第6章企业客户关系统计_企业经营统计学.ppt

第六章企业客户关系统计 6 1企业客户分类统计 6 2企业客户满意度分析 6 3企业广告效果统计分析 6 4企业客户关系数据挖掘 本章主要内容 客户分类的定义及分类方法客户满意度的概念和意义客户满意度的测评流程客户满意度指标体系及其测评模型企业广告效果的测定方法数据挖掘的概念和常用的统计方法数据挖掘在企业客户管理中的流程及应用 第一节企业客户分类统计 一 企业客户分类统计的概念及意义二 企业客户的各种分类和细分方法 一 客户分类的概念及意义 原因 追求利润最大 客户为中心 管理理念 为了满足客户需求客户分类是指根据一个或若干个客户属性划分客户集合的过程 进行有效的客户分类能帮助企业将有限的资源投资在最有价值的客户身上 为企业创造最大的利润价值 2 意义 有助于将有限的资源投资在有价值的客户研究各种类型的客户 确定最有价值的客户 企业客户分类统计是企业获取客户信息的主要手段 是企业统计的新领域 为企业决策服务的出发点和突破口 具体的说 企业客户分类统计就是要求企业统计承担对本企业客户市场的调查研究 并在此基础上运用统计方法根据客户分类标准对本企业的各种客户进行分类和细分 二 企业客户的分类方法 1 定性分类方法 抽象 直观 无法或无需量化2 定量分类方法 指标的标准 1 定性客户分类方法 1 按客户的认知价值分类客户认知价值 客户付出金钱或时间购买的决不是产品和服务 而是对其自身需求的满足 通过产品或服务使得顾客获得需求满足的才是价值 即客户认知价值 顾客认知价值往往与供应商自身定义的产品或服务的价值是有差异的 1 定性客户分类方法 按客户的认知价值分类 可分为 内在价值型客户 注重产品本身价值外在价值型客户 注重个性化订制方案战略价值型客户 建立战略伙伴联盟关系 注重长远利益 2 按客户的生命周期分类客户关系周期 从企业开拓客户关系 建立业务到业务关系终止的全过程 他描述了客户关系水平随时间变化的发展轨迹 按客户的生命周期分类 可分为 考察期的客户 企业和客户关系的探索和试验阶段 双方考查 不了解 不确定 形成期的客户 企业和客户关系快速发展阶段 相互信赖 信任 交易次数增多 稳定期的客户 企业和客户关系发展的最高阶段 长期关系稳定 消退期的客户 企业和客户关系处于水平逆转的阶段 失去兴趣 终止业务 3 按客户的领域分类可分为国内客户与国外客户 本地客户与外地客户 城市客户与农村客户等 4 客户按客户的性质分类可分为生产资料客户与消费资料客户 中间产品客户与最终产品客户 5 客户按客户的对象分类可分为居民客户与集团客户 已存在客户与潜在客户等 6 客户按流通方式可分为零售业客户与批发业客户 直接客户和中介客户等 客户进行细分 户细分的目的是将有限企业客户资源优化 认清客户类型 找到最有价值的客户并有针对性地实施客户保持策略 提高客户特别是最有价值客户的满意度和忠诚度 组合分类 信用等级进行分类第一类客户为低信用等级 小规模的客户 是不值得开发或维护的一类客户 第二类客户为高信用等级 小规模的客户 是企业在产品的投入期和成长期必不可少的一类 第三类客户为低信用 大规模的客户 是值得企业谨慎考虑和认真培育的一类客户 第四类客户为高信用等级 大规模的客户 这是企业重点培养的客户 2 定量客户分类方法 1 按客户的利润进行分类这种方法主要是根据巴雷托80 20法则进行分类 又称ABC分类法客户被直观地分为A B C三类 A类客户占20 左右 企业80 以上的利润来源于这些客户 属于重点客户或VIP客户 B类客户占70 左右 只提供了不足20 的利润 是可以保持或缩减的客户 即为普通客户 C类客户占10 左右 这类客户不仅不会为企业带来任何利益 甚至 应该抛弃这类客户 即为淘汰客户 2 按客户成本贡献率分类成本贡献率是企业与客户年交易中所获取的净利润与客户年分摊营销成本之比值 其计算公式为 将得到的CP值与企业的平均销售净利润进行比较 根据其取值范围即可区分出客户类型 可分为黄金客户 白银客户 普通客户 淘汰客户 指标计算公式取值范围客户类型V V 150 黄金客户120 V 150 白银客户90 V 120 普通客户V 90 淘汰客户 3 按客户价值分类客户价值是企业客户资源能够给企业带来的利益的高低 是客户为满足其需求而且进行消费所体现出来的市场价格 其计算分式为 CV为从核定期的客户价值 T为从核定期客户生命周期长度 为客户平均每次消费额 为客户平均消费周期 根据这三个指标的不同 客户可分为黄金客户 白银客户 发展客户 放弃客户 1 放弃客户 这类客户表现为三个变量T e t都处于劣势 他们应该是被淘汰或稍加注意的客户 否则 只能使企业的收益成本比的结果趋于劣化 2 发展客户 这类客户特点是三个变量中有两个处于劣势 一个处于优势 如T优 而e和t劣 消费额少且消费周期长 企业需要掌握更多的客户信息 及时了解他们的需求状况 对他们投入较多关注 提高他们的满意度和忠诚度 使他们向白银客户或者黄金客户转化 而这一切又对企业的营销管理人员的素质提出更高的要求 3 白银客户 与发展客户相对 这类客户的特点是三个变量中有两个处于优势 一个处于劣势 如T劣 而e和t优 主要策略是分析客户劣势变量存在的可能原因并制定相应对策 努力维持并且最好能使他们升级 4 黄金客户 这是可以为企业带来大量收益的客户 这三个变量均处于优势 因此 企业应不遗余力地为他们提供优质服务 使黄金客户自身能切实体会到这种伙伴关系所带来的实在利益 第二节企业客户满意度分析 一 客户满意度的概念及意义二 客户满意度的测评流程三 客户满意度的探索性调查四 客户满意度的测评五 如何提高客户满意度 一 什么是企业客户满意度 客户满意 客户将其对一个产品或服务的可感知的效果与他的期望值进行比较后 所形成的愉悦或失望的感觉状态 客户满意度可以看作是可感知效果与期望值之间的差异函数 作为经营指标客户满意度的概念可以分为行为意义上的客户满意度和经济意义上的客户满意度两个方面 其中行为上的客户满意度是指客户在与企业的多次接触中所逐渐积累起来的情感状态 经济意义上的客户满意度则是可从客户满意度的重要性上加以理解 满意度分析的作用一个企业经营管理的最高目标是追求利润最大化 而追求利润的传统方式是成本管理 但是由于成本是各种资源构成的 成本的压缩有一定的限度 所以当对利润的渴求无法从降低成本中获得满足后 企业就把目光转向客户 但客户是一个抽象的概念 只有得到客户的满意 才能抓住客户的需求 从而构成了企业产品的市场 也就拥有了企业生存和发展的空间 客户满意是企业效益的源泉 客户对产品和服务的满意与否 成为企业发展的决定性因素 客户满意度已经成为当今企业管理的中心和基本观点 二 客户满意度的测评流程 客户满意度对于企业的发展是非常重要的 为做到使企业的客户满意 必须测量和评估他们的满意程度 以及企业的的客户满意度是在上升还是在下降 客户满意度测评是企业根据自己的业务目标并针对客户的侧重点 进行规划 研究 调查 衡量 分析 采取纠正措施和持续改进的过程 从系统的角度出发 它还是一个为推动以客户为中心的业务战略和长远规划而认识市场 优势 实力和机遇的过程 客户满意测评是一个循环递进的过程 它主要包括以下几个方面 1 确定对客户满意度研究和测评目标2 找出影响客户满意度的主要因素3 建立客户满意度指标体系4 进行市场调研对产品和服务加以改进5 跟踪测试 三 客户满意度的探索性调查 定性 1 调查人群的组成为了让顾客参与确定顾客满意度的组成因素 企业就要确定被调查人群探索性调查中不仅要研究什么顾客作出购买决定 还要考虑其它什么人涉及并影响他们的购买决定对每位顾客都进行调查 大多数情况下就要对最有代表性顾客进行抽样调查 大多数顾客满意调查的样本都在100 200人之间 除了随机抽样调查方式以外 还常用根据客户的不同规模采用分层抽样 整群抽样等 探索性调查方式可以有两种 顾客感受调查和市场地位调查 2 顾客满意度的影响因素不同行业 不同产品客户满意度影响因素不一样 但其核心思想与基本思路却存在着一致性 根据已有经验 影响客户满意度的因素包括客户预期 客户对质量的感知 客户对价值的感知 客户满意度 客户抱怨和客户忠诚六个因素 如下图 除了影响客户满意度的共同因素之外 还存在着细节性的满意因素决定着客户对产品的评价和喜好 确定顾客满意度的组成因素 浅层调研和小范围的市场调查 通常做法是针对一些代表性的客户 通过企业深入访谈 目标消费群体座谈会或焦点小组访谈 小规模定量问卷等方式进行 四 客户满意度的测评 顾客满意度的核心是确定企业的产品和服务在多在程度上满足了顾客的欲望和需求 顾客满意度的测评方法有是建立客户满意度指标体系和客户满意度模型进行测评 方法简介 它是一种加权平均指数 它在原始数据搜集基础上 建立相应的测评指标体系并进行量化 然后根据一定的客户满意度模型或利用经济计量学模型计算出企业客户满意度指数 1 建立客户满意度指标体系客户满意度测评的指标体系是将影响因逐级展开 直到形成一系列可以直接测评的指标 这些逐级展开的测评指标就构成了客户满意度测评的指标体系 借鉴 瑞典客户服务测评价标准 SCSB 和 美国客户满意度指数 ACSI 的成功经验 评价指标体系划分为以下三个层次 1 第一层次 客户满意度指数 是总评价目标 为一级指标 2 第二层次 影响客户满意度的六大要素 为二级指标 3 第三层次 根据不同的产品 服务 企业或行业的特点 可将六大要素展开为具体的三级指标 2 客户满意度测评指标的量化 量表 客户满意度测评实际是一个定量分析过程 由于客户对产品 服务或企业的看法 偏好和态度通常是以定性的形式出现 因此必须用某些特殊的测量技术将它们表示出来 这种测量技术运用基本工具就是 量表 1 量表的设计步骤第一步是 赋值 根据设定的规则 对顾客满意度的不同的态度特性赋予不同的数值 第二步是 定位 将这些数字排列或组成一个序列 根据受访者的不同态度 将其在这一序列上进行定位 2 量表的种类利克特量表 用于测量对一句陈述的同意程度序列量表 要求采访对象表明其对各项因素的态度的相对强度按重要性或偏好进行排序数字量表 要求采访对象对自已的态度强度给出一个分数 利克特量表 顾客优先要求 序列量表 顾客优先要求 数字量表 顾客优先要求 3 客户满意度的测评模式 根据测量方式的差别 直接绩效测评模式 直接打分 直接度量各项指标的满意程度 样本均值 直接差异测评模式 满意程度与其期望的差异 离差 绩效与期望差距测评模式 结合以上 客户满意度的测评模型 对各个测评指标进行量化后 企业就可以测算客户满意度指数 客户满意度指数已经成为评估企业业绩的一个重要的非财务指标 它是一个测量客户满意度程度并综合各种度量因素所获得的一个指数 需要建立客户满意度的模型来获得客户满意度指数 1 四分图模型 列出企业产品和服务的所有绩效指标 每个绩效指标有重要度和满意度两个属性 根据顾客对该绩效指标的重要程度及满意程度的打分 将影响企业满意度的各因素归进四个象限内 企业可按归类结果对这些因素分别处理 如下图所示 A区 优势区 指标分布在这些区域时 表示对顾客来说 这些因素是重要的关键性因素 顾客目前对这些因素的满意度评价也较高 这些优势因素需要继续保持并发扬 B区 修补区 指标分布在这些区域 表示这些因素对顾客来说是重要的 但当前企业在这些方面的表现比较差 顾客满意度评价较低 需要重点修补 改进 C区 机会区 指标分布在这些区域时 代表着这一部分因素对顾客不是最重要的 而满意度评价也较低 因此不是现在最急需解决的问题 D区 维持区 满意度评价较高 但对顾客来说不是最重要的因素 属于次要优势 又称锦上添花因素 对企业实际意义不大 如果考虑资源的有效分配 应先从该部分做起 各项指标重要程度得分 其中 Vi 第i个指标的重要性 i 影响顾客满意的指标个数 kj 指标相对重要性为j时所对应的分值 j 评价各指标相对重要性的分类等级 Rij 认为第i项指标重要度为j级的顾客占总人数的比例 各项指标满意程度得分 Pi 顾客对第i个指标的满意程度 i 影响顾客满意的指标个数 xj 满意程度等级为j时对应的分值 j 为顾客满意的分类等级数 yij 第i项指标满意度为j级的顾客占总人数的比例 总体满意度 绘制四分图 优缺点分析四分图模型目前在国内应用很广 国内大多数企业在做顾客满意度调查时均采用该模型 这个模型简单明了 分析方便有效 而且不需要应用太多的数学工具和手段 无论是设计 调研 还是分析整理数据 都易于掌握 便于操作 当然 这个模型也存在不足之外 它孤立地研究满意度 没有考虑顾客感知和顾客期望对满意度的影响 也没有研究满意度对顾客购买后行为的影响 在实际操作中 该模型列出各种详细的绩效指标由顾客来评价指标得分 这就可能让许多顾客重视但调查人员和企业没有考虑到的因素未能包含在调查表中 由于该模型不考虑误差 仅各指标得分加权平均算出顾客满意度的数值 得出的数据不一定准确 同时也不利于企业发现和解决问题 另外 由于该模型使用的是具体的绩效指标 很难进行跨行业的顾客满意度比较 即使处在同一行业的各个企业 由于各地区经济发展不平衡 顾客要求不同 各指标对顾客的重要程度也可能不同 导致同一行业跨地域的可比性也大大降低 2 美国顾客满意度指数模型 ACSI 由上述六个结构变量构成的因果关系模型 其数量关系通过多个方程的计算经济学模型进行估计 它提出了顾客期望 感知质量和感知价值这三个变量 它们影响顾客的满意度 是顾客满意的前因 感知价值作为一个潜变量 将价格这个信息引入模型 增加了跨企业 跨行业 跨部门的可比性 顾客满意的结果 抱怨和忠诚其中 1 2 5 是模型的潜在内生变量 分别表示客户接受服务的感知质量 感知价值 满意度 抱怨以及忠诚度 1是模型的潜在外生变量 代表客户在接受实际服务之前对可能提供服务质量的预期 见下图 ACSI一般公式如下 ACSI一般公式如下 4 客户满意度的提高及行动建议 1 系统诊断 从顾客的意见和建议中寻找解决顾客不满的办法 为企业的管理者提供建议 2 系统规范 包括总结优势 进一步发展 改进弱项 寻找新的机会点 结合优劣势 对有关满意度的影响因素重新规范 3 系统改进 对企业客户满意度工作进行改进提升 重点是根据企业自身实际情况调查规范后的结果 4 系统测试 客户满意度的跟踪调查 由此完成一个阶段的调查并作为下一个调查的起点 五 如何提高客户满意度 1 倾听客户的声音2 对客户反映的事实负责并且采取行动3 集中关注并把资源放在那些对客户有影响的项目上4 设置一套适合企业自身的共同指标体系来量度不同项目的成效5 调和部门之间的协助6 追踪所发生的一切 找出你在客户工作中所产生的作用 第三节企业广告效果统计分析 一 广告媒体及衡量广告效果的指标二 企业广告效果测定的几种方法三 量化模型在广告上的应用 一 广告媒体及衡量广告效果的指标 市场竞争日趋激烈 企业投入的广告费用也越来越多 企业花费的巨资所作的一则或者一组广告是否达到了预期的效果 钱有没有白白扔掉 对企业的销售成果有何影响 现在的广告媒体主要有电视 报纸 广播 网络这四大全国性媒体 还有例如户外广告 电影等传播媒介 但是无论新媒介以何种形式出现 广告以何种形式表达 在广告信息传递效果的测量上基本指标体系不会发生大的变化 主要通过媒体覆盖范围 媒体覆盖率 信息到达率等指标来反映 二 企业广告效果测定的方法 1 广告费比率法从公式可看出 销售 利润 费用率越小 单位费用销售 利润 率越大 就说明广告效果越好 反之 则广告效果越差 2 广告效果比率法计算公式为 从公式中可以看出 销售效果比率越大 说明广告效果越好 反之 则广告效果越差 3 广告效益法计算公式为 由此可见 单位费用销售 或利润 增加额越大 说明广告效果越好 4 盈亏分界点计算法销售费用率 广告费用率 销售额用符号带入推导 所以 其中 A为基期广告费 A为报告期广告费增加额 S为报告期销售额 R为平均销售费用率 计算结果如果 A为正值 说明广告费使用合理 经济效果好 如果为负值 说明广告费未能有效使用 需考虑压缩广告开支 则各公司 A值为 甲公司 A 1000 1 3 15 2 万元 乙公司 A 2000 1 1 18 4 万元 丙公司 A 1800 1 2 14 7 6 万元 5 小组比较法 1 广告效果系数法广告效果系数法 根据小组比较法 在广告推出后 调查以下两种情况 看没看过广告 又没有购买广告商品 表中 a 看过广告而购买的人数 b 未看过广告而购买的人数 c 看过广告但没有购买的人数 d 未看过广告又未购买的人数 n 被调查的总人数 广告效果指数 advertisingeffectivenessindex 简称AEI 计算公式为 AEI a a c b b d n 100 例如 某企业为提高产品销售量 共发起两次广告运动 每次广告运动后 经调查所得资料分别为 第一次广告运动 第二次广告运动 现分别计算两次广告运动的广告效果指数如下 AEI1 85 186 48 214 400 100 10 82 AEI2 96 187 44 213 400 100 14 34 由上看出 第一次广告效果指数为10 82 第二次广告效果指数为14 34 第二次广告显然比第一次效果要好 2 相关系数法 小组比较法中还可以用相关系数进行推算 其计算公式为 公式中为相关系数 a b c d的含义与广告效果系数法公式中相同 公式中 为相关系数 a b c d的含义与广告效果系数法公式中相同 仍以上面的例子为例 分别计算第一次和第二次广告运动的相关系数如下 一般而言 相关系数 在0 2以下成为低效果 在0 2至0 4之间称为中等效果 在0 4至0 7之间称为较高效果 而在0 7以上成为高效果 由上述计算可见 两次广告运动都取得了中等效果 而第二次广告运动比第一次广告运动的效果更为显著 这与用广告效果喜书法测算所得的结论是一致的 第四节企业客户关系的数据挖掘 一 数据挖掘的介绍二 企业客户关系管理中的数据挖掘流程三 客户关系中的 CRM 数据挖掘四 数据挖掘在CRM中的典型应用 客户关系管理 以客户为中心 客户利益的最大 企业利润极大增长企业的数据量非常大 而其中真正有价值的信息却很少 因此需要对大量数据经过深层分析 获得有利于企业经营运作 提高竞争力的信息 这就是数据挖掘数据挖掘是按照企业既定的目标 利用人工智能 机器学习 统计学等技术高度自动化地分析企业原有数据 作出归纳性的推理 从中挖掘出潜在的模式 预测客户的行为 帮助企业的决策者调整市场策略 减少风险 作出正确的决策 与传统的数据分析相比 数据挖掘是在没有明确假设的前下挖掘信息并发现知识 它所得到的信息应该具有先前未知 有效和可实用特征 数据挖掘广泛应用于很多领域 客户数据仓库中进行数据挖掘正逐渐成为CRM中最核心的部分 一 数据挖掘的介绍 1 数据挖掘的概念描述数据挖掘 DataMining 又称数据库中的知识发现 是指从大量的 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 对企业而言 数据挖掘就是按企业既定业务目标 对大量的企业数据进行探索和分析 揭示其规律性或验证已知的规律性 并进一步将其模型化的先进有效的方法 可以有助于发现业务发展的趋势 揭示已知的事实 预测未知的结果 并帮助企业分析完成任务的关键因素 以达到增加收入 降低成本 增强企业竞争优势的目的 数据挖掘流程 2 数据挖掘的任务归为以下几类 1 关联分析 关联性是发现组项目之间的关联关系和相关关系 即利用关联规则进行数据挖掘 关联规则是描述数据库中数据项之间所存在关系的规则 即根据一个事务中某些项的出现可导出另一些项在同一事务中也出现 即隐藏在数据间的关联或相互关系 2 时序模式 通过时间序列搜索出重复发生概率较高的模式 这里强调时间序列的影响 序列模式分析和关联分析相似 但侧重点在于分析数据间的前后序列关系 它能发现数据库中形如 在某一段时间内 顾客购买商品A 接着购买商品B 而后购买商品C 即序列A B C出现的频度较高 之类的知识 3 分类 找出一个类别的概念描述 它代表了这类数据的整体信息 找出一个类别的概念描述 它代表了这类数据的整体信息 分类是数据挖掘中应用最多的任务 设有一个数据库和一组具有不同特征的类别 标记 该数据库中的每一个记录都赋予一个类别的标记 这样的数据库称为示例数据库或训练集 分类分析就是通过分析示例数据库中的数据 为每个类别做出准确的描述或建立分析模型或挖掘出分类规则 然后用这个分类规则对其它数据库中的记录进行分类 4 聚类 按一定规则将数据分为一系列有意义的子集 个体之间的差距较小 不同聚类中 个体之间的距离偏大 聚类分析输入的是一组未分类记录 并且这些记录应分成几类事先也不知道 通过分析数据库中的记录数据 根据一定的分类规则 合理地划分记录集合 确定每个记录所在类别 它所采用的分类规则是由聚类分析工具决定的 采用不同的聚类方法 对于相同的记录集合可能有不同的划分结果 例如零售商用于对市场上的客户群体分类 可划分为三类 高收入群体 中等收入 低收入 针对不同类的客户采取不同营销策略 5 预测 利用历史数据建立固有模式和趋势的模型 并用此模型预测未来数据的种类 特征等 6 偏差分析 从数据库中找出异常数据 3 常用的数据挖掘统计方法和技术 1 决策树方法利用一系列规则对数据进行划分 决策树是指人们为了作出某个决策而建立的一系列树状图 有二叉树和多叉树 用于分类和预测 常用的算法有CART CHAID ID3 C4 5 C5 0等 2 遗传算法遗传算法是在生物进化的概念基础上设计的一种优化技术 它包括基因组合 交叉 变异和自然选择等一系列过程 通过这些过程已达到优化的目的 遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法 是一种仿生全局优化方法 遗传算法具有的隐含并行性 易于和其它模型结合等性质使得它在数据挖掘中被加以应用 选择 Selection 根据个体的适应度 按照目标选择一定的算法和规则 从上一代优良的候选解中选择优良的个体以传到下一代中交叉 Crossover 将候选解中的各个个体随机搭配成对 成对后按照某种概率交换二者的部分基因 变异 Mutation 将候选解中的每个个体按照某种概率改变其中的一个或多个基因 遗传算法最终会结束 结束的条件 1 找到问题的解 2 收敛到某个解 3 迭代到了一定的次数 举例如下 3 人工神经网络人工神经网络通过模拟人的神经元功能 从输入层获得影响预测量的变量值 通过隐藏层 用权数对数据进行调整 计算 最后在输出层进行处理得到预测结果 人工神经网络可以用于分类和回归 特点 多输入 单输出 输出是每个输入综合的结果 4 最近邻算法当需要解决问题的时候 我们经常来考察一下以前所处理的相似问题的解决方案 发现那些接近于每一个新情况的旧情况 最近邻算法就是事先通过预先确定其中旧情况倾向有一种结果或另一种结果的区域 并假设它的结果将与那些邻居的大多数相匹配 发现这种技术通过已辨别历史记录的组合来辨别新的记录 它可以作聚类和偏差分析 5 规则归纳通过统计方法来归纳 提取有价值的规则 典型方法是粗糙集 规则归纳 粗糙集 6 可视化方法可视化方法用图表等方式把数据特征用直观的方式表述出来 如趋势线和趋势面图等 这其中运用的许多描述统计的方法 运用可视化技术可以对历史和现在的数据资料有较深刻的认识 在此基础上 对未来事物的发展做出定性的预测 可以达到更令人信服的结论 平行坐标图法表示表中的数据 二 企业客户关系管理中的数据挖掘流程 客户关系管理 CRM 是指以客户为中心 以客户和当前交易数据为基础 利用信息技术从海量数据中找出客户特征 分析客户行为 从中挖掘出对企业有商业价值的信息 从而对企业和客户之间的交互活动或行为进行管理 辅助企业决策和规划的企业经营活动 CRM核心管理思想就是客户是企业最重要的资源之一 不断改进对客户的服务水平 从而为企业带来更多利润 数据挖掘技术是借助各种分析方法 透过无序的 表层的信息从海量的数据库中挖掘出内在的知识和规律 挖掘出大量的信息之后 企业可以根据这些规律或用这些信息设计数学模型 对发生行为做出结果预测 为企业的经营决策 市场策划提供依据 数据挖掘技术在CRM中的应用从业务流程角度来讲主要包括三个方面 销售方面 数据挖掘可以对多种市场活动的有效性进行实时跟踪和分析 使销售员能够及时把握销售机会 极大的提高了工作效率 客户服务方面 随着信息接入方式的网络化 自动化 数据挖掘能够帮助服务中心准确的了解客户的关注点 满足客户的个性化需求 市场和企业内部管理方面 通过对所接触的客户收集到的信息进行分析和挖掘 营销人员可以对客户进行分类发现潜在客户 紧跟黄金客户 放弃无价值客户 企业主管人员可以对员工的业绩进行考核和评价 数据挖掘在CRM中的挖掘流程如下图 三 客户关系中的 CRM 数据挖掘 1 数据挖掘在CRM中的作用企业通过搜集 累积大量的市场及顾客的资料 建立了庞大的数据仓库 通过采用数据挖掘技术 寻找出对消费者而言最关键 最重要的影响因素 并籍此建立真正以客户需求为出发点的客户关系管理系统 1 数据挖掘在客户关系管理中的应用范围 1 客户群体的细分 2 交叉销售 3 客户的获得 流失和保持分析 4 连带或增值销售 5 客户盈利能力分析和预测 6 客户满意度分析 1 客户群体的细分数据挖掘在客户关系管理中应用的第一步就是挖出顾客的特征描述 企业和商家通过各种方式收集大量客户消费行为信息 利用数据挖掘让企业从海量的数据中能帮助你识别这些不同的客户群 找出对企业最有价值的客户 特别是那些占客户总数20 但为企业提供的利润占企业利润总额80 的大客户 确定为企业的价值客户针对不同的客户档次 可使企业以最小的投入获得最大的回报 对于价值客户 可以采取个性化营销和服务策略 对企业忠诚 锁住客户 以求保持高利润 决策树 聚类是客户分类中的常用工具 例如 用聚类分析法把银行贷款客户分类A类 B类 C类 其中分类标准有 贷款数额 资信度 还款期限等 据此得出A类 B类客户的特征 作为重点营销对象 并挖掘潜在的客户 2 交叉销售现代企业和客户之间的关系是经常变动的 一旦拥有了新的客户 就要竭力完善这种关系 需要对其进行交叉销售 为原有客户提供新的产品或服务 数据挖掘可以帮助你分析出最优的合理的销售匹配 交叉营销是指向已购买商品的客户推荐其它产品和服务 这种策略成功的关键是要确保推销的产品是用户所感兴趣的 交叉销售的方式是建立在双赢原则上的 对客户而言可以得到更多更好的产品或服务 对企业而言 也会因销售增加而获益 首先 通过数据挖掘中的聚类分析 确定交叉销售的目标客户 通过聚类分析 可以确定属于某类顾客经常购买的商品 并向没有购买行为的此类顾客推销这类商品和服务 然后 通过关联分析发现最优的销售组合 并向相应的目标客户展开交叉销售 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的购买行为的关键 甚至决定因素 数据挖掘的作用就是找到这些因素 3 客户的获得 流失和保持分析充分保留老客户 增加客户获利价值 随着各个行业的竞争越来越激烈 企业获得新客户的成本正在不断上升 因此保持原有客户对所有企业来说就显得越来越重要 有数据显示 培养一个新顾客的成本是留住一个老顾客的6 8倍 而且往往失去的客户比新得到的客户要贡献更多的利润 客户保持是留住可能流失的客户 获得新客户的成本逐年增加 老客户的流失率也很高 获得一个新客户的成本是保留一个老客户成本的5倍 保持客户就要培养顾客的忠诚度 企业必须在掌握顾客的消费心理和消费偏好的前提下 对顾客提供满意的个性化服务 首先 建立模型用来预测和识别潜在的流失者 随后 通过数据挖掘识别潜在的流失者中的黄金客户 最后 利用聚类分析等方法对黄金客户中的潜在流失者的数据进行分析挖掘 识别其行为模式等 从而有针对性地对客户采取相应的