基于数据挖掘的客户关系管理
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
通常采用数据挖掘中的如统计回归、逻辑回归、 决策树、神经网络等方法,对消费者将来行为进行预 测分析,生成预测模型和建立评分模型。
2. 客户细分。 客户细分是指将一个大的客户群体划分为多个较小的客户群体,在划分后的每
个客户群体中,客户在某个或几个属性值上具有高度的相似性,而在不同的群体之间 客户则差别较大。细分的目的可以让管理者从一个比较高的层次上“鸟瞰”整个 数据库中的数据,从而可以用不同的标准或方法对待处于不同细分群中的客户,提供 针对性强、更个性化的服务。
5.系统可扩展性。
由于用户需求的多变与多样性，任何应用系统都无法覆盖所有用户 的所有需求，因此基于DW 的CRM 系统应易于扩展，有标准的对外接 口，能按需求进行个性化完善，以保障尽可能多和准确的获取可供挖掘 的客户信息。
百度文库
CRM 常用的数据挖掘方法
1.分类分析
分类定义了一种从属性到指定组的映射 关系，即找出一个类别的概念描述，来代表 这类数据的整体信息，挖掘出数据仓库中每 一类数据关于该类数据的描述或模型。分类 分析中，数据仓库中的类是事先利用训练数 据建立起来的。
数据挖掘在CRM 中的应用
1.新客户的获取。
在大多数商业领域中,业务发展的主要指标里包括 新客户的获取能力。挖掘新目标客户是企业不断成长 的关键,也是CRM 客户生命周期的第一步。
利用数据挖掘可以帮助完成日益繁重的潜在客户群 的划分,从而实现对获取新客户成本的有效管理并改善这些 活动的效果,可以明显提高营销活动的响应率,改善营销活动 的回报率。
3.数据集中共享。
基于DW 的CRM 要求系统的全部数据应集中 存储和管理，实现与其他系统的数据交换和集成。 进入系统的各类数据根据事先设定及内在规律和 联系，传递到相关功能模块中，实现数据高度共 享和系统高度集成，保证不同部门和不同应用软 件功能模块间数据的连贯性。
4.交流渠道高度集成。
电子商务环境下，基于DW 的CRM 将信涵、 面谈、电话、传真、E-mail、Web 访问等多客户 交流渠道整合、协调为一体，使各种渠道获取的 数据统一集中到CRM 数据仓库，这种相对完整和 一致的数据为挖掘有价值的信息提供了保障。
而近些年来兴起的数据挖掘技术,无疑为更好的进行客户关系管理提供了支持。 数据挖掘技术目前已经在国内外诸如银行、保险公司、电信公司和大型零售行业等很 多领域得到了广泛的应用,包括信用评估、欺诈发现、客户保持、营销策划、价格制定、 投资组合分析、财务分析、安全管理和战略规划等银行经营、管理和决策等。数据挖 掘的研究正方兴未艾,其发展前景已经在国际上得到了确认。而数据挖掘技术在客户关 系管理中的应用是当前的研究热点,也是为企业带来切实利益的有效手段。
客户关系管理( CRM) 就是企业利用信息技术,通 过对客户的跟踪分析,深层次的了解客户,并有针对性 的进行“热情”服务,以期留住老客户、吸引新客户。 如何在众多客户中区分关键客户、普通客户、垃圾 客户,并能及时发现那些忠诚度可能发生变化的客户, 及时引导他们维持在有利于企业的方向上非常关键。
如何提高客户的忠诚度,提升客户价值,进而产生 企业利益,已成为企业重点考虑的问题,同时也成为评 价一个企业竞争力的重要指标。
4.关联分析 是根据一个事物的出现发现另一项在同一事物中也出现，从 而发现规则，分析出产品关联和客户购买行为的关系，获得 对客户购买行为极有价值的信息，进而帮助企业及时把握客 户需求，对客户实行交叉销售，为企业决策提供参考。
5.偏差分析 侧重于发现客户关系管理中的不规则
和异常事件。在相类似的客户中，对客户 的异常变化要给予密切关注。如，当某客 户购买行为发生较大变化，购买量较以前 大为减少，这时就要调查其原因，避免客 户流失 。
基于数据挖掘的CRM 的特征
1.智能化信息处理。
面对海量信息，CRM 系统必须引入诸如智能化数据 分析、智能化决策支持等基于数据挖掘技术智能化处 理功能，通过对客户行为个性和规律的挖掘，来不断 寻找和拓展客户赢利点和赢利空间，使CRM 系统实 现流程自动化，辅助管理者决策。
2.一对一个性化服务。
基于DW 的CRM 与每一个客户建立一种学习型 关系，每次与客户的交往都使企业对客户多一份了解， 根据客户不断提出的需求来调整经营行为，不断改善 产品和服务，不断提高客户满意度，为客户提供一对 一个性化服务。
2.聚类分析
将物理的或抽象的对象分成几个群体， 在每一群体内部，个体间差距较小，不同群 体间个体差距偏大。与分类不同，数据聚类 计算量巨大，时间复杂度大，聚类结果主要 基于当前所处理的数据，事先并不知道类目 结构及每个对象所属类别。
3.预测分析
一般根据实现设计的预测分析模型的运算 进行。预测分析模型通常假设某种现象（因变 量）因其他现象（自变量）的出现而产生，或 随其他现象的改变而改变，在因变量和自变量 间存在着某种稳定的数量关系，进而通过已知 数据来预测可能的状况。
客户细分是企业确定产品和服务的基础,也是建立一对一营销的基础。可以用 数据挖掘中的排序、决策树或者聚类的方法来实现细分。
5. 客户保持与客户流失分析。 随着企业竞争越来越激烈,企业
获取新客户的成本不断上升。对大多 数企业而言,获取一个新客户的花费大大超过 保持一个已有客户的费用。根据哈佛商业评论的研究, 当客户的流失率降低5 % ,平均每位客户的价值就可以 增加25 %～100 %以上。因此,根据已流失客户数据, 利用粗糙集、神经网络等进行分析挖掘,发现流失客户特征, 对现有客户进行监控与分析,及时发现潜在的流失客户,从而 实施特殊的客户关怀与客户保留政策,提高他们对企业的忠诚度, 这一点对企业至关重要。
制 作：慕宏业 1113011048 小组成员：饶长红 1113011014
崔晋晋 1113011019 盛艳 1113011018 翟志强 1113011047
信息时代是一个“以客户为中心”的时代,企业已 经不再只是闭门造车研发产品而是走到客户当中来, 真正把客户当作上帝,了解客户需求,全心全意为客户 服务。
2. 客户细分。 客户细分是指将一个大的客户群体划分为多个较小的客户群体,在划分后的每
个客户群体中,客户在某个或几个属性值上具有高度的相似性,而在不同的群体之间 客户则差别较大。细分的目的可以让管理者从一个比较高的层次上“鸟瞰”整个 数据库中的数据,从而可以用不同的标准或方法对待处于不同细分群中的客户,提供 针对性强、更个性化的服务。
5.系统可扩展性。
由于用户需求的多变与多样性，任何应用系统都无法覆盖所有用户 的所有需求，因此基于DW 的CRM 系统应易于扩展，有标准的对外接 口，能按需求进行个性化完善，以保障尽可能多和准确的获取可供挖掘 的客户信息。
百度文库
CRM 常用的数据挖掘方法
1.分类分析
分类定义了一种从属性到指定组的映射 关系，即找出一个类别的概念描述，来代表 这类数据的整体信息，挖掘出数据仓库中每 一类数据关于该类数据的描述或模型。分类 分析中，数据仓库中的类是事先利用训练数 据建立起来的。
数据挖掘在CRM 中的应用
1.新客户的获取。
在大多数商业领域中,业务发展的主要指标里包括 新客户的获取能力。挖掘新目标客户是企业不断成长 的关键,也是CRM 客户生命周期的第一步。
利用数据挖掘可以帮助完成日益繁重的潜在客户群 的划分,从而实现对获取新客户成本的有效管理并改善这些 活动的效果,可以明显提高营销活动的响应率,改善营销活动 的回报率。
3.数据集中共享。
基于DW 的CRM 要求系统的全部数据应集中 存储和管理，实现与其他系统的数据交换和集成。 进入系统的各类数据根据事先设定及内在规律和 联系，传递到相关功能模块中，实现数据高度共 享和系统高度集成，保证不同部门和不同应用软 件功能模块间数据的连贯性。
4.交流渠道高度集成。
电子商务环境下，基于DW 的CRM 将信涵、 面谈、电话、传真、E-mail、Web 访问等多客户 交流渠道整合、协调为一体，使各种渠道获取的 数据统一集中到CRM 数据仓库，这种相对完整和 一致的数据为挖掘有价值的信息提供了保障。
而近些年来兴起的数据挖掘技术,无疑为更好的进行客户关系管理提供了支持。 数据挖掘技术目前已经在国内外诸如银行、保险公司、电信公司和大型零售行业等很 多领域得到了广泛的应用,包括信用评估、欺诈发现、客户保持、营销策划、价格制定、 投资组合分析、财务分析、安全管理和战略规划等银行经营、管理和决策等。数据挖 掘的研究正方兴未艾,其发展前景已经在国际上得到了确认。而数据挖掘技术在客户关 系管理中的应用是当前的研究热点,也是为企业带来切实利益的有效手段。
客户关系管理( CRM) 就是企业利用信息技术,通 过对客户的跟踪分析,深层次的了解客户,并有针对性 的进行“热情”服务,以期留住老客户、吸引新客户。 如何在众多客户中区分关键客户、普通客户、垃圾 客户,并能及时发现那些忠诚度可能发生变化的客户, 及时引导他们维持在有利于企业的方向上非常关键。
如何提高客户的忠诚度,提升客户价值,进而产生 企业利益,已成为企业重点考虑的问题,同时也成为评 价一个企业竞争力的重要指标。
4.关联分析 是根据一个事物的出现发现另一项在同一事物中也出现，从 而发现规则，分析出产品关联和客户购买行为的关系，获得 对客户购买行为极有价值的信息，进而帮助企业及时把握客 户需求，对客户实行交叉销售，为企业决策提供参考。
5.偏差分析 侧重于发现客户关系管理中的不规则
和异常事件。在相类似的客户中，对客户 的异常变化要给予密切关注。如，当某客 户购买行为发生较大变化，购买量较以前 大为减少，这时就要调查其原因，避免客 户流失 。
基于数据挖掘的CRM 的特征
1.智能化信息处理。
面对海量信息，CRM 系统必须引入诸如智能化数据 分析、智能化决策支持等基于数据挖掘技术智能化处 理功能，通过对客户行为个性和规律的挖掘，来不断 寻找和拓展客户赢利点和赢利空间，使CRM 系统实 现流程自动化，辅助管理者决策。
2.一对一个性化服务。
基于DW 的CRM 与每一个客户建立一种学习型 关系，每次与客户的交往都使企业对客户多一份了解， 根据客户不断提出的需求来调整经营行为，不断改善 产品和服务，不断提高客户满意度，为客户提供一对 一个性化服务。
2.聚类分析
将物理的或抽象的对象分成几个群体， 在每一群体内部，个体间差距较小，不同群 体间个体差距偏大。与分类不同，数据聚类 计算量巨大，时间复杂度大，聚类结果主要 基于当前所处理的数据，事先并不知道类目 结构及每个对象所属类别。
3.预测分析
一般根据实现设计的预测分析模型的运算 进行。预测分析模型通常假设某种现象（因变 量）因其他现象（自变量）的出现而产生，或 随其他现象的改变而改变，在因变量和自变量 间存在着某种稳定的数量关系，进而通过已知 数据来预测可能的状况。
客户细分是企业确定产品和服务的基础,也是建立一对一营销的基础。可以用 数据挖掘中的排序、决策树或者聚类的方法来实现细分。
5. 客户保持与客户流失分析。 随着企业竞争越来越激烈,企业
获取新客户的成本不断上升。对大多 数企业而言,获取一个新客户的花费大大超过 保持一个已有客户的费用。根据哈佛商业评论的研究, 当客户的流失率降低5 % ,平均每位客户的价值就可以 增加25 %～100 %以上。因此,根据已流失客户数据, 利用粗糙集、神经网络等进行分析挖掘,发现流失客户特征, 对现有客户进行监控与分析,及时发现潜在的流失客户,从而 实施特殊的客户关怀与客户保留政策,提高他们对企业的忠诚度, 这一点对企业至关重要。
制 作：慕宏业 1113011048 小组成员：饶长红 1113011014
崔晋晋 1113011019 盛艳 1113011018 翟志强 1113011047
信息时代是一个“以客户为中心”的时代,企业已 经不再只是闭门造车研发产品而是走到客户当中来, 真正把客户当作上帝,了解客户需求,全心全意为客户 服务。