第9章 客户信息的整合与运用

第9章客户信息的整合与运用企业CRM的实施离不开数据的支持，对优质数据的分析和应用可以提高企业决策的质量和速度。单纯地收集客户数据和信息是不够的，企业必须学会分析信息，把信息转化为客户知识，进而依据这些知识制定有效的行动方案来影响客户行为和购买意向。客户数据客户信息客户知识过程图呼叫中心网上交流电子邮件传真直接接触数据挖掘OLAP知识发现运营分析市场专家数据仓库一、CRM的客户数据1.数据的概念为反映客观世界中的某一事件而记录的可以鉴别的数字或符号，如数字、文字、图形、图像、声音等。各种类型的企业在日常的经营活动中都会产生大量的有关客户的描述、促销活动和交易活动等方面的数据。超市的原始数据：顾客购买时间、交易金额和每天不同时段顾客的购买频率；购买种类和搭配情况；付款方式；购买了“会员卡”的顾客数据更多。数据的重要性客户数据是银行实施CRM过程中最薄弱的环节。不准确、不完整和未能很好协调的客户数据在过去一度是CRM项目失败的主要原因。缺乏高质量的数据使银行无法了解他们的客户，难以向市场推出新的产品和服务，不能合理地简化银行运营和优化客户关系。不准确的客户数据也使银行不能很好地遵守行业标准和一些法规要求。节自——《大胆假设，合理求证——Oracle建言亚洲银行的CRM建设》2.客户数据的类型（P295页）：定位客户交易性数据促销性数据描述性数据产生交易针对性促销3.客户数据的信息来源基本信息营销信息交易信息基本信息营销信息交易信息客户数据库企业内部数据继续往来客户流失客户营销渠道客户企业外部信息继续购买中一年内无购买整理测试二、CRM数据仓库1.数据库技术数据库是按一定的数据模型组织、描述和存储的，有组织、可共享的数据集合，是构成数据库系统的重要部分。数据库系统指引进数据库技术后的计算机系统，实质上是由有组织、动态存储的有密切联系的数据集合，及对其进行统一管理的计算机软件和配件资源所组成的系统。数据库系统由硬件系统、数据库、数据库管理系统应用程序和用户组成。数据库系统结构建立、修改数据查询及编辑信息数据管理应用系统生成数据处理数据定义数据库DBMS工具生成菜单数据输入查看变更的结果用户及权限2.数据仓库定义数据仓库之父BillInmon在1991年出版的《建立数据仓库》一书中所提出的定义被广泛接受——数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。关键特征：面向主题；集成；时变；不可修改2.数据仓库体系结构3.数据仓库的类型根据数据仓库所管理的数据类型和它们所解决的企业问题范围，一般可将数据仓库分为下列３种类型：（1）企业数据仓库（EDW）（2）操作型数据库（ODS）（3）数据市集（DataMartet）数据仓库主要工作的对象为多维数据，因此又称为多维数据库。案例：数据仓库在电信行业中的应用数据仓库在电信业务中的应用功能（1）客户管理（2）客户发展分析（3）业务量分析（4）收入分析（5）营销管理分析（6）市场竞争分析（7）服务质量分析（8）大客户分析（9）欠费和动态防欺诈行为分析（10）代理商及渠道分析CRM数据仓库的作用保留客户降低管理成本分析利润的增长增强竞争优势数据仓库的发展随着数据仓库技术的不断发展，在实际应用中发挥了巨大的作用。根据美国META集团的研究，数据仓库技术在金融业、制造业、商贸业以及社会服务等方面都有广泛的应用前景，已经采用数据仓库的企业的投资回报率（ReturnOnInvestment，ROI）均在40%以上，部分企业高达每年600%。IDC在一次对62个数据仓库项目的调查结果表明：进行数据仓库项目开发的公司在平均2.73年的时间内获得了平均为321%的投资回报率。正因如此，数据仓库市场需求量每年约以400%的速度扩张，而同时数据仓库产品越来越成熟，提供数据仓库产品的厂家也越来越多。三、CRM系统中的数据挖掘1.数据挖掘的定义数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘，在人工智能领域，习惯上又称为数据库中知识发现，也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。2.挖掘的知识发现过程（P323页）3.CRM中的数据挖掘分析技术典型的数据挖掘方法：关联分析、序列模式分析、分类分析、聚类分析等。（1）关联分析从大量的数据中发现项集之间的关联、相关关系或因果结构以及项集的频繁模式。例如：a.超市中客户在购买A的同时，经常会购买B，即A=B(关联规则)b.客户在购买A后，隔一段时间，会购买B（序列分析）（2）分类分析首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。例子：a.信用卡申请者，分类为低、中、高风险b.故障诊断：中国宝钢集团与上海天律信息技术有限公司合作，采用数据挖掘技术对钢材生产的全流程进行质量监控和分析，构建故障地图，实时分析产品出现瑕疵的原因，有效提高了产品的优良率。注意：类的个数是确定的，预先定义好的（3）聚类分析聚集是对记录分组，把相似的记录在一个聚集里。聚集和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。例子：a.一些特定症状的聚集可能预示了一个特定的疾病b.租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群c.中国移动采用先进的数据挖掘工具，对用户wap上网的行为进行聚类分析，通过客户分群，进行精确营销。3.数据挖掘模型的建立过程确定分析和预测目标建立数据挖掘库模型评估与检验数据准备数据相关性前期探索模型构造部署和应用检验达预定成功率检验达预定成功率基础数据不足或噪音太大4.数据挖掘模型在CRM中的应用数据仓库目标客户划分市场划分预测模型数据挖掘决策评估市场活动营销活动相应模型客户价值评估模型交叉销售模型客户流失模型四、联机分析处理（OLAP）OLAP(联机分析处理:On-lineAnalyticalProcessing)是基于数据仓库的信息分析处理过程,是专门用于支持复杂的决策分析，支持信息管理和业务管理人员决策活动的一种决策分析工具。基本特点：多维快速分析共享信息