在蓬勃发展的市场环境中,大数据所带来的机遇前所未有,这将是中国市场的营销者们预期取得大回报的最佳时机。这也正是CRM服务商发展的良机,以数据为本、分析为先的CRM,大数据摆在面前势必不能放过。大数据必将成为CRM产业的催化剂,使之成为多元化大数据时代营销者的全新工具。

不同行业、不同环境下的CRM应用差异很大,应用到的具体数据挖掘技术与方法也将不同。虽然数据挖掘技术和方法层出不穷,但也难以涵盖全部的技术和方法。不同的CRM应用到的数据挖掘技术很多,也很复杂,但是主要用在客户细分、客户响应分析、提升客户价值和客户流失分析等方面。

(一)客户细分

客户细分是指根据客户的性别、收入、交易行为特征等属性将其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,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查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)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产品不了解的顾客,但他们可能是公司产品的潜在消费者,也可能是以前接受公司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获得客户的前提,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响应率,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。(www.daowen.com)

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因素,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：首先,分析现有客户的购买行为和消费习惯数据,然后用数据挖掘一些算法对不同销售方式下的个体行为进行建模；其次,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)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。保留一个客户的时间越长,收取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,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更多的额外优惠条件,不断地转向另一个服务商。我们把客户从一个服务商转向另一个服务商的行为称为客户转移。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,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。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,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,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。我们把这个过程叫作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,在客户保持的应用领域,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,从某个角度可以说数据挖掘是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,用来制定准确的市场策略。并且,通过销售和服务等部门与客户交流,争取最优化地满足客户的需求,提高客户忠诚度和满意度,提升客户价值,提高企业收益,达到企业与客户双赢的局面。正是这一点,使得CRM得到了很大成功。