数据挖掘在客户关系管理中的应用（ 35页）ppt课件

1、数据发掘在客户关系管理中的运用 .议程 客户关系管理为什么要进展客户关系管理客户关系管理的内容 数据发掘在客户关系管理中的运用什么是数据发掘数据发掘的典型运用 SPSS Clementine针对CRM的数据发掘处理方案SPSS数据发掘方案简介Clementine中的CRM数据发掘模板.议程 客户关系管理为什么要进展客户关系管理客户关系管理的内容 数据发掘在客户关系管理中的运用什么是数据发掘数据发掘的典型运用 SPSS Clementine针对CRM的数据发掘处理方案SPSS数据发掘方案简介Clementine中的CRM数据发掘模板.为什么要进展客户关系管理 客户关系管理的提出是伴随着产品极大丰

2、富、买方市场构成而产生的从“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化 CRM的中心是“了解他们，倾听他们 CRM的目的可以概括为“吸引潜在客户进入，提高现有客户称心度和忠实度，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.人口地理学特征，心思特征，需求和优先级等他们是谁？产品、价钱、渠道、促销技术革新，经济环境，特殊事件等客户的购买体验他为他们做了什么？竞争性要素分析外部要素影响有很多要素影响着客户行为从而改动他们对于企业的价值客户行为.客户特征描画客户价值分析客户生命周期分析客户细分客户忠实度分析加深对客户的了解

3、是一个循序渐进的过程. 使获得客户的本钱更低 减少销售本钱 更高的客户创利才干 提高客户的保管度和忠实度 评价客户的创利才干客户关系管理的益处. 信息技术的开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 数据发掘技术信息技术的角色. 客户关系管理为什么要进展客户关系管理客户关系管理的内容 数据发掘在客户关系管理中的运用什么是数据发掘数据发掘的典型运用 SPSS Clementine针对CRM的数据发掘处理方案SPSS数据发掘方案简介Clementine中的CRM数据发掘模板议程. 经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那么

4、的探测和分析活动。 数据发掘是一门科学，有科学的方法和模型作为根底 数据发掘又是一门艺术，需求运用者对商业问题的深化了解和模型适用条件深化的认识什么是数据发掘.数据发掘描画预测统计回归关联规那么决策树可视化聚类顺序关联汇总神经网络分类数据发掘的分类. 问题描画：预测信誉程度是好还是差，银行据此决议能否向客户发放贷款，发放多少 结果描画:(决策树收入大于5万元/年是否有无储蓄帐户能否房主是是否否同意不同意同意数据发掘的典型结果金融. 问题描画：根据客户信息，预测客户流失能够性 结果描画:(神经网络输 入流失概率0.87)输 出男293000元/月神州行130元/月数据发掘的典型结果电信. 问题描

5、画：如何决议超市中商品的摆放来添加销售额 结果描画:(Web图数据发掘的典型结果零售. 问题描画：如何对市场进展细分，使产品满足最有价值客户 结果描画:(Koholen聚类营销活动回应率数据发掘的典型结果制造业. 问题描画：如何从众多恳求经费或者纳税中发现欺诈 结果描画:(回归、神经网络数据发掘的典型结果政府. 客户盈利才干； 客户保管； 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； 价钱优化。数据发掘在客户关系管理中的运用范围. 客户关系管理为什么要进展客户关系管理客户关系管理的内容 数据发掘在客户关系管理中的运用什么是数据发掘数据发掘的典型运用 S

6、PSS Clementine针对CRM的数据发掘处理方案SPSS数据发掘方案简介Clementine中的CRM数据发掘模板议程. 商业了解 数据了解 数据预备 建立模型 模型评价 模型发布 提供了业界权威的数据发掘方法论跨行业数据发掘规范流程CRISPDMSPSS数据发掘方案简介. 提供了界面友好、算法丰富、功能强大的数据发掘任务平台SPSS ClementineSPSS数据发掘方案简介(续. 提供了面向行业问题的数据发掘运用模板目前提供以下行业的数据发掘模板 针对电信行业的数据发掘模板 针对CRM的数据发掘模板 针对Web发掘的数据发掘模板 犯罪方式甄别模板 欺诈Fraud甄别模板SPSS数

7、据发掘方案简介(续.商业了解文档部署运用D streams数据了解E streams探测数据预备P streams建模和评价M streams一切模板都是行业问题、方法论CRISPDM和数据发掘工具Clementine的完美结合SPSS数据发掘方案简介(续.3个运用模型模型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：营销活动的呼应计算并探测RFM分数呼应率模型的范围： 1. RFM; 2. 预测; 3. 基于聚类呼应模型部署运用模型 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，部署运用Clementine

8、中的CRM数据发掘模板. CRM数据发掘模板基于市场营销实际和客户关系管理实际建立 CRM数据发掘模板中采用的主要实际 客户金字塔实际pyramid model 客户生命周期价值实际 RFM模型CRM数据发掘模板的实际根底.客户金字塔实际pyramid model.时间收入利润损失销售商品或效力客户关系终了认知 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客户生命周期价值实际.CRM数据发掘运用模板1-客户价值评价和客户获得图例：数据数据流买卖数据探求性分析客户价值计算按客户价值市场细分客户破费数据买卖数

9、据买卖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 数据发掘运用模板 - 模型1：构造.CRM数据发掘运用模板2营销活动的呼应分析图例：数据数据流RFM模型买卖数据买卖明细客户消费卡资料数据合并产品信息产品明细数据产品数据市场活动数据购买方式数据客户数据RFM模型结果数据客户回应分析呼应概率发布呼应预测对呼应聚类RFM呼应购买方式数据客户原始数据CRM 数据发掘运用模板 - 模型2：构造.CRM数据发掘运用模板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方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预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 数据发掘运用模板 - 模型3：构造.数据了解，数据探求性分析CRM 数据发掘运用模板初体验.计算