《202X年数据挖掘在客户关系管理中的运用 (2)》由会员分享，可在线阅读，更多相关《202X年数据挖掘在客户关系管理中的运用 (2)（35页珍藏版）》请在金锄头文库上搜索。
1、数据挖掘在客户关系管理中的应用 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SPSSClementine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SPSSClementine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
2、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 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 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 客户关系管理的好处 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 信息技术的
3、角色 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SPSSClementine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 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 什么是数据挖掘 数据挖掘 描述 预测 统计回归 关联规则 决策树 可视化 聚类 顺序关联 汇总 神经网络 分类 数据挖掘的分类 问题描述 预测信
4、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 有无储蓄帐户 是否房主 是 是 否 否 批准 不批准 批准 数据挖掘的典型结果 金融 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 输入 流失概率 0 87 输出 男 29 3000元 月 神州行 130元 月 数据挖掘的典型结果 电信 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 零售 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 制造业 问题描述 如何从众多申请
5、经费或者纳税中发现欺诈结果描述 回归 神经网络 数据挖掘的典型结果 政府 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 数据挖掘在客户关系管理中的应用范围 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SPSSClementine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 商业理解数据理解数据准备建立模型模型评估模型发布 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 SPSS数据
6、挖掘方案简介 提供了界面友好 算法丰富 功能强大的数据挖掘工作平台 SPSSClementine SPSS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 SPSS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 SPSS数据挖掘方案简介 续 3个应用模型模型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
7、动的响应计算并探测RFM分数响应率模型的范围 1 RFM 2 预测 3 基于聚类响应模型部署应用模型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 部署应用 Clementine中的CRM数据挖掘模板 CRM数据挖掘模板基于市场营销理论和客户关系管理理论建立CRM数据挖掘模板中采用的主要理论客户金字塔理论 pyramidmodel 客户生命周期价值理论RFM模型 CRM数据挖掘模板的理论基础 客户金字塔理论 pyramidmodel 客户生命周期价值理论 CRM数据挖掘应用模板1 客户价值评估和客户获得 图例 数据 数据流 交易数据探索性分析 客户价值计算 按客户价
8、值市场细分 客户花费数据 交易数据 交易明细 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数据挖掘应用模板 模型1 结构 CRM数据挖掘应用模板2 营销活动的响应分析 图例 数据 数据流 RFM模型 交易数据 交易明细 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 购买模式数据 客户数据 RFM模型结果数据 客户回应分析 响应概率发布 响应预测 对响应聚类 RFM响应 购买模式数据 客户原始数据 CRM数据挖掘应用模板 模型2 结构 CRM数据挖掘应用模板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 客户购买模式数据 客户数据 客户细分迁移分析 客户细分迁移数据 迁移模型数据准备 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数据挖掘应用模板 模型3 结构 数据理解 数据探索性分析 CRM数据挖掘应用模板初体验 计算客户价值 CRM数据挖掘应用模板初体验 续 描述客户价值分布及随时间变化情况 CRM数据挖掘应用模板初体验 续 CRM数据挖掘应用模板初体验 续 全方位的服务产品培训咨询全球性的公司与业界领袖的伙伴关系SiebelSybaseNCR SPSS提供全方位的服务 帮助您获得成功
