产品价格分析。
2．OLAP的特点
快速：以相当固定的速度向用户提交信息。大多 数查询应当在5秒或更短时间内提交给用户。 分析：执行对数据的基本数字和统计分析，这是 由应用程序开发人员预定义或由用户特别定义的。 共享：在大量用户间，实现潜在地共享秘密数据 所必需的安全性需求。 多维：OLAP的基本特征。 信息：访问应用程序必需的、相关的所有数据和 信息，而不管它驻留在何处，并不受卷的限制。
1．客户关系的属性集
关系代号 RNO
A2
关系名称 RNA
A3
关系对象标识 RIDE=CNO
A4
关系类型 RTYPE
在对客户关系指数模型建模时需要重点关注其中的 几个重要属性：
序号 A8 属性名称 （Attributes Name） 目前关系指数 RIDX 属性描述 （Description） 是价值类属性，是衡量关系价值的最 重要指标，由多个因素决定，表明关 系的质量、关系的深浅，是关系的当 前指标，也是关系模型建模的重点对 象； 衡量企业中个人对这个关系影响程度 的大小，也表明这条关系的稳定性， 企业应尽量使这一指标降低到可接受 的范围，以避免在这条关系依赖的员 工离开时，关系指数急剧下降到0； 是指一个关系受非正当交易因素的影 响程度，也表明“桌底交易”对关系 的相关程度；
(2) 数据仓库和OLAP的关系
数据仓库侧重于存储和管理面向决策主题 的数据；而 OLAP 则侧重于数据仓库中的 数据分析，井将其转换成辅助决策信息。
(3) 基于数据仓库的OLAP
下图展示了OLAP系统的工作模型：
图7-3 OLAP系统工作模型
7.3.5 客户关系管理决策支持
1．客户关系管理决策支持的分类
2．客户关系管理决策支持的功能
(4) 销售分析包括产品销售分析、部门销售分析、 销售利润分析、销售预测、员工业绩分析。 (5) 服务分析包括客服项目分析、客户投诉分析、 客户满意度分析、产品缺陷分析、客户关怀分析。 (6) 竞争分析包括市场占有率分析、对手产品价 格分析、对手产品性能分析、对手产品线分析、 市场机会预测。
1．内部信息 (1) 生产信息 (2) 销售信息 (3) 技术信息 2．外部信息 (1) 市场需求信息 (2) 竞争信息 (3) 用户信息
7.1.2 CRM信息按信息利用程度及难易程度分类
CRM中的信息按信息利用程度及难易程度 可以分为三大类型。
1．基本信息 2．统计信息 3．文本信息
1．基本信息
3．影响客户终生价值各因素分析
(1) (2) (3) (4) (5) (6) (7Fra Baidu bibliotek (8) 计算的时间长度 贴现率 客户的维系率 产品被提及率 客户收入的变化 客户关系的维系成本 营销费用 其他
7.3.4 联机分析处理
1．OLAP的基本概念 在一个OLAP数据模型中，信息可以在概念上被 视为一个立方体，它由描述的种类(维)和定值(量 度)组成。 多维分析是指对以多维形式组织起来的数据采取 切片(Slice)、切块(Dice)、钻取(Drill-down)、 旋转(Pivot)等各种分析动作，以求剖析数据， 使用户能从多个角度、多侧面地观察数据库中的 数据，从而深入理解包含在数据中的信息。
3．文本信息
最后一种就是对企业非常有用的，但又没 有一定结构且信息量比较大的文本信息。 这类信息可以将其分为两个部分，其中有 一部分是可以量化或编号的，另外一种文 本信息不可量化。
7.2 CRM 的客户信息
7.2.1客户数据类型 7.2.2客户数据的隐私与安全
7.2.1客户数据类型
客户数据的来源与类型是复杂的。它们的特征如表7-1：
3．客户关系指数模型的自变量
一个宏观上的满意度评估要考虑的因素如下图所示
图7-2 The e-Loyalty matrix客户忠诚度矩阵
7.3.3客户终生价值分析模型
1．客户终生价值理论 2．客户终生价值的组成 3．影响客户终生价值各因素分析
1．客户终生价值理论
提高客户忠诚度过程中的重要一点是关注客户流 失率，并采取措施有效地降低流失率。
该图展示 了CRM 客户信息 分析的一 般途径：
图7-1 CRM客户信息分析
7.3.1 客户关系管理的一般统计分析
CRM系统的一般统计分析主要包括以下三 部分： 1．客户市场管理统计 2．客户销售管理统计 3．客户支持与服务管理统计
7.3.2
序号 A1
客户关系指数模型
属性名称（Attributes Name） 属性描述（Description） 每一个需要管理的客户关系给定一个代 号，作为关系的唯一识别，可作为关系 的主码； 给定这个关系一个容易理解的名称，也 可直接用客户名称来定义这个关系名称； 客户数据库中的客户唯一代码，在数据 库中可以另外建立一个关系表，也可直 接引用销售系统中的客户代码； 可采用比较灵活的定义方法，可针对关 系对象的性质，确定类型的标准后，按 标准定义。比如可定义为组织类型或个 人关系类型；
第七章 客户关系管理的数据信息分析
7.1客户信息的来源和分类 7.2 CRM 的客户信息 7.3客户关系管理的信息分析 7.4 案例分析——在金融业数据挖掘应用的 案例
7.1客户信息的来源和分类
7.1.1 CRM信息按来源分类 7.1.2 CRM信息按信息利用程度及难易程度 分类
7.1.1 CRM信息按来源分类
预测能力 稳定性 获取代价
人口统计学 数据
行为数据 心理数据
中
高 中
高
低 中
低
高 高
表7-1 客户数据类型和特点
7.2.2客户数据的隐私与安全
1．保证客户信息的安全性 2．尊重客户的隐私权 3．建立企业内部的知识共享
7.3客户关系管理的信息分析
7.3.1 客户关系管理的一般统计分析 7.3.2 客户关系指数模型 7.3.3客户终生价值分析模型 7.3.4 联机分析处理 7.3.5 客户关系管理决策支持