《客户关系管理与数据挖掘的典型应用》由会员分享，可在线阅读，更多相关《客户关系管理与数据挖掘的典型应用（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 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
2、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,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,加深对客户的了解是一个循序渐进的过程,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
3、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 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,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
4、,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：
5、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 SPSS Clementine针对CRM的数据挖掘解决方案 SPSS数据挖掘方案简介
6、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（CRISPDM）,SPSS数据挖掘方案简介,提供了界面友好、算法丰富、功能强大的数据挖掘工作平台SPSS Clementine,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CRIS
7、PDM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（pyramid m
8、odel） 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（pyramid model）,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
9、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 Siebel Sybase NCR ,SPSS提供全方位的服务，帮助您获得成功,
