数据挖掘在客户关系管理中的应用.pptx

数据挖掘在客户关系管理中的应用 SPSS北京办事处钟云飞2002年9月20日议程 客户关系管理为什么要进行客户关系管理客户关系管理的内容 数据挖掘在客户关系管理中的应用什么是数据挖掘数据挖掘的典型应用 SPSS Clementine针对CRM的数据挖掘解决方案SPSS数据挖掘方案简介Clementine中的CRM数据挖掘模板议程 客户关系管理为什么要进行客户关系管理客户关系管理的内容 数据挖掘在客户关系管理中的应用什么是数据挖掘数据挖掘的典型应用 SPSS Clementine针对CRM的数据挖掘解决方案SPSS数据挖掘方案简介Clementine中的CRM数据挖掘模板为什么要进行客户关系管理 客户关系管理的提出是伴随着产品极大丰富、买方市场形成而产生的——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”的演变 CRM的核心是“了解他们，倾听他们” CRM的目标可以概括为“吸引潜在客户进入，提高现有客户满意度和忠诚度，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，心理特征，需求和优先级等客户的购买体验你为他们做了什么？他们是谁？竞争性因素分析外部因素影响技术革新，经济环境，特殊事件等产品、价格、渠道、促销有很多因素影响着客户行为——从而改变他们对于企业的价值客户行为客户关系管理的好处 使获得客户的成本更低 减少销售成本 更高的客户创利能力 提高客户的保留度和忠诚度 评估客户的创利能力信息技术的角色 信息技术的发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 数据挖掘技术议程 客户关系管理为什么要进行客户关系管理客户关系管理的内容 数据挖掘在客户关系管理中的应用什么是数据挖掘数据挖掘的典型应用 SPSS Clementine针对CRM的数据挖掘解决方案SPSS数据挖掘方案简介Clementine中的CRM数据挖掘模板什么是数据挖掘 通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则的探测和分析活动。 数据挖掘是一门科学，有科学的方法和模型作为基础 数据挖掘又是一门艺术，需要使用者对商业问题的深入理解和模型适用条件深刻的认识数据挖掘的分类数据挖掘描述预测分类统计回归可视化聚类决策树关联规则神经网络顺序关联汇总数据挖掘的典型结果——金融 问题描述：预测信用水平是好还是差，银行据此决定是否向客户发放贷款，发放多少 结果描述:(决策树）收入大于5万元/年是否是否房主有无储蓄帐户是否是否批准批准不批准数据挖掘的典型结果——电信 问题描述：根据客户信息，预测客户流失可能性 结果描述:(神经网络）男输 入输 出293000元/月流失概率（0.87)神州行130元/月…………数据挖掘的典型结果——零售 问题描述：如何决定超市中商品的摆放来增加销售额 结果描述:(Web图）数据挖掘的典型结果——制造业 问题描述：如何对市场进行细分，使产品满足最有价值客户 结果描述:(Koholen聚类）营销活动回应率数据挖掘的典型结果——政府 问题描述：如何从众多申请经费或者纳税中发现欺诈 结果描述:(回归、神经网络）数据挖掘在客户关系管理中的应用范围 客户盈利能力； 客户保留； 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； 价格优化。议程 客户关系管理为什么要进行客户关系管理客户关系管理的内容 数据挖掘在客户关系管理中的应用什么是数据挖掘数据挖掘的典型应用 SPSS Clementine针对CRM的数据挖掘解决方案SPSS数据挖掘方案简介Clementine中的CRM数据挖掘模板SPSS数据挖掘方案简介 提供了业界权威的数据挖掘方法论——跨行业数据挖掘标准流程（CRISP－DM） 商业理解 数据理解 数据准备 建立模型 模型评估 模型发布SPSS数据挖掘方案简介(续） 提供了界面友好、算法丰富、功能强大的数据挖掘工作平台——SPSS ClementineSPSS数据挖掘方案简介(续） 提供了面向行业（问题）的数据挖掘应用模板目前提供以下行业的数据挖掘模板 针对电信行业的数据挖掘模板 针对CRM的数据挖掘模板 针对Web挖掘的数据挖掘模板 犯罪模式甄别模板 欺诈（Fraud）甄别模板商业理解文档数据理解E streams探测数据准备P streams部署应用D streams建模和评估M streamsSPSS数据挖掘方案简介(续）所有模板都是行业（问题）、方法论——CRISP－DM和数据挖掘工具——Clementine的完美结合Clementine中的CRM数据挖掘模板3个应用模型模型1：客户细分和高价值客户的获