客户关系管理CRM的研究和应用.pptVIP

客户关系管理CRM的研究和应用现状 最早发展客户关系管理的国家是美国，在1980年初便有所谓的“接触式管理” (Contact Manegment)专门收集客户与公司联系的所有信息。到1999年则演变成包 括呼叫电话服务中心支持资料分析的客户关怀(Customer Care)。约在90年代初， 最初的CRM应用开始投入市场。二十一世纪初，全球的CRM市场一直处于爆炸性的 快速增长之中，企业重视争取客户和保持客户，是CRM市场增长的原因。 数据挖掘的研究和应用现状 一般说来，每个企业—尤其是大型企业在长期的经营过程中都积累了海量的客户信息，如何从中发现客户的行为规律正是CRM的核心和难点。从20世纪90年代起，出现了一种全新的数据分析技术—数据挖掘DM(Data Mining)，用以对大规模的数据进行探索和分析，揭示数据中隐藏的、未知的规律。 CRM产生与发展 消费者行为的变迁 市场竞争不断加剧 企业内部管理的需求 信息技术的快速发展 CRM的基本特征 一对一营销 统一共享的信息资源 高度集成的交流渠道 商业智能化的数据分析和处理 对基于Web功能的支持 CRM系统的功能模块 销售模块 营销模块 客户服务与支持模块 呼叫中心模块 商业智能模块 电子商务模块 数据挖掘的产生 近年来，以数据库和信息技术的发展为技术保障，以网络技术的迅速普及为 发展通道，以计算机硬件、数据收集设备和存储介质的大量供应为物质基础，人 们的数据收集能力得到了大幅的提高，社会各行业都存储了大量的有关生产、管 理和科研的各种信息，全球范围内数据存储量正急剧增加。然而与此形成鲜明对 比的是，人们对大规模数据的理解能力并没有得到有效的提高，仅仅依靠传统的 数据检索和统计分析等方法已远远不能满足需要，以致出现了“数据丰富，但信 息贫乏”(data rich but information poor)的局面。 为从海量的数据存储中抽取模式、找出数据变化的规律和数据之间的相互关 系，充分发掘数据的潜力，以指导决策和科学发现等各项工作，人们对数据分析 并使之转化为易于理解的知识的需求越来越迫切。数据挖掘和知识发现(DM/KDD) 技术迎合了人们的需求，为自动和智能地把海量的数据转化为有用的信息知识提 供了有力的手段，给数据和知识之间的鸿沟架设了方便之桥。 数据挖掘的定义 技术定义 从技术角度看，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机 的实际数据中，提取隐含在其中的、人们不知道的、但又是潜在有用的信息和知 识的过程。 商业定义 从商业应用角度看，数据挖掘是一种崭新的商业信息处理技术。其主要特点 是对商业数据库中大量业务数据进行抽取、转化、分析和模式化处理，从中提取 辅助商业决策的关键知识，即从一个数据库中自动发现相关商业模式。 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。数据挖掘所得到的信息应具先前未知、有效和实用三个特征。 数据挖掘功能以及它们可以发现的模式类型介绍如下： 特征化和区分 关联分析 分类和预测 聚类 离群点分析 演变分析 数据挖掘生命周期 商业理解Business understanding 数据理解Data understanding 数据准备Data preparsion 建模Modeling 评估Evaluation 发布Deployment 数据挖掘技术在CRM中的应用 企业实施CRM的目标就是为了在激烈的市场竞争中，获得并保留住企业最有价值的客户，这是企业的一种经营战略。CRM应用中特别强调数据的管理和分析，需要应用先进的数据分析工具，通过对客户数据的有效处理和分析，来获得新的知识。 CRM中的的数据处理流程 客户数据收集 客户数据预处理 数据存储 数据分析 商业应用 数据挖掘在CRM中的典型应用 客户群体分类分析 交叉销售分析 客户盈利能力分析 客户信用分析 客户获得和客户保持 客户满意度分析 THANK YOU * 国外对数据挖掘的研究起步较早，研究内容涉及到数据挖掘的多个方面。如 W.H.Inmon(1993)提出了数据仓库DW(Data Warehouse)的概念，解决了数据挖掘 的前期数据准备问题;Friedman(1997)列出了支持数据挖掘的四个主要技 术;Jiawei Han等(2000)全面介绍了数据挖掘的相关内容等。在数据挖掘软件系 统的开发方面，目前世界上比较有影响的有:SPSS公司的Clementine，SAS公司的 EnterpriseMiner、IBM公司的Intelligent Miner