CRM重点.doc

第一章1、CRM的核心管理思想：（1）客户是企业发展最重要的资源之一；（2）对企业与客户发生的各种关系进行全面管理； （3）进一步延伸企业供应链管理。2、CRM的根本的作用是提高“客户满意度” ，其具体作用如下： （1）提高市场营销效果（2）为生产研发提供决策支持（3）技术支持的重要手段（4）为财务金融策略提供决策支持（5）为适时调整内部管理提供依据（6）使企业的资源得到合理利用（7）优化企业业务流程（8）提高企业的快速响应和应变能力（9）改善企业服务、提高客户满意度（10）提高企业销售收入（11）推动了企业文化的变革总之，可归纳为三个主要方面：提高效率、拓展市场、保留客户第二章1、企业选择客户关系类型示意图：P15-162、客户（顾客）满意度指数（CSI）模型：P193、客户忠诚类型分析：（1）垄断忠诚：指客户别无选择，常指企业是垄断经营。特征是低依恋、高重复购买。（2）惰性忠诚：指客户由于惰性而不愿意去寻找其他的供应商。特点低依恋、高重复购买。（3）价格忠诚：值客户忠诚于提供最低价格的零售商。特点：对价格敏感，低依恋、低重复购买。（4）激励忠诚：当企业优奖励活动的时候，会来购买；当活动结束，就会转向其他奖励或有更多奖励的公司。特点：低依恋、高重复购买。（5）超值忠诚：指对企业高依恋、高重复购买的客户。此类客户对企业最有价值。4、客户忠诚的体现：（1）客户关系的持久性，表现在时间和联系的持续性。（2）客户花在企业的消费金额提高，表现在正加钱包份额，增加交叉销售。（3）客户对企业有很深的感情，非常愿意购买企业的产品，自觉地为企业作正面宣传，不会总是等到打折时才购买，对企业的满意度很高。5、无随机因素情况下的客户满意与忠诚关系：P23客户满意水平与客户保持率及向其他客户推荐所接受过的产品/服务的程度（客户忠诚度）之间并不总是强相关关系。第三章1、测量客户终生价值的方法：（1）DWYER方法1985年，Jackson把客户分为:永久流失型和暂时流失型。1997年DWYER将Jackson的分类，建立预测模型：适用于永久流失客户的客户保持模型(Customer Retention Model)和适用于暂时流失客户的客户转移模型(Customer Migration Model)。 （2）客户事件预测法利用“客户事件”的概念预测未来的客户终生价值是一般营销领域比较常用的方法2、计算题（见最后）第四章1、客户维系策略的三个层次：（1）增加客户关系的财务利益 eg:优惠或特殊照顾（2）优先增加社会利益感情投资（3）附加深层次的结构性联系增加转移成本第五章1、CRM系统主要模型P46第六章1、CRM的两大类型运营型CRM和分析型CRM2、运营型CRM(1)运营型CRM是建立在这样一种概念上：客户管理在企业成功方面起着很重要的作用，它要求所有业务流程的流线化和自动化，包括经由多渠道的客户“接触点”的整合，前台和后台运营之间的平滑的相互链接和整合。运营型CRM是基于WEB技术的全动态交互的客户关系应用系统。它使企业在网络环境中以电子化方式完成从市场、销售到服务的全部商务过程。(2) 运营型CRM的五个主要应用CRM销售套件 CRM营销套件 CRM服务套件 CRM电子商务套件 CRM商务平台套件3、分析性CRM（1）分析型CRM主要是分析运营型CRM中获得的各种数据，进而为企业的经营、决策提供可靠的量化的依据。这是分析需要用到许多的先进的数据数据管理和数据分析工具，如数据仓库、OLAP分析和数据挖掘等。（2）分析型CRM的六大支柱性功能客户分析 客户建模 客户沟通 个性化 优化 接触管理（3）典型分析型CRM系统的4个阶段进行客户的分析；将市场分段信息运用于客户分析；进行日常市场活动的分析；预报客户行为的各种方法的模型。（4）分析型CRM所需要的核心技术 数据仓库、数据挖掘、联机分析处理（OLAP）、先进的决策支持和报表工具第七章1、呼叫中心的基本结构（每个都要清楚）P67（1）IN智能网正以丰富的服务功能，逐渐取代传统的模拟网络，使用SS7和ISDN访问设施。其网络功能包括ANI (自动号码识别)， DNIS(被叫号码识别服务），CPN（主叫方号码）。DNIS可以将若干号码通过一个公共中继群接入，并根据呼叫方所拨的号码分别处理，可以通过它直接得知用户想要的服务。利用CPN主机可以在座席终端上提供主叫用户的相关信息。(2)ACD用来把大量的呼叫进行排队并分配到具有恰当技能和知识的座席，ACD可以独立于交换机存在，也可以内置在交换机内部。座席将按相似的技能被分成若干组，如处理投诉的组，处理短信的组等等，或者按其它业务职能进一步细分，ACD的工作就是将呼叫排队并路由到合适的组。(3)CTICTI在PBX/ACD与电脑之间提供应用级的接口，从而形成一系列的增值应用和服务。CTI使电话系统和电脑系统共享信息，从而使呼叫路由更明确或者由呼叫触发一些功能，如根据特定的主叫、呼叫原因、时间段、流量等情况更新主机数据库，这些功能由应用软件提供，如来话管理（ICM）和出话管理（OCM）。CTI主要分为两类：面向电话(第一方控制)的和面向交换机的(第三方控制)。(4)IVRIVR扮演一个自动话务员的角色，用于繁忙等待时或无人值守时，完成各种自动化的任务，减轻话务员负担，提高客户满意度。用户可以通过按键甚至语音（需要语音识别功能）输入信息，IVR可以使用自带数据库中的信息来处理用户输入并给出提示，也可以使用主机数据库中的信息与客户交互。系统返回的将是预先录好的或是合成的语音IVR可分2种。一种是普通型的语音导航IVR，即根据按键选择引导客户。另外一种是可编程的IVR，需要一定的二次开发和后台业务数据库进行对接，比如查询积分、密码验证。(5)CMSCMS维护有关线路、座席、队列、路由导引和应用程序利用率的信息,有助于有效地利用资源。使用CMS信息可以监控各个组件的性能，检查相关费用并预测对当前运作改变后潜在效果。CMS分为入门级和高级型两种。入门级一般位于ACD系统内，提供有限的报表数量和有限的报表长度，一般无法定制，这些内部报表生成器一般用于不太复杂的小型运行系统。高级系统一般安装在一个小型计算机上，可以产生很多实时或历史的报表，并且可以定制，一般用于复杂的大型运行系统。(6)Agent座席由一个PC或终端以及一个电话组成，一般使用耳机以提供方便和保密，电话上可以实时显示服务中心的统计数据，以使话务员了解自己的表现并跟上呼叫量。话务员使用这些设备可以快速高效地进行个性化的服务。电话按键和电脑程序的设计都考虑了简化话务员工作的因素，它们与ACD紧密配合高效处理来话并综合利用话务员技能。(7) HOST主机是内部的数据服务器，用来存放话务员人事信息、计费信息、客户信息和业务受理信息，业务咨询信息，座席终端可以通过局域网有限地访问这些数据，为客户提供更为迅速，更为个性化的服务，这类服务需要借助CTI。(8)ICMICM是为来话提供工作流管理的应用程序。屏幕弹出就是一种典型的来话管理功能，这可以节省时间并为客户增加了一定的个性化功能；另一类ICM应用是根据实时的系统参数和客户当前状态将来话路由到最合适的座席。ICM可以提高客户满意度和企业资源的使用效率；ICM是通过数据库软件实现的，这类软件较为复杂，尤其是使用CTI接口访问ACD时。CPN和DNIS对于来话处理的自动化极为关键。(9)OCMOCM负责主动发起对客户的呼叫，呼出有两种类型：预览型和预测型。在预览拨号情况下，系统首先接通座席的电话然后再拨客户号码，等待接通过程之后，话务员或者可以和客户通话，或者因为占线、无人应答、空号、线路故障等原因而放弃；预测拨号则是将整个过程自动化，计算机选择要拨的客户并开始拨号，所有无效的呼叫都将被跳过，不接通话务员，如果客户应答，呼叫将迅速转给一个话务员，如果因为某种原因呼叫无法送到话务员，就将号码放入一个新的联系名单等待合适的时间再拨。预测拨出使用复杂的数学算法考虑多种因素，预测拨出发出的呼叫往往比话务员处理的要多它为话务员节省了大量时间从而大大提高效率。OCM可以用于市场分析，例如可以通过它按照名单自动拨通大量用户，进行业务需求或服务满意度的调查，或者催缴欠费等活动。(10)WFMWFM一般称为调度系统，它跟踪一段时间内（一般不超过15个月）线路和座席的利用率，以便确定出高峰和季节性的系统资源需求。WFM可用于管理资源效率，它专为座席调度和未来线路需求分析而设计，以提高服务中心的性价比和客户响应能力。系统管理员可以利用WFM信息和企业策略很好地调节服务中心的运行。2、因特网呼叫中心系统体系结构P711. 客户环境2. 呼叫中心环境3. 呼叫路径4. 业务代表控制窗口第十章1、数据仓库的特点（1）面向主题 （2）集成的数据 （3）数据不可更新 （4）数据随时间不断变化 （5）使用数据仓库2、数据库与数据仓库的关系：P112（1）联系： 数据仓库的出现，并不是要取代数据库。目前，大部分数据仓库还是用关系数据库管理系统来管理的。可以说，数据库、数据仓库相辅相成、各有千秋。（2）区别 a出发点不同：数据库是面向事务的设计；数据仓库是面向主题设计的。 b存储的数据不同：数据库一般存储在线交易数据；数据仓库存储的一般是历史数据。 c设计规则不同：数据库设计是尽量避免冗余，一般采用符合范式的规则来设计；数据仓库在设计是有意引入冗余，采用反范式的方式来设计。 d提供的功能不同：数据库是为捕获数据而设计，数据仓库是为分析数据而设计， e基本元素不同：数据库的基本元素是事实表，数据仓库的基本元素是维度表。 f容量不同：数据库库在基本容量上要比数据仓库小的多。 g服务对象不同：数据库是为了高效的事务处理而设计的，服务对象为企业业务处理方面的工作人员；数据仓库是为了分析数据进行决策而设计的，服务对象为企业高层决策人员。第十一章1、数据挖掘能做以下六种不同事情:（1）分类（Classification）（2）估值（Estimation）（3）预言（Prediction）（4）相关性分组或关联规则（Affinity grouping or association rules）（5）聚集（Clustering）（6）描述和可视化（Description and Visualization）2、上述可分为直接挖掘与间接挖掘（1）直接挖掘：目标是利用可用的数据建立一个模型，这个模型对剩余的数据或对一个特定的变量（属性）进行描述。前三个属于直接挖掘。（2）间接挖掘目标中没有选出某一具体的变量用模型进行描述，而是在所有的变量中建立起某种关系，后三种属于间接挖掘。3、数据挖掘的流程P123（1）定义商业问题（Define business problem） （2）建立营销数据库（Build marketing database）（3）探索数据 （Explore data）（4）为建模准备数据 （Prepare data for modeling） 首先，要为建立模型选择变量； 下一步，从原始数据中构建新的预示值；接着，需要从数据中选取一个子集或样本来建立模型；最后，需要转换变量，使之和选定用来建立模型的算法一致。（5）数据挖掘模型的建立 （Build model）（6）评价模型 （Evaluate model）（7）将数据挖掘运用到CRM方案中 (Deploy model and results)与客户的交互作用的两种方式：客户主动联系你或者你主动联系他们。数据转换数据模式预处理数据目标数据知识选择预处理评价模式数据挖掘转换数据处理数据挖掘结果评价4、数据挖掘的一般过程P126数据挖掘一般可以分为4个阶段：a确定目标b数据准备c实施数据挖掘d结果的解释与评估第十二章1、挖掘频繁模式、关联和相关（1）频繁模式（frequent pattern）是在数据中频繁出现的模式。存在多种类型的频繁模式，包括项集、子序列和子结构。频繁出现的子序列，如顾客倾向于先购买PC再购买数码相机然后再购买内存卡这样的模式是一个（频繁）序列模式。子结构可能涉及不同的结构形式，如图、树或格，可以与项集或子序列结合在一起。如果一个子结构频繁地出现，则称它为（频繁）结构模式。挖掘频繁模式导致发现数据中有趣的关联和相关。单维关联规则Buy(X,”computer”)buys(X,”software”)support=1%,confidence=50%多维关联规则Age(X,”20.29”)income(X,”20K.29K”).buys(X,”CD player”)support=2%,confidence=60%Min-support, min-confidence2、分类和预测分类（classification）是这样的过程，它找出描述和区分数据类或概念的模型（或函数），以便能够使用模型预测类标号未知的对象类。导出模型是基于对训练数据集（即类标号已知的数据对象）的分析。IF.THEN.规则决策树神经网络在本书，预测主要是指数值预测。预测是建立连续值函数模型，即它用来预测空缺的或不知道的数值或数据值，而不是类标号。回归分析（regression analysis）是一种最常使用的数值预测的统计学方法。预测也包含基于可用数据的分布趋势识别。相关分析（relevance analysis）可能需要在分类和预测之前进行，它试图识别对于分类或预测过程无用的属性。这些属性应当排除。3、主要是数据挖掘算法（1）分割聚类法分割聚类方法是一种基于原型（Prototype）的聚类方法，其本质是首先从数据集中随机地选择几个对象作为聚类的原型，然后将其他对象分别分配到由原型所代表的最相似，也就是距离最近的类中。分割聚类方法通过迭代控制策略对原型不断地进行调整，从而使得整个聚类得到优化。K-means 算法输入：聚类个数k，以及包含 n个数据对象的数据库。输出：满足方差最小标准的k个聚类。处理流程： （1）从 n个数据对象任意选择 k个对象作为初始聚类中心；（2）循环（3）到（4）直到每个聚类不再发生变化为止；（3）根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分；（4）重新计算每个（有变化）聚类的均值（中心对象）k-means算法是一种基于样本间相似性度量的间接聚类方法，属于非监督学习方法K-medoids 算法 K-medoids算法的过程和上述k-means的算法过程相似，唯一不同之处是：k-medoids算法用类中最靠近中心的一个对象来代表该聚类，而k-means算法用质心来代表聚类。 常见的k-medoids算法有PAM算法、CLARA算法、CLARANS算法。当存在“噪声”和孤立点数据时，k-medoids算法比可k-means更健壮，这是因为中心点不像平均值那么容易被极端数据影响。但是，k-medoids算法的执行代价比k-means高。（2）ID3算法 ID3算法是由Quinlan首先提出的。该算法是以信息论为基础，以信息熵和信息增益度为衡量标准，从而实现对数据的归纳分类。(3) Apriori 算法Apriori算法的特点就是在于从单项开始，每次剪裁一点，利用Apriori性质,有效避免了对很多不可能的项的搜索过程。 Apriori性质：一个频繁项集中任意子集也是频繁项集。逆反公里：即若一个集合不能通过测试，该集合所有超集也不能通过同样的测试。一、不考虑客户支出分配的客户终生价值模型（案例:P33）模型一：基于收入的忠诚客户的客户终生价值模型模型二：基于利润的忠诚客户的客户终生价值模型模型三：基于利润贡献的忠诚客户的客户终生价值模型1、模型解析：（1）模型一：基于收入的忠诚客户的客户终生价值模型CLV是客户终生价值，指一个忠诚客户在若干时期内给企业带来收入的当前值；In表示企业每年从忠诚客户那里获得的收入；r表示贴现率；n表示客户对企业忠诚的年数。（2）模型二：基于利润的忠诚客户的客户终生价值模型CLV是客户终生价值，指一个忠诚客户在若干时期内给企业带来利润的当前值；Pr表示企业每年从忠诚客户那里获得的利润；Pr=In-C；C表示企业服务于客户的成本，包括固定成本的分摊及变动成本；r表示贴现率；n表示客户对企业忠诚的年数。（3）模型三：基于利润贡献的忠诚客户的客户终生价值模型CLV是客户终生价值，指一个忠诚客户在若干时期内给企业带来利润贡献的当前值；R表示企业每年从忠诚客户那里获得的利润贡献；R=In-Cs；Cs指服务客户的直接成本；r表示贴现率；n表示客户对企业忠诚的年数。2、案例分析：例3.1：假设客户与公司保持交易时间n=5,公司最初吸引每个客户的成本Co=400，客户第一次购买的产品价格Po=2000，公司期望每年从每个客户处增加的收入In=500，利率r=9%，每年的直接服务成本Cs=10采用模型一：= = 3945采用模型三： = = 3506 在相同的情况下，客户的终生价值用模型一得到的大于用模型三所得到的。 例3.2：假设客户A、客户B与公司保持交易时间均为5年，公司期望每年从客户A处增加的收入为Ina=500,从客户B处增加的收入为Inb=450,但每年用于客户A的直接服务成本为Csa=200,用于B的直接服务成本Csb=100采用模型一： CLVa1=1945 CLVb1=1556采用模型三： CLVa2=1167 CLVb2=1361.5从上述可以看出，采用模型一，客户A的终生价值大与客户B的终生价值；而采用模型三：客户A的终生价值小于客户B的终生价值。所以，合理选取客户的终生价值模型对客户终生价值评估有很大的影响。而当我们计算客户终生价值时，首先必须确定客户终生价值是来自于客户的收入、利润还是来自于客户对利润的贡献。从此例可以看出，模型三比模型一更能体现不同的客户服务给企业带来的效益的差异，便于企业对不同的客户进行不同的管理。二、考虑客户支出分配的客户终生价值模型：（1）考虑支出分配的客户终身价值模型CLV是客户终生价值，指一个客户在若干时期内给企业带来利润贡献的当前值；t表示选择分析的时间周期（如一月、一季或一年）；r是折现率；T表示企业计划的计算长度（多少个时间周期）； Ft是每个时间周期t内客户购买该产品品类的期望频数；Sit是在时间t上的第i个购买周期中客户对某品牌的期望支出份额；Rt是客户在时间t内每笔购买的平均贡献。（2）确定客户支出分配在这个模型中最关键是如何确定客户的支出分配。要了解客户支出分配，首先必须研究购买变换。购买变换可从两个方面来观察。第一：考虑客户维系。第二：考虑购买转换。所以计算客户终身价值时必须考虑这两个因素，为此用客户购买的转换矩阵表示客户的购买变换设客户每次购买有n个品牌可以选择，其购买转换矩阵如下：Pij表示客户当前购买品牌i下次购买品牌j的可能性，其中Pii表示品牌i的维系概率。其中：i=1,2,n； j=1,2,.,n矩阵中最上面一行表示本次购买品牌1的客户下次购买可能发生的品牌转换的情形。P11表示下次仍购买品牌1的可能性，P12表示下次购买品牌2的可能性，以此类推。矩阵中最左面一列表示本次购买各种品牌的客户在下次购买时如何转换到购买品牌1的情形。P21表示本次购买品牌2下次购买品牌1的可能性，P31表示本次购买品牌3下次购买品牌1的可能性，以此类推。有了转换矩阵就能计算出客户的支出分配。（3）考虑支出分配的客户终生价值计算举例例3.3：设客户在一次购买中不只选择一个品牌，而是部分选择3个品牌A、B和C。若在最近一个购买周期内的选择是A占60%、B占30%、C占10%，即SA=60%、SB=30%、SC=10%，客户的购买转换矩阵如下：则在下一个购买周期内：品牌A的支出分配=60%*PAA+30%*PBA+10%*PCA =60%*0.7+30%*0.1+10%*0.25=47.5%品牌B的支出分配=60%*PAB+30%*PBB+10%*PCB =60%*0.2+30%*0.8+10%*0.15=37.5%品牌C的支出分配=60%*PAC+30%*PBC+10%*PCC =60%*0.1+30%*0.1+10%*0.6=15%再用SA=47.50%、SB=37.5%、SC=15%及客户的购买转换矩阵计算出在下个购买周期客户在各个品牌的支出分配。例3.4：用例3.3的转换矩阵，计算品牌A的客户终生价值。设用一年作为分析的时间周期，企业计划的计算长度为2即2年，r=9%，Ft=1表示一年购买一次，客户在每个时间t内每笔购买的平均贡献都一样均为500，SA0=60%、SB0=30%、SC0=10%（其中SA0表示客户在t=0时间周期中购买品牌A的支出分配，以此类推）根据SA0、SB0、SC0及转换矩阵，我们可以得到： SA1= SA0*PAA+ SB0*PBA+SC0*PCA=60%*0.7+30%*0.1+10%*0.25=47.5% SB1= SA0*PAB+ SB0*PBB+ SC0*PCB=60%*0.2+30%*0.8+10%*0.15=37.5% SC1= SA0*PAC+ SB0*PBC+ SC0*PCC=60%*0.1+30%*0.1+10%*0.6=15%同理得： SA2= SA1*PAA+ SB1*PBA+ S