1、第九章 客户信息的整合与运用,9.1 客户信息、信息技术与CRM,9.1.1 客户信息概述 1、客户信息、客户数据与客户知识,2、客户信息的类型 描述客户是谁的信息 描述对客户进行营销或者促销活动的信息 描述客户与企业交易的信息这些客户信息为未来进行客户细分、客户价值的确定、客户生命周期的管理和客户忠诚计划提供了保证 3、客户信息的重要性说明 客户信息质量低下的危害性：储存和管理重复资料的高额成本；无法有效准确地处理客户联系和活动；对客户目前和潜在的价值，以及过去已经发生和未来可能发生的行为和要求，无法进行深刻分析；无法适当地划分和描述客户，也就无法提供个性化服务。 客户信息对客户管理系统的重
2、要性, 受客户信息水平影响最大的4个领域 开辟新的分销渠道、关闭旧的分销渠道及重新部署现有的分销渠道等决策。 事半功倍的能力用更少的员工为更多的客户服务。 领域是提高销售和营销活动的效率，并以较低的成本实现相同的市场效率。 领域是如何依据客户需求分配宝贵的客户服务资源，提高客户服务水平。 4、客户信息对其他管理活动的影响 减少外部采购的需求 对不断变化的经营环境的反应,5、客户数据客户信息客户知识OLAP（联机信息分析处理）,9.1.2 CRM中的信息技术介绍,数据库管理系统：客户服务代表与存储于计算机中的数据之间的软件界面，就是数据库管理系统（DBMS)。对于任何重要的CRM系统而言，好的D
3、BMS都是必不可少的。 数据仓库。它能使客户服务代表、呼叫中心经理、管理人员和其他得到授权的个体或实体接触各种信息。 数据挖掘。数据挖掘软件支持从貌似无关的大量数据中挖掘出有用数据的工作。数据挖掘通过确定数据间的关系和关联来工作。数据挖掘的结果利于促销，如识别客户的喜好。 决策支持。决策支持软件包含使用电话中心经理和公司领导能回顾和利用数据以作出更好决策的软件工具。从简单的电子表格程序，到复杂的图形界面的过程模拟器。 电子邮件。,9.1.3 CRM系统中信息技术的应用,1、数据仓库的应用是面向主题的、集成的、不断更新且随时间而不断变化的数据集合，用于支持管理人员的决策。 2、数据挖掘技术的应用
4、数据挖掘能够帮助企业确定客户的特点，从而可以为客户提供有针对性的服务。,9.2 CRM系统和数据仓库,9.2.1 数据仓库概述数据仓库（Data Warehouse，DW） 特征： 数据仓库中包含大量数据，这些数据可能来自企业或组织内部，也可能来自外部； 以数据仓库方式进行组织的目的是为了能够更好地支持决策； 数据仓库为最终使用者提供了用于存取、分析数据的工具。 类型： 企业数据仓库（Enterprise Data Warehouse，EDW） 操作型数据库（Optional Data System，ODS） 数据集市（Data Mart）,9.2.3 数据仓库的技术结构,9.2.4 面向CR
5、M系统的数据仓库设计与开发,1、任务和环境的评估 2、需求的收集和分析 3、构造数据仓库 4、数据仓库技术的培训 5、回顾、总结与再开发,9.2.5 数据仓库解决方案,1、 Sybase提供的数据仓库解决方案 2、SAS提供的数据仓库解决方案 3、Platinum提供的数据仓库解决方案 4、HP提供的数据仓库解决方案 5、IBM公司提供的数据仓库解决方案 6、Informix公司提供的数据仓库解决方案 7、Oracle公司提供的数据仓库解决方案,数据仓库解决方案带来的好处： 新的观点 信息决定商业决策 跟踪客户 了解客户 客户忠诚度 9.2.7 数据仓库建设项目失败的原因 缺少领导的大力支持和
6、积极参与 过高的期望值 没有以决策支持为核心 人员配备不够充分 低估了数据清洁、转换、载入的工作量 低估了用户对系统扩充的需要 对用户界面和前端工具的重视,9.3 CRM系统中的数据挖掘,1、数据挖掘的进化历程,2、数据挖掘的主要特征 数据挖掘面对的是海量数据，这实际上也是数据挖掘产生的原因 数据可能是不完全的、有噪声的、随机的、又复杂的数据结构且维数较大 数据挖掘是多学科的交叉 3、数据挖掘的未来发展方向 与专家系统结合的数据挖掘 网络数据挖掘 数据挖掘的时序性 对非结构化数据的挖掘 引入新的数据挖掘算法,9.3.2 数据挖掘的基本任务 1、自动预测趋势和行为 2、关联分析 3、聚类分析 4
7、、概念描述 5.偏差检测 9.3.3 数据挖掘的技术与算法简介 1、数据挖掘的集合论技术 粗糙集技术：粗糙集将知识定义为不可精确区分的关系的一个族集，这就使知识有了明确的数学含义，易于进行数学分析。 概念树技术：一个数据库中的不同数据都拥有许多的不同属性，根据这些属性可以对数据进行分类，然后对每个属性进行概念提升。,2、数据挖掘中的仿生物技术 神经网络技术：它模拟了人脑神经元结构，可以为解决复杂程度高的问题提供一个比较简便的方法。神经网络基本结构是：输入层、输出层、隐含层。 遗传算法：遗传算法主要借助生物进化中的“适者生存”的概念，模仿生物进化中的遗传繁殖机制，对优化问题解空间的每一个个体进行
8、编码，然后对编码后的优化问题解空间进行组合划分，并通过迭代从中寻找罕有最优解和较优解的唯一标准。,3、统计分析法 相关分析和回归分析：相关分析是用相关系数来度量变量间相关程度的数量关系，适用方法主要由线性回归和非线性回归。 差异分析：从样本统计量的值得出的差异来确定总体参数之间是否存在差异（假设检验）。典型的方法是方差分析，即通过分析实验数据中不同来源的变异对总体变异的贡献大小，确定实验中的可控因素（自变量）是否对实验结果（因变量）有重要的影响。 因子分析：是吧多个可直接观测的变量转化为少数几个不想管的总和指标的多远统计分析方法，在医学、心理学和经济学与管理学等科学领域得到十分广泛的应用。 聚
9、类分析：是根据实物本身的特征研究个体分类的方法，是直接比较样本中个失误之间的性质的一种方法，把性质相近的归为一类，将性质差别比较大的分为不同的类。 判别分析：根据表明实物特点的变量值和他们所属的类求出判别函数，再根据判别函数对未知所属类别的事物进行分类的一种分析方法。（与聚类分析的区别：判别分析要求已知一系列反映事物特征的数值变量值及其分类变量值。）,4、关联规则算法 求支持度大雨用户指定的最小支持的数据项集，即大数据项集，对于有语义约束的规则，仅求得满足约束的大数据项集 利用大数据项集产生关联规则，关联规则是挖掘算法的核心。 9.3.4 数据挖掘的流程技术视角,9.3.4用数据挖掘优化CRM系统,步骤： 评价，即检测发生的结果 预测，即根据已发生的事情来进行预测； 行动，即进行尝试。,9.3.6 在CRM中利用数据挖掘所形成的商业价值,1、客户盈利模式 2、客户获取模式 3、客户挽留模式 4、客户细分模型 5、交叉销售模型,
