狠狠撸

狠狠撸Share a Scribd company logo
数据挖掘在客户关系管理中的应用  @Etwise  整理,资源来自网络收集
议程 客户关系管理 为什么要进行客户关系管理 客户关系管理的内容 数据挖掘在客户关系管理中的应用 什么是数据挖掘 数据挖掘的典型应用 SPSS Clementine 针对 CRM 的数据挖掘解决方案 SPSS 数据挖掘方案介绍 Clementine 中的 CRM 数据挖掘模板
议程 客户关系管理 为什么要进行客户关系管理 客户关系管理的内容 数据挖掘在客户关系管理中的应用 什么是数据挖掘 数据挖掘的典型应用 SPSS Clementine 针对 CRM 的数据挖掘解决方案 SPSS 数据挖掘方案介绍 Clementine 中的 CRM 数据挖掘模板
为什么要进行客户关系管理 客户关系管理的提出是伴随着产物极大丰富、买方市场形成而产生的——从“客户得到的就是他们所想要的”到“客户得到他们所想要的”的演变  CRM 的核心是“了解他们,倾听他们”  CRM 的目标可以概括为“吸引潜在客户进入,提高现有客户满意度和忠诚度,降低客户流失”  客户关系管理( CRM )的两个层面 操作型 CRM :方便与客户交流,简化操作流程  分析型 CRM :了解客户
有很多因素影响着客户行为 ——从而改变他们对于公司的价值 客户 行为 人口地理学特征,心理特征,需求和优先级等 他们是谁? 产物、价格、渠道、促销 技术革新,经济环境,特殊事件等 客户的购买体验 你为他们做了什么? 竞争性因素分析 外部因素影响
加深对客户的了解是一个循序渐进的过程 客户特征描述 1 客户价值 分析 3 客户生命周期分析 4 2 客户细分 客户忠诚度分析 7
客户关系管理的好处 使获得客户的成本更低 减少销售成本 更高的客户创利能力 提高客户的保留度和忠诚度 评估客户的创利能力
信息技术的角色 信息技术的发展使客户关系管理有了技术上的保证 客户关系管理中的关键性信息技术主要包括: 数据库和数据仓库技术  数据挖掘技术
议程 客户关系管理 为什么要进行客户关系管理 客户关系管理的内容 数据挖掘在客户关系管理中的应用 什么是数据挖掘 数据挖掘的典型应用 SPSS Clementine 针对 CRM 的数据挖掘解决方案 SPSS 数据挖掘方案介绍 Clementine 中的 CRM 数据挖掘模板
什么是数据挖掘 通过采用 自动或半自动 的手段,在 海量数据 中发现有意义的 行为和规则 的探测和分析活动。 数据挖掘是一门科学,有科学的方法和模型作为基础 数据挖掘又是一门艺术,需要使用者对商业问题的深入理解和模型适用条件深刻的认识
数据挖掘的分类 数据挖掘 描述 预测 统计回归 关联规则 决策树 可视化 聚类 顺序关联 汇总 神经网络 分类
数据挖掘的典型结果——金融 问题描述:预测信用水平是好还是差,银行据此决定是否向客户发放贷款,发放多少  结果描述 :( 决策树) 收入大于 5 万元 / 年 是 否 有无储蓄帐户 是否房主 是 是 否 否 批准 不批准 批准
数据挖掘的典型结果——电信 问题描述:根据客户信息,预测客户流失可能性 结果描述 :( 神经网络) 输  入 流失概率 ( 0.87) 输  出 男 29 3000 元 / 月 神州行 130 元 / 月 …………
数据挖掘的典型结果——零售 问题描述:如何决定超市中商品的摆放来增加销售额 结果描述 :(Web 图)
数据挖掘的典型结果——制造业 问题描述:如何对市场进行细分,使产物满足最有价值客户 结果描述 :(Koholen 聚类) 营销活动回应率
数据挖掘的典型结果——政府 问题描述:如何从众多申请经费或者纳税中发现欺诈 结果描述 :( 回归、神经网络)
数据挖掘在客户关系管理中的应用范围 客户盈利能力; 客户保留; 客户细分; 客户倾向; 渠道优化; 风险管理; 欺诈监测; 购物倾向分析; 需求预测; 价格优化。
议程 客户关系管理 为什么要进行客户关系管理 客户关系管理的内容 数据挖掘在客户关系管理中的应用 什么是数据挖掘 数据挖掘的典型应用 SPSS Clementine 针对 CRM 的数据挖掘解决方案 SPSS 数据挖掘方案介绍 Clementine 中的 CRM 数据挖掘模板
SPSS 数据挖掘方案介绍 商业理解 数据理解 数据准备 建立模型 模型评估 模型发布 提供了业界权威的数据挖掘方法论——跨行业数据挖掘标准流程( CRISP - DM )
SPSS 数据挖掘方案介绍 ( 续) 提供了界面友好、算法丰富、功能强大的数据挖掘工作平台—— SPSS Clementine
SPSS 数据挖掘方案介绍 ( 续) 提供了面向行业(问题)的数据挖掘应用模板 目前提供以下行业的数据挖掘模板 针对电信行业的数据挖掘模板 针对 CRM 的数据挖掘模板 针对 Web 挖掘的数据挖掘模板 犯罪模式甄别模板 欺诈( Fraud )甄别模板
SPSS 数据挖掘方案介绍 ( 续) 所有模板都是行业(问题)、方法论—— CRISP - DM 和数据挖掘工具—— Clementine 的完美结合 商业理解 文档 部署应用 "D" streams 数据理解 "E" streams 探测 数据准备 "P" streams 建模和评估 "M" streams
Clementine 中的 CRM 数据挖掘模板 3 个应用模型 模型 1 :客户细分和高价值客户的获取 建立并探测客户的价值金字塔 概括细分特性   ( 对获取客户非常有价值 ) 模型 2 :营销活动的响应 计算并探测 RFM 分数 响应率模型的范围:     1. RFM;  2.  预测 ;  3.  基于聚类 响应模型部署应用 模型   3 :细分迁移和客户流失分析 建立并探测迁移和流失的细分模型 建立迁移和流失模型,部署应用
CRM 数据挖掘模板的理论基础 CRM 数据挖掘模板基于市场营销理论和客户关系管理理论建立 CRM 数据挖掘模板中采用的主要理论 客户金字塔理论( pyramid model ) 客户生命周期价值理论 RFM 模型
客户金字塔理论( pyramid model )
客户生命周期价值理论 时间 收入 利润 损失 销售商品或服务 客户关系结束 认知 更少损失 更加有效的认知 利润 更多的利润 更加多的销售额 更加有效的认知 MORE PROFIT 利润 甚至更多利润 更长的客户关系 更加多的销售额
CRM  数据挖掘应用模板   -  模型 1 : 结构 CRM 数据挖掘应用模板 1- 客户价值评估和客户获得 图例: 数据 数据流 交易数据 探索性分析 客户价值计算 按客户价值 市场细分 客户花费数据 交易数据 交易明细 客户资料 客户消费卡 资料 创建客户金字塔 客户价值总结 客户信息汇总 客户信息 客户信息
CRM  数据挖掘应用模板   -  模型 2 : 结构 CRM 数据挖掘应用模板 2 -营销活动的响应分析 图例: 数据 数据流 RFM 模型 交易数据 交易明细 客户消费卡 资料 数据合并 产物信息 产物明细 数据 产物数据 市场活动 数据 购买模式 数据 客户数据 RFM 模型 结果数据 客户回应 分析 响应概率 发布 响应预测 对响应聚类 RFM 响应 购买模式 数据 客户原始 数据
CRM  数据挖掘应用模板   -  模型 3 : 结构 CRM 数据挖掘应用模板 3 - 细分迁移和客户流失分析 图例: 数据 数据流 客户价值 矩阵 客户金字塔 数据 客户购买 模式数据 客户数据 客户细分 迁移分析 客户细分 迁移数据 迁移模型 数据准备 细分迁移 模型发布 细分迁移 模型 客户流失 分析 迁移模型 结果数据 客户原始 数据 迁移模型
CRM  数据挖掘应用模板初体验 数据理解,数据探索性分析
CRM  数据挖掘应用模板初体验(续) 计算客户价值
?   CRM  数据挖掘应用模板初体验(续) 描述客户价值分布及随时间变化情况
CRM  数据挖掘应用模板初体验(续)
SPSS 提供全方位的服务,帮助您获得成功 全方位的服务 产物 培训 咨询 全球性的公司 与业界领袖的伙伴关系 Siebel Sybase NCR ……
?

More Related Content

数据挖掘在客户关系管理中的应用