任选9场最高奖金排行榜|14077期任选9场推荐
 

數據挖掘在中小企業CRM中的應用研究

發布時間:2018-06-23 09:35 | 編輯:恒全教育 | 來源:www.ttrgd.com.cn | 12 次瀏覽
  伴隨著數據為本發覺優先的時代數據在CRM上的價值越來越明顯,但是如何才能讓企業的CRM獲得完美的價值體現,數據挖掘是重點問題。如何利用數據挖掘讓CRM得到價值成為企業最關注的話題。  1、在CRM中數據挖掘應用  CRM中應用的數據挖掘技術,就是把成熟的數據挖掘技術手段,應用到企業的具體問題上,以描述和預測客戶行為創建模型,通過與信息、通信等多種先進技術的融合,優化CRM 流程,從而實現高效的客...

  伴隨著數據為本發覺優先的時代數據在CRM上的價值越來越明顯,但是如何才能讓企業的CRM獲得完美的價值體現,數據挖掘是重點問題。如何利用數據挖掘讓CRM得到價值成為企業最關注的話題。

  1、在CRM中數據挖掘應用

  CRM中應用的數據挖掘技術,就是把成熟的數據挖掘技術手段,應用到企業的具體問題上,以描述和預測客戶行為創建模型,通過與信息、通信等多種先進技術的融合,優化CRM 流程,從而實現高效的客戶關系管理。具體的說主要包含以下幾個方面:

  第一客戶分類,利用數據挖掘方法將海量的客戶按其性別、收入等屬性劃分為若干個群體,并以此判斷出不同的消費群體下一步的消費行為。

  第二客戶保持,那些如歷史交易記錄、人口統計信息等大量存在于客戶數據庫中的資料,利用數據挖掘技術分析其行為特征、屬性及導致客戶流失的原因,對于不同客戶采用不同的保持策略,做好這一部分客戶的服務工作,從而使得客戶繼續與企業保持良好的業務聯系。

  第三獲得新客戶,只有新客戶的不斷增長,企業才能具有更新的活力,數據挖掘正是能夠能夠辨別那些潛在客戶,通過對將潛在客戶中對類似商品或服務感興趣的人員特點的整理分析,采取一定的辦法,使潛在客戶有機會接觸產品或業務,并真正的成為客戶。

  第四客戶分析。數據挖掘技術通過在企業中的應用,在針對不同市場活動情況下,對大量歷史數據如客戶盈利能力的變化、零散客戶的信息反饋等進行預測與分析,定制相適宜的市場及營銷策略,能夠有效的降低企業運行成本,增加企業效益。

  第五效益共贏。企業通過已經購買過商品的客戶進行新的銷售和服務,實際是企業與顧客加深關系的過程,企業通過對現有客戶的多次銷售既增加了企業利潤,又提升了企業形象、培養了客戶的忠誠度,而企業又使客戶因得到更多符合其需求的服務而獲益,這樣企業客戶是雙贏的。

  第六風險評判。通過數據挖掘技術找出對風險投資有用的數據,評判投資的風險,進而實現投資的回報的最大化及風險的最小化。

  2、在CRM中數據挖掘詳細工作過程

  數據挖掘是個非線性的過程,在CRM建立良好的模型,從而確保數據挖掘有條不紊地進行并取得最終成功,就要不斷循環、重復整個過程,一個完整的流程是需要每個階段在實施的過程中多次的重復建立。

  1)確定數據挖掘的目標。在進行數據挖掘之前,企業要做的基礎性的工作就是確定挖掘目標,這是數據挖掘成功實施的先決條件,首先要明確什么信息才是企業需要想要的。如果這些共同屬性被數據挖掘發現,那么在整個市場全面開展銷售時就可以對具有這些屬性的客戶重點關注,提升銷售業績。

  2)數據的收集。數據挖掘目標被確認后,緊接著要展開數據的收集整理工作,并且對基礎數據進行篩選。例如,企業首先要做的是確定數據的獲取渠道一一既數據從哪里取得?數據倉庫是否已經建立?企業原有數據倉庫中的數據,有沒有滿足此次數據挖掘任務需要的數據?已有數據的哪些字段可以被這次任務所用?因此,建立有效的數據倉庫是進行數據分析之前必須要做的。

  3)數據清理及準備。此步驟是對收集的基本數據進行必要的轉換、填補、清理及合并等處理,并對數據進行降噪處理,以提高數據的完整性、準確性和可信度,為后續的數據分析工作做準備。比如,通過在上一個步驟得到的數據集市中,樣本量有多少,字段有多少,哪些字段是因變量,哪些又是自變量,哪些是離散型定量變量、序數型定性變量或者名義型定性變量,哪些字段是連續型定量變量,哪些字段數據是否有缺失現象,能不能能夠通過填充或者合并進而客觀地補缺數據等。除此之外本階段的重要工作還包括:將字符型變量變換為數值型變量,通過技術上手段在錄入數據過程中對明顯錯誤進行糾正。

  4)數據初步分析。此步驟的工作較為重要,因為企業需要在這一步中做好建模前的所有準備工作,具體包括:基于模型的數據變換、研究每個字段的取值分布、字段之間的相關性及聯合分布、數據降維,以及可能進行的離散化操作等。

  5)模型的建立。數據挖掘的核心環節就是建模,可按以下步驟進行:首先選擇建模方法。根據前面所確定的數據挖掘的目標,在多種方法中選擇一種方法或多種合適的方法來對前期數據進行建模。其次將總數據集劃分訓練集和測試集。一般采用分層隨機抽樣在建模之前將總數據集劃分為訓練集和測試集,即保持目標變量一一因變量的取值在訓練集和測試集中比例與總數據集相同。最后建立模型及結果解釋。對訓練集用已選擇的建模方法進行建模,并分析和解釋得到的模型表達式。

  6)模型的評估。數據挖掘中不可缺少的環節就是對以完成的數據模型進行評估。通過對實驗數據或選取樣本數據進行校驗,評估挖掘結果的可信及可用性,并在此基礎上,調整和修改數據模型和挖掘方法。

  7)數據模型的應用。將建立好模型所發現的數據應用到實際工作中,在企業內部應用和部署模型,給決策提供數據支持。例如根據得到的數據可以設置特定觸發器,在滿足特定條件時進行處理。

  3、結束語

  隨著電子商務和CRM應用范圍的不斷擴大,企業營銷數據和相關的信息不斷累積,數據倉庫日益廣泛應用,數據挖掘將成為企業獲得正確決策信息的重要工具。在CRM中有效利用數據挖掘,可以為企業管理者提供正確的、有意義的信息,指導中小企業制定最優化的企業營銷策略,從而降低企業運營成本,提高利潤,加快企業的發展。


相關文章

恒全教育聲明
從2012年開始,覃韋初、莫恒全教授是“恒全教育”獨家特聘的公務員考試專職輔導教師,不再為其他公務員考試培訓機構上課。今后凡以覃韋初、莫恒全教授的名義進行招生宣傳的,均為虛假宣傳,屬于侵權行為。請廣大考生注意!
聲明人:覃韋初 莫恒全
二〇一一年十二月二十五日
快速導航
任选9场最高奖金排行榜