CRM系統(tǒng)模型研究與實現

北京機械工業(yè)自動化研究所 李惠娟 2006/01/17

• 客戶市場細分


　　今天的客戶會隨著自身的發(fā)展經常改變類別。此外，新的客戶細分類別也在不斷涌現。因此，各個公司必須具備能夠動態(tài)地修改和不斷增加細分類別的能力。

　　借助于數據挖掘的聚類和決策樹技術，營銷人員可以對客戶進行動態(tài)細分，從而大大提升營銷效率，增強營銷效果。


• 交叉和增值銷售


　　交叉和增值銷售目的是最大化現有客戶的利潤回報，將企業(yè)同客戶的關系向深度和廣度拓展,為現有客戶提供新的產品或服務，或者提供價值更高的產品。

　　數據挖掘的任務是分析出最優(yōu)的合理的銷售匹配。可利用的技術有CART決策樹算法和神經網絡，也可利用規(guī)則導引預測客戶在買了某一樣產品之后，在多久之內會買另一樣產品等等，從而更有效決定產品的推薦、不同時間的進貨量與存貨量等，還可以用來評估促銷活動的成效。


• 贏取新客戶


　　企業(yè)的增長和發(fā)展壯大需要不斷贏取新客戶，贏取新客戶是“說服”潛在的客戶購買你的產品或服務，是客戶關系建立階段。并非所有人都會對你的產品或服務感興趣，因此在進行各種“說服”或“兜售”之前，必須首先確定哪些是值得你努力的潛在客戶。

　　數據挖掘的任務就是建立客戶反應行為預測模型。預測潛在的客戶群。市場人員可把潛在客戶名單和客戶感興趣的優(yōu)惠措施對應起來，然后才和客戶接觸，提高市場活動的響應率，做到心中有數，有的方矢。


• 客戶維持


　　目的是“留住”那些可能流失的客戶。現在各個行業(yè)的競爭都越來越激烈，企業(yè)獲得新客戶的成本正不斷地上升，獲得新客戶的成本大約是留住現有客戶的6-8倍。

　　數據挖掘的任務就是分析那些流失客戶(即原先是企業(yè)客戶，后來卻轉成競爭對手的保留客戶)的行為，建立預測模型。通過預測模型在現有客戶數據中找出可能流失的客戶，然后采取一些相應措施預防客戶流失。數據挖掘技術中的CART和其他一些決策樹如CHAID和C4.5都可以運用在此。也可以通過神經網絡，根據客戶的消費行為與交易記錄，對客戶忠誠度進行得分排序，從而根據不同的流失率等級配合不同的經營管理對策。但神經網絡產生的模型，很難對客戶的流失原因有深入的了解。


• 客戶利潤回報分析和預測


　　數據挖掘的任務是分析和預測不同市場活動情況下客戶利潤回報能力及其變化，企業(yè)可據此制定最佳的市場策略。可利用客戶背景分析找出客戶的一些共同的特征，通過這種辦法深入了解客戶，并通過聚類分析對客戶進行分群，再通過模式分析預測潛在黃金客戶，看哪些人可能成為我們的高利潤回報的客戶，以此幫助營銷人員找到正確的行銷對象，從而降低成本，提高市場銷售的成功率。


• 其它


　　客戶背景分析。了解客戶背景資料，有助于企業(yè)對客戶的分析，從而結合更好的對重要客戶、潛在客戶和現有客戶制定客戶策略。數據挖掘可以從大量，表面無關的客戶信息中發(fā)現許多對商家有用的模式。

　　客戶滿意度、忠誠度分析。 分析客戶對企業(yè)產品和服務的滿意度，可以幫助企業(yè)改進客戶營銷策略，從而增加客戶的忠誠度。數據挖掘可從零散的客戶反饋信息中，分析客戶的滿意度和忠誠度。通過提高客戶的滿意度和忠誠度，提升企業(yè)的獲利能力。

ChinaByte(e.chinabyte.com)