数据挖掘在客户关系管理中的应用（PPT 35页）37679

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,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,人口地理学特征，心理特征，需求和优先级等,他们是谁？,产品、价格、渠道、促销,技术革新，经济环境，特殊事件等,客户的购买体验,你为他们做了什么？,竞争性因素分析,外部因素影响,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,客户特征描述,1,客户价值,分析,3,客户生命周期分析,4,2,客户细分,客户忠诚度分析,7,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,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：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,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）,商业理解,文档,部署应用,D streams,数据理解,E streams,探测,数据准备,P streams,建模和评估,M streams,所有模板都是行业（问题）、方法论CRISPDM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 model）,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）,时间,收入,利润,损失,销售商品或服务,客户关系结束,认知,更少损失,更加有效的认知,利润,更多的利润,更加多的销售额,更加有效的认知,MORE PROFIT,利润,甚至更多利润,更长的客户关系,更加多的销售额,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,演讲完毕，谢谢观看！,