大数据挖掘在企业CRM中是怎样应用的
目前，关于CRM中应用的数据挖掘技术和方法的研究有很多，不同行业、不同环境下企业的CRM应用差异很大，应用到的具体数据挖掘技术和方法也会不同。数据挖掘技术和方法层出不穷，在这里也难以涵盖全部的技术和方法。虽然，不同的CRM应用到的数据挖掘技术很多，也很复杂、但是CRM应用数据挖掘的目的主要在于以下四个方面：客户细分、获取新客户、提升客户价值和保持客户以防止流失等方面。数据挖掘在零售业CRM中主要应用在以下几方面。 一、CRM实施的前提——客户细分 客户细分就是把客户根据其性别、收入、交易行为特征等属性细分为具有不同需求和交易习惯的群体，同一群体中的客户对产品的需求的及交易心理等方面具有相似性，而不同群体间差异较大。客户群体细分可以使企业在市场营销中制定正确的营销策略，通过对不同类别客户提供有针对性的产品和服务，提高客户对企业和产品的满意度，以获取更大的利润。 客户细分可以采用分类的方法，也可以采用聚类的方法。比如，可以将客户分为高价值和低价值的客户，然后确定对分类有影响的因素，再将拥有相关属性的客户数据提取出来，选择合适的算法对数据进行处理得到分类规则。使用聚类的方法，则在之前并不知道客户可以分为几类，在将数据聚类后，再对结果数据进行分析，归纳出相似性和共性。 每一类别的客户具有相似性的属性，而不同类别客户的属性也不同，从而确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费群体或个体下一步的消费行为。细分可以让用户从比较高的层次上来察看整个数据库中的数据，也使得企业可以针对不同的客户群采取不同的营销策略，有效地利用有限的资源。合理的客户细分是实施客户关系管理的基础。 二、获取新客户——客户响应分析 在大多数商业领域中，业务发展的主要指标里都包括新客户的获取能力。新客户的获取包括发现那些对你的产品不了解的顾客，他们可能是你的产品的潜在消费者，也可能是以前接受你的竞争对手服务的顾客。在寻找新客户之前，企业应该确定哪些客户是可能的潜在客户、哪些客户容易获得、哪些客户较难获得，从而使企业有限的营销资源得到最合理的利用。因此，预测潜在客户对企业销售推广活动的反应情况是客户获得的前提，由于潜在客户的数量日益庞大，如何提高市场促销活动的针对性和效果成为获取新客户的关键问题。数据挖掘可以帮助企业识别出潜在的客户群，提高客户对市场营销活动的相应率，使企业做到心中有数、有的放矢。根据企业给定的一系列客户资料及其他输入，数据挖掘工具可以建立一个“客户反应”预测模型，利用这个模型可以计算出客户对某个营销活动的反应指标，企业根据这些指标就可以找出那些对企业所提供的服务感兴趣的客户，进而达到获取客户的目的。数据挖掘技术中的关联分析、聚类和分类功能可以很好地完成这种分析。 三、提升客户价值——交叉销售 交叉销售是指企业向原有客户销售新的产品或服务的营销过程，它不仅是通过对现有客户扩大销售来增加利润的一个有效手段，而且还是提升企业形象、培养客户忠诚度、保障企业可持续发展的重要战略。 公司与其客户之间的商业关系是一种持续的、不断发展的关系。在客户与公司建立起这种双向的商业关系之后，可以有很多种方法来优化这种关系，延长这种关系的时间。在维持这种关系期间，增加互相的接触，努力在每一次互相接触中获得更多的利润。而交叉销售就是这种工具，即向现有的客户提供新的产品和服务的过程。 在交叉销售活动中，数据挖掘可以帮助企业分析出最优的销售匹配方式。在企业所掌握的客户信息，尤其是以前购买行为的信息中，可能正包含着这个客户决定他下一个购买行为的关键，甚至决定因素。通过相关分析，数据挖掘可以帮助分析出最优的、最合理的销售匹配。一般过程是这样，首先分析现有客户的购买行为和消费习惯数据，然后用数据挖掘的一些算法对不同销售方式下的个体行为进行建模;其次是用建立的预测模型对客户将来的消费行为进行预测分析，对每一种销售方式进行评价;最后用建立的分析模型对新的客户数据进行分析，以决定向客户提供哪一种交叉销售方式最合适。有几种数据挖掘方法可以应用于交叉销售。关联规则分析，能够发现顾客倾向于关联购买哪些商品;聚类分析，能够发现对特定产品感兴趣的用户群;神经网络、回归等方法，能够预测顾客购买该新产品的可能性。 相关分析的结果可以用在交叉销售的两个方面：一方面是对于购买频率较高的商品组合，找出那些购买了组合中大部分商品的顾客，向他们推销“遗漏的”商品;另一方面是对每个顾客找出比较适用的相关规律，向他们推销对应的商品系列。 四、保持客户——客户流失分析 随着企业竞争越来越激烈，企业获取新客户的成本不断上升。对大多数企业而言，获取一个新客户的花费大大超过保持一个已有客户的费用，保持原有客户的工作越来越有价值，这已经成为大多数企业的共识。你保留一个客户的时间越长，收取你在这个客户身上所花的初期投资和获取费用的时间也越长，你从客户身上获得的利润就越多。但由于各种因素的不确定性和市场的不断增长，以及一些竞争对手的存在，很多客户为了寻求更低的费用和其他服务商为新客户提供比你更多的额外优惠条件，不断地从你这里转向另一个服务商。我们把客户从一个服务商转向到另一个服务商的行为称之为客户转移。为了分析出是哪些主要因素导致客户转移，并可以有针对性地挽留那些有离开倾向的客户，我们可以通过使用数据挖掘工具为已经流失的客户建模，识别导致他们转移的模式，然后用这些找出当前客户中可能流失的客户，以便企业针对客户的需要，采取相应的措施防止客户的流失，进而达到保持原有客户的目的。 解决客户流失问题，首先需要明确流失的客户是什么样的客户。如果流失的是劣质客户，企业求之不得;如果流失的是优质客户，企业则损失巨大。如果企业优质客户的稳定期越长，企业与其维持关系的成本越低，获得的收益越大。因此，为保持优质客户，需要先辨识优质客户。这通过前面的客户细分就可以完成这项工作，分析出客户盈利能力，辨识和预测客户的优劣。当能够辨识出客户的优劣时，首先，根据已流失客户数据，可以利用决策树，神经网络等进行分析挖掘，发现流失客户特征;然后，对现有客户消费行为进行分析，以确定每类客户流失的可能性，其中着重于发现那些具有高风险转移可能性并具有较高商业价值的客户，在这些客户转移到同行业其他服务商那里之前，采取相应的商业活动措施来保持住这些有价值的客户。我们把这个过程叫做客户保留或客户保持。 在选择数据挖掘工具时，若希望能够对客户进行细分，并且能够对客户流失的原因有比较清晰的了解，那么决策树工具是比较好的选择。尽管其他的一些数据挖掘技术，如神经元网络也可以产生很好的预测模型，但是这些模型很难理解。当用这些模型做预测分析时，很难对客户的流失原因有深入的了解，更得不到对付客户流失的任何线索。在这种情况下，也可使用细分技术和聚类技术来得到深入的了解，但用这些技术生成预测模型就相对复杂得多。一般来说，在客户保持中，大多使用分类回归决策树来生成预测模型。 综上所述，数据挖掘在CRM中有着广泛的应用，从某个角度可以说它是CRM的灵魂。通过运用数据挖掘的相关技术，发现数据中存在的关系与规则，为管理者提供重要的决策参考，用来制定准确地市场策略。并且，通过销售和服务等部门与客户交流，争取最优化的满足客户的需求，提高客户忠诚度和满意度、提升客户价值、提高企业收益，达到企业与客户的“双赢”局面。正是这一点，使得CRM得到了很大成功。 目前，关于CRM中应用的数据挖掘技术和方法的研究有很多，不同行业、不同环境下企业的CRM应用差异很大，应用到的具体数据挖掘技术和方法也会不同。数据挖掘技术和方法层出不穷，在这里也难以涵盖全部的技术和方法。
数据挖掘分析在CRM系统中的应用
每个企业都会有客户流失的情况发生，已经失去或是即将失去的，这中情况对企业来说是正常现象，在面对这些常见的正常现象时，关键是企业从中能学到什么，得到重要信息并加之分析，找出弊端加以改善，防止客户的再次流失CRM（Custom Relationship Management）的意思是客户关系管理。它强调把客户放在核心位置，其理念要求企业完整地认识整个客户生命周期，围绕“客户接触点”，提供与客户沟通的统一、集成的平台和工具，涉及企业一切与客户有关的信息交互进行处理。提高员工、客户接触的效率和客户反馈率，为客户提供整体的服务！同时采用数据挖掘技术对有关信息进行分析，得到有价值的信息和知识。
一、获取信息
当前企业间的竞争不仅仅是产品的竞争、企业资源的竞争：而更多的是以客户为中心的服务。如，获取竞争信息赢取客户，认真聆听客户的心声，由客户方反馈信息，让企业了解竞争对手的销售策略方式，获取竞争对手是否采取了低价策略、出奇的营销计划等信息，一边企业做出最快最准的判断，与竞争对手争夺客户源以便采取培训或投资项目的启动决策，通过与客户的沟通，大量重要信息的获取后，就可以进行相应的员工培训。设备投入与投资项目决策阶段，将资金投入到需要加以改善的地方，意识企业降低成本将资金用在刀刃上。
识别有价值的客服，已得到关键有益信息是企业掌握主动的关键。以服务类企业为例，这类公司经常能够很容易就能识别出那些即将与他们终止业务往来的客户 他们也知道如何联系到这些客户，并加以防范。从相关的统计数据来看，一家企业平均每年会失去一到三成的老客户。在这些流失的客户中，哪些是企业自动淘汰的，为什么要淘汰？哪些是由于企业维持不善造成的，或是客户主动联系企业与企业达成合作意向的？客户的流逝对企业所造成的影响非常大，由于在寻找新客户，建立新的合作关系的过程中，企业将付出维持老客户成本的3到7倍，因此迅速准确的是被那些即将流失的客户群，并予以进行正确的维护，做出几十的判断对一个企业的发展极为重要。CRM系统，能够帮企业收集分析这些数据，既然失去的客户已经无法挽回，那么企业接下来的工作，就只能是总结教训，防止再犯。而CRM正好可以帮企业的总结提供数据方面的帮助。
二、数据挖掘
数据挖掘（data Mining），又称数据库中的知识发现（Knowledge Discovery in Database，KDD），是指从大型数据库或数据仓库中提取隐含的，位置的，非平凡的及有潜在应用阿志的信息或模式，是数据库研究中的一个很有应用价值的新领驭，融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术，数据挖掘工具能够对奖励啊的趋势和行为惊醒预测，从而很好的支持人们的决策，今天的技术可以使挖掘过程自动化，把数据挖掘与商业数据仓库相结合，并以适当的形式把结果表示给从事商业活动的用户看。
数据挖掘是从大量数据中提取知识。从数据库的观点出发其次，“预测型数据挖掘”包括一系列在数据中查找特定变量（称为“目标变量”）与其他变量之间关系的技术。下面具体介绍几种预测型数据挖掘技术。
a.决策树
决策树方法的起源是概念学习系统（CLS），发展到ID3方法时为高潮，后又演化为能处理连续属性的C4.5，最后发展成为加入了Boosting思想的C5.0决策树是一种常用的分类算法、它通过系统地分解和分离数据集中包含的信息来发现规律和关系，它寻求在数据集中找到那些提供记录中最大分离信息的影响因素，每次选取能最大程度地区分记录的影响因素，决策树据此法则往下生长，当找不到类似的影响因素时，决策树就形成了。考虑到决策树的可用性，还要对其“剪枝”和优化。决策树通过把对象从根节点排列到某个叶子节点来分类，叶子节点即为对象所属的分类。树上的每一个节点说明对对象的某个属性的测试，并且该节点的每一个后继分支对应于该属性的一个可能值。现有的客户流失分析方法多采用决策树及其变形算法来进行，典型的有英国Lightbride公司开发的Churn Prophet（CART，分类回归树）。[page] b.神经网络
神经网络主要用于分类、聚类、估计和预测。神经网络是一种人脑思考仿真的数据分析模式，用输入变量与数值来自我学习，并根据学习经验所得之知识不断调整参数，以期得到一个较好的模式。神经网络使用许多参数来建立一个模式。这个模式由一组输入值来预测一个连续值或分类值。每个结点都是一个函数，这个函数使用该结点的相邻结点值的加权总和进行运算。函数的形式可以选择，权的确定可以由一种叫反向传导的方法通过把输出结果和已知真实结果的比较来不断调整，整个神经网络的分析过程是一个“黑盒子”（不透明），无法展现可读的模型，每阶段的加权与转换亦不明确显示，所以神经网络大多数都用于处理高度非线性且变量有相当程度交互效应的数据。
c.回归分析方法
回归分析是研究响应变量（或称因变量）Y与n个预测变量（或称自变量）X1，X2，…，Xn之间的相关关系并求出关系方程式，是将相关现象间不确定的数量关系一般化，是配合直线或曲线来代表现象之间的一般数量关系。回归技术主要包括以下几个方面：
（1）线性回归
在线性回归中，数据用直线建模。线性回归是最简单的回归形式，是量化两个连续变量之间关系的一种统计技术。将一个响应变量Y视为另一个随机变量 X的线性函数，即：Y=α＋βX其中假定Y的方差为常数，α和β是回归系数，分别表示直线在Y轴的截距和直线的斜率系数可以用最小二乘法求解，线性回归常用于建立消费模型。
（2）多元线性回归
多元回归是线性回归的扩展，涉及多个自变量。响应变量Y可以是一个多维特征变量的线性函数，即：
同样也可以采用最小二乘法（OLS）求解回归系数。
（3）Logistic回归
Logistic回归是多元线性回归的变形和推广，是为二元因变量（二分类变量）设计的非线性回归模型，用来考察多个属性变量在识别将要流失客户方面的集成贡献。
（4）其他非线性回归
三、数据挖掘在CRM中的应用
在企业管理客户生命周期的各个阶段都会用到数据挖掘技术，数据挖掘技术可以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；通过数据挖掘可以发现使用某一业务的客户特征，从而可以向那些也同样具有这些特征却没有使用该业务的客户进行有目的推销；还可以找到流失的客户特征，在那些具有相似特征的客户还未流失之前，采取针对性的措施。
首先，客户关系管理理论中有一个经典的2、8原则，即80％的利润来自于20％的客户。通过数据挖掘中的决策树分析法和分类分析算法对客户消费行为、盈利能力进行分析。从而将客户进行分类。其次，企业争取一个新客户的成本是保留一个老客户7-10倍，因此，CRM管理中，首先提倡的是保持现有客户，实现现有客户的重复购买，其次才是开拓新市场、吸引新客户。通过数据挖掘技术首先为已流失客户建模，是被他们的流逝模式，然后用这些模式找出当前客户中相似背离者，以便采取相应预防措施。最后，客户获得。企业的增长要不断获得新客户数据挖掘技术能够预测并识别潜在客户群，从而使企业的促销推广活动更有针对性。
四、总结
本文介绍了数据挖掘技术在企业CRM系统中对客户流失及保持的应用，在对客户关系管理研究以及数据挖掘技术研究的理论背景之上，通过数据挖掘算法分析客户群体特征，类别。并据此预测现有客户的流失倾向，并采取相应的措施进行挽留，给出有效控制客户流失的建议。
在客户导向时代，客户成为了企业利润的最终来源，客户关系管理则是企业提升经济效率的一种重要途径。数据挖掘技术与CRM相结合完善了客户关系管理系统，有助于提升企业的商业价值，为企业与客户之间建立一个互动的长期稳定关系，使得客户价值、企业利润达到“双赢”。
对数据进行分类是CRM客户关系管理系统在数据挖掘的过程中非常重要的环节，在目前的电子商务企业当中运用得最多，分类的目的是建立数据模型，模型的作用是将这些数据明确的区别开来，不同种类的数据有着不同的分析作用，比如，客户的年龄、职业、爱好等，都属于数据分类模型。
除了分类之外还有聚类，CRM系统的聚类工作根据数据类型的不同，进行统一划分，它是多元数据分析的三大方法之一，主要对应几何高密度数据的分析，应用也是非常的广泛，接下来的流程是关联分析，从大量已分析出来的数据当中寻找不同类型数据之间的联系，这是数据挖掘过程中比较简单且实用的规则。
CRM系统概念方面的描述，数据库里都是一些比较重要的客户和业务信息数据，可以全面的描述某些数据的类型，从不同的角度去评估客户的需求，然后进行总汇得出有利于销售业务的信息结果用于策略方面的参考。
简信crm可免费试用。
以百会CRM为例分析如何利用CRM结合大数据技术助力企业深层挖掘潜在客户。
采集精准数据 净化客户数据库
信息化的市场，各种各样的数据不断涌出，企业能够轻松从市场上获得各类数据，但是并非所有的数据都是有价值的，如何对数据进行筛选、核查是一个问题。利用百会CRM能够方便地进行电子调查，利用系统模板创建调查问卷，通过匹配相关客户群，定时定量发送给客户来进行数据调研，百会CRM能够自动把客户的回复数据存入数据库，供相关人员查看或提取。通过预设条件，企业能够获得CRM采集最准确的第一手数据，无需费时费力即能完成客户数据净化。
智能分析 抓住有价值的客户
采集数据的关键在于如何使用。不经过整合分析形成有用的信息，再多的数据对企业也毫无价值。而百会CRM能够对客户资料进行筛选分析，根据客户消费行为和身份信息，识别目标客户；从客户的兴趣爱好分析其感兴趣的产品；从历史业务信息挖掘潜在商机。通过多维度分析潜在客户，判断其能否为企业带来可估的价值，是客户开发的关键一步。
全方位维护 让客户价值最大化
无论在什么时候、什么行业，客户流失的情况总是存在的，企业的客户像在一个巨大的沙漏中，以不同的速率流失，为了保证业绩，必须有源源不断的新客户注入，但若一味地招揽新客户而无暇顾及老客户，大量的老客户就会从服务不周的"漏洞"中快速流失。在竞争激烈的市场中，获取新客户的成本居高不下，大量旧客户的流失对企业无疑是一个巨大的损失。百会CRM能够根据客户需求匹配产品信息，提供个性化的建议，生成详细的客户分析报表，帮助销售人员更高效地跟进客户，而清晰的客户消费行为分析结果，让公司得以提供给顾客超出预期的产品或服务，不仅仅满足于其目标需求，超出期待的体验，才有可能在顾客心中建立起真正的忠诚度。百会CRM如此的信息化管理让帮助企业有更多的心力关怀客户，留住有价值的客户。
数据挖掘技术在CRM系统中的应用有哪些方面
答：数据挖掘在零售业CRM中主要应用在以下几方面。 一、CRM实施的前提--客户细分 客户细分就是把客户根据其性别、收入、交易行为特征等属性细分为具有不同需求和交易习惯的群体,同一群体中的客户对产品的需求的及交易心理等方面具有相似性,而不同群体间差异较大。客户群体细分可以使企业在市场营销中制定正确的营销策略,通...
大数据挖掘在企业CRM中是怎样应用的
答：CRM系统数据挖掘工作的重要性已经不需要进行过多的解释，CRM管理系统数据挖掘的功能主要用于指定的分析任务，其中可以分为两种：数据描述和数据预测，描述方面的任务主要是体现出普通的数据特性，而预测类的任务则需要对当前的各种信息进行挖掘、分析、推断、预测。对数据进行分类是CRM客户关系管理系统在数据挖掘...
如何用数据挖掘技术进行客户关系管理
答：4.提升客户价值 在交叉销售活动中，数据挖掘可以帮助分析出最优的销售匹式,在此基础上,结合CRM的相关功能,能很好的对新客户的需求得到认识,并分析,更好的挖掘潜在客户.
CRM如何进行客户数据挖掘_CRM客户数据
答：CRM系统中记录着客户的各种联系方式，销售人员可以采用多种途径对客户跟进回访，还支持定期对特定的客户发送祝福短信或邮件等，利用CRM对客户数据进行多层次分析，帮助企业更深入地理解客户的其实意图，较大化地开拓客户价值。不仅仅是满足基本需要，还可以提供增值服务。在CRM软件中合理高效地进行客户数据挖掘...
CRM如何进行客户数据挖掘?
答：想要进行客户数据挖掘，不可缺少的就是客户数据。首先就是要利用多种多样的渠道去收集客户的数据，无论是线下获取还是线上获取的客户数据都可以利用crm系统进行分析，对不同的客户群体采用不同的营销计划，抓住客户的兴趣。CRM系统可以全方位的对客户资料以及信息进行辨别，当客户联系企业销售人员时，可以第...
在crm过程中为什么要进行数据挖掘
答：挖掘大数据，进行分析，这样才能发挥crm的作用，做好客户关系管理。
怎样用大数据来挖掘用户的痛点
答：大数据时代，采用大数据营销方式是主导。CRM客户关系管理系统是云时代和大数据时代飞速发展的产物，CRM在企业的普遍应用，说明企业已经将其作为挖掘客户需求的主要应用。企业利用CRM挖掘用户痛点的方式：CRM场景化营销 CRM在海量存储客户信息的基础上，能够深入对客户数据进行分析、挖掘和总结，从而找出客户的真正...
企业如何用CRM进行大数据营销?
答：通过以下三方面：一、“场景化营销”来袭 场景化营销是基于网民的上网行为产生的一种火爆的营销方式，它是基于网民一直处于输入场景、搜索场景和浏览场景的境况，使得企业深入挖掘用户的痛点，然后对准需求点，及时推送密切相关的产品信息，从而达成订单交易。而百会CRM(Zoho) 在海量存储客户信息的基础上，能够...
如何运用CRM挖掘客户价值
答：CRM系统中记录着老客户的各种联系方式，销售人员可以采用多种途径对老客户跟进回访，如在线聊天、邮件沟通、短信沟通、电话联系等等。CRM系统还支持定期对特定的客户发送祝福短信或邮件，促进与客户间的日常沟通，增进感情，促进二次购买和转介绍。企业只有做到让客户满意，才能实现更大的价值。企业的价值来源...
如何利用crm系统数据做用户画像_客户画像数据
答：CRM行业的重要卖点之一是大数据挖掘，针对如何利用CRM系统进行数据挖掘来进行客户关系管理，这里以百会CRM为例，进行一个简单地说明。客户识别 CRM开始于客户识别，这个阶段的目的就是找到最有可能成为企业的新客户;对企业来说最有价值的是老客户;本阶段还要识别出那些即将流失的客户并且研究如何挽回。百会CRM...
