加入收藏 | 设为首页 | 会员中心 | 我要投稿 核心网 (https://www.hxwgxz.com/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 大数据 > 正文

数据挖掘在中小企业CRM中的应用分析

发布时间:2021-07-18 18:59:37 所属栏目:大数据 来源:互联网
导读:1 数据挖掘在CRM中的应用 CRM中应用的数据挖掘技术,就是把成熟的数据挖掘技术手段,应用到企业的具体问题上,以描述和预测客户行为创建模型,通过与信息、通信

    1 数据挖掘在CRM中的应用

 

 

    CRM中应用的数据挖掘技术,就是把成熟的数据挖掘技术手段,应用到企业的具体问题上,以描述和预测客户行为创建模型,通过与信息、通信等多种先进技术的融合,优化CRM 流程,从而实现高效的客户关系管理。具体的说主要包含以下几个方面:

 

 

    第一客户分类,利用数据挖掘方法将海量的客户按其性别、收入等属性划分为若干个群体,并以此判断出不同的消费群体下一步的消费行为。

 

 

    第二客户保持,那些如历史交易记录、人口统计信息等大量存在于客户数据库中的资料,利用数据挖掘技术分析其行为特征、属性及导致客户流失的原因,对于不同客户采用不同的保持策略,做好这一部分客户的服务工作,从而使得客户继续与企业保持良好的业务联系。

 

 

    第三获得新客户,只有新客户的不断增长,企业才能具有更新的活力,数据挖掘正是能够能够辨别那些潜在客户,通过对将潜在客户中对类似商品或服务感兴趣的人员特点的整理分析,采取一定的办法,使潜在客户有机会接触产品或业务,并真正的成为客户。

 

 

    第四客户分析。数据挖掘技术通过在企业中的应用,在针对不同市场活动情况下,对大量历史数据如客户盈利能力的变化、零散客户的信息反馈等进行预测与分析,定制相适宜的市场及营销策略,能够有效的降低企业运行成本,增加企业效益。

 

 

    第五效益共赢。企业通过已经购买过商品的客户进行新的销售和服务,实际是企业与顾客加深关系的过程,企业通过对现有客户的多次销售既增加了企业利润,又提升了企业形象、培养了客户的忠诚度,而企业又使客户因得到更多符合其需求的服务而获益,这样企业客户是双赢的。

 

 

    第六风险评判。通过数据挖掘技术找出对风险投资有用的数据,评判投资的风险,进而实现投资的回报的最大化及风险的最小化。

 

 

    2 数据挖掘在CRM中的详细工作过程

 

 

    数据挖掘是个非线性的过程,在CRM建立良好的模型,从而确保数据挖掘有条不紊地进行并取得最终成功,就要不断循环、重复整个过程,一个完整的流程是需要每个阶段在实施的过程中多次的重复建立。

 

 

    1)确定数据挖掘的目标。在进行数据挖掘之前,企业要做的基础性的工作就是确定挖掘目标,这是数据挖掘成功实施的先决条件,首先要明确什么信息才是企业需要想要的。如果这些共同属性被数据挖掘发现,那么在整个市场全面开展销售时就可以对具有这些属性的客户重点关注,提升销售业绩。[page]    2)数据的收集。数据挖掘目标被确认后,紧接着要展开数据的收集整理工作,并且对基础数据进行筛选。例如,企业首先要做的是确定数据的获取渠道一一既数据从哪里取得?数据仓库是否已经建立?企业原有数据仓库中的数据,有没有满足此次数据挖掘任务需要的数据?已有数据的哪些字段可以被这次任务所用?因此,建立有效的数据仓库是进行数据分析之前必须要做的。

 

 

    3)数据清理及准备。此步骤是对收集的基本数据进行必要的转换、填补、清理及合并等处理,并对数据进行降噪处理,以提高数据的完整性、准确性和可信度,为后续的数据分析工作做准备。比如,通过在上一个步骤得到的数据集市中,样本量有多少,字段有多少,哪些字段是因变量,哪些又是自变量,哪些是离散型定量变量、序数型定性变量或者名义型定性变量,哪些字段是连续型定量变量,哪些字段数据是否有缺失现象,能不能能够通过填充或者合并进而客观地补缺数据等。除此之外本阶段的重要工作还包括:将字符型变量变换为数值型变量,通过技术上手段在录入数据过程中对明显错误进行纠正。

 

 

    4)数据初步分析。此步骤的工作较为重要,因为企业需要在这一步中做好建模前的所有准备工作,具体包括:基于模型的数据变换、研究每个字段的取值分布、字段之间的相关性及联合分布、数据降维,以及可能进行的离散化操作等。

 

 

    5)模型的建立。数据挖掘的核心环节就是建模,可按以下步骤进行:首先选择建模方法。根据前面所确定的数据挖掘的目标,在多种方法中选择一种方法或多种合适的方法来对前期数据进行建模。其次将总数据集划分训练集和测试集。一般采用分层随机抽样在建模之前将总数据集划分为训练集和测试集,即保持目标变量一一因变量的取值在训练集和测试集中比例与总数据集相同。最后建立模型及结果解释。对训练集用已选择的建模方法进行建模,并分析和解释得到的模型表达式。

 

 

    6)模型的评估。数据挖掘中不可缺少的环节就是对以完成的数据模型进行评估。通过对实验数据或选取样本数据进行校验,评估挖掘结果的可信及可用性,并在此基础上,调整和修改数据模型和挖掘方法。

 

 

    7)数据模型的应用。将建立好模型所发现的数据应用到实际工作中,在企业内部应用和部署模型,给决策提供数据支持。例如根据得到的数据可以设置特定触发器,在满足特定条件时进行处理。

 

 

    3 结束语

 

 

    随着电子商务和CRM应用范围的不断扩大,企业营销数据和相关的信息不断累积,数据仓库日益广泛应用,数据挖掘将成为企业获得正确决策信息的重要工具。在CRM中有效利用数据挖掘,可以为企业管理者提供正确的、有意义的信息,指导中小企业制定最优化的企业营销策略,从而降低企业运营成本,提高利润,加快企业的发展。

(编辑:核心网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    热点阅读