第九讲客户信息的整合与运用.pptVIP

9.3.4 数据挖掘的流程——技术视角 逻辑 数据库 被选择 的数据 预处理 后的数 据 被转换 的数据 逻辑 数据库 逻辑 数据库 选择 预处理 转换 挖掘 分析和 简化 图9-6 数据挖掘流程图 第三十一页，共五十二页。 9.3.5 用数据挖掘优化CRM系统 1.什么是优化？ 优化是对结果进行明确评价的问题，是在一定的 约束和限制条件下，得到最优安排的过程。 2.使用数据挖掘技术优化CRM系统的一般步骤： ①评价，即检测发生的结果； ②预测，即根据已发生的事情来进行预测； ③行动，即进行尝试。 3.优化形式 ①存在一种明确定义的数值有待优化； ②对复杂的、因果关系不明确的问题进行优化。 第三十二页，共五十二页。 9.3.6 在CRM中利用数据挖掘所形成的商业价值 1.客户盈利模型 2.客户获取模型 3.客户挽留模型 4.客户细分模型 科学的客户细分需满足两个基本条件：完整性；互斥性 5.交叉销售模型 ①通过数据挖掘中的聚类分析，锁定交叉销售所要面对 的目标客户。 ②通过关联分析确定最优的销售组合，并向相应的客户 展开交叉销售。 第三十三页，共五十二页。 9.3.7 数据挖掘工具及其评估 1.数据挖掘工具的类型 （1）通用工具 主要包括：SAS公司的Enterprise Miner、IBM的 Intelligent Miner、SPSS公司的Clementine、Oracle 公司的Darwin、Angoss的Knowledge Seeker。 （2）综合数据挖掘工具 （3）面向特定应用的数据挖掘工具 主要工具包括KDI（主要在零售业）和Unica Modell（重点在市场领域）等。 第三十四页，共五十二页。 2.数据挖掘工具的评估标准 （1）操作的数据类型 （2）结果的有用性和确定性 （3）知识的表达 （4）多层次互动知识 （5）并行分布的数据挖掘算法 （6）私有保护和数据安全 其他标准：产品成熟度和公司力量、产品的数据 操作能力、产品的用户界面，管理复杂程度等。 第三十五页，共五十二页。 9.4 知识发现与CRM 9.4.1 知识发现概述 Fayyad等（1996）提出的观点，认为： 知识发现（Knowledge Discovery in Database， KDD）就是指在从大量数据中提取有效的、新 颖的、潜在有用的、最终可被理解的模式的非平 凡的过程。 KDD具有自动性和一定的智能性。 第三十六页，共五十二页。 9.4.2 知识发现的过程 ①数据准备——理解有关KDD的背景和用户的具体需求。 ②数据选取——确定要选取的目标数据，从原始数据库中选 取数据或者数据样本。 ③数据预处理——对选取的数据和数据样本进行一定的预处 理，检查数据的完整性、消除噪声、清除多余数据。 ④数据变换——对进行过预处理后的数据再进一步进行相关 的转换操作，如转换数据的类型等。 ⑤确定KDD的目标——为下一步选择算法做出准备。 ⑥选择算法——根据KDD的目标选择合适的算法，使之与 整个KDD过程的评价标准相一致。 ⑦解释/评价——对经过发掘所发现的知识进行解释，并将 知识以客户能够理解的方式描述出来，让客户进行评估。 第三十七页，共五十二页。 第九讲 客户信息的整合与运用 9.1 客户信息、信息技术与CRM 9.2 CRM系统和数据仓库 9.3 CRM系统中的数据挖掘 9.4 知识发现与CRM 9.5 联机信息分析处理与CRM 第一页，共五十二页。 9.1 客户信息、信息技术与CRM 9.1.1 客户信息概述 1.客户信息、客户数据与客户知识 信息 知识 加工过的数据 简单给出事实、清晰明了的、简单的、结构化的、方便的、以正式方式书写的 通过精简、校正、整理、计算相关数据获得 不具有所有者独立性，由信息系统掌握，大量数据处理的主要来源 从数据演化而来，形成数据库、手册和文件等正式的、点滴积累的、说明性的、易于形成、可重复应用的形式 动态数据 可随意组合并用于预测性决策，没有完全结构化，模糊的、直觉的、难以沟通和表达的 存在于人们之间的联系、谈话及基于经历与体验的直觉中，反映在人们的比较情境和处理问题的能力之中 取决于所有者和需要信息渠道等 预测、设计、计划、诊断和直觉判断的主要资源 在集体智慧中形成并在集体中共享，随着经历与成败而演化，需要日积月累地通过经历积淀而成 第二页，共五十二页。 2.客户信息的类型 在CRM中，按照客户信息来源的不同，可以将 客户信息分为3种类型： ①描述客户是谁的信息。 ②描述对客户进行营销或者促销活动的信息，主 要包括市场活动的类型、预算或描述等。 ③描述客户与企业交易的信息，主要是过程信息 与结果信息的结合。 第三