酒店管理行销数据挖掘在顾客关系中的应用研究

酒店管理行销 数据挖掘在顾客关系中的应用研究随着计算机技术、网络技术、通讯技术和互联网技术的发展，企业业务流程操作日益自动化，营销过程中产生了大量的顾客数据，这些数据和由此产生的信息是企业宝贵的财富，它如实地记录了企业经营的本质状况，但是面对如此海量的顾客数据，管理者却面临着数据丰富而知识贫乏的困境。在顾客关系管理中迫切需要寻找一种新的工具，来对企业的营销规律进行研究和探索，为营销决策提供有价值的知识，使企业获得更大的利润，赢得独特的竞争优势，其中数据挖掘便是这个领域的核心技术。数据挖掘技术在顾客生命周期各阶段的的应用在顾客关系管理中，顾客和企业的关系总是随着时间不断地发展和变化。顾客和企业之间的关系一般要遵循顾客生命周期。 顾客生命周期理论简介一个顾客和一个企业之间不同的关系阶段就是顾客的生命周期11。图3-1表示了顾客生命周期的各个主要阶段：潜在顾客真正顾客历史顾客目标市场新顾客企业顾客无价值或低价值顾客不会轻易流失的有价值顾客不断寻找更优惠的价格和更好服务的有价值顾客自愿离开的顾客被迫离开的顾客图: 顾客生命周期不同阶段客户角色的演变数据挖掘是企业顾客关系管理深层次应用的核心技术，在企业顾客生命周期的各个阶段，都会广泛运用到数据挖掘技术。在整个顾客生命周期中，企业在不同阶段会有不同的市场目标，而每一位顾客经历各个阶段的时间不同，发生的重要事件也各不相同，因此各个阶段里的详细资料，会因顾客从事的行业和企业的不同而有所差异。但从本质上说，顾客生命周期是企业顾客发展的一个基本框架，各个阶段的丰富资料和信息可以用来理解不同时期顾客的消费行为，根据顾客在生命周期中各个阶段的特点，及时发现和预测顾客的变化，将极大有利于企业顾客关系管理。从总体上观察顾客生命周期，企业顾客的发展大致要经历这样的过程：开始的时候，没有成为顾客的人对公司产品和服务有兴趣（他们成为公司锁定的目标市场）。经过一段时间以后，他们变为企业的新顾客，加入企业真正顾客的行列。然后随着时间的推移，这些顾客可能变得越来越有价值，并成为企业的忠诚顾客，也可能因为寻找更优惠的价格和更好的服务而自愿离开，选择企业的竞争对手，那些对于企业没有价值、甚至有负价值的顾客，最终将被列入企业黑名单而被迫离开。下面从数据挖掘技术在顾客关系管理中的商业价值分析入手，从不同的顾客生命周期中，分析数据挖掘技术在顾客关系管理中的应用。 潜在顾客阶段（获取新顾客）企业的潜在顾客是指目前还没有成为企业顾客，但属于被公司锁定的目标市场中的人群。在企业的目标市场中，未来的潜在顾客主要是指那些对企业的产品不了解的顾客，他们可能是企业产品的潜在消费者（比如，年轻的父母会是婴儿用品的潜在消费者），也可能是以前接受企业竞争对手服务的顾客，有些潜在顾客可能曾经也是企业的客户。这个阶段是顾客生命周期的第一步，企业顾客关系管理的主要目标就是从潜在顾客中挖掘新顾客，以保证企业的发展和壮大。在这个阶段，利用数据挖掘技术可以识别潜在顾客，并将他们转化为企业真正的顾客。(1) 通过划分潜在顾客群来获取新顾客(New Customer Acquisition)争取顾客(Acquisition Campaign)的活动是面向企业目标市场的营销活动，它的目的是找到对公司产品或服务有兴趣的人，并使他们成为企业真正的顾客。数据挖掘技术通过帮助企业完成日益繁重的潜在客户群的划分，明显提高营销活动的响应率，改善营销活动的回报率，从而实现改善这些活动的效果并对获取新顾客成本的实现有效管理。由于目标市场上的潜在顾客并不是企业的真正顾客，因此无法直接取得他们的资料。在这个阶段，数据挖掘是通过建立模型，将以前对类似产品有兴趣的人员整理出来，把在以前活动中涌现出来的有意向者作为本次市场营销活动的重点对象。这个过程简单描述如下：首先，通过过去广告、直邮、电话、网络营销等商业活动获得顾客的响应行为（包括积极响应行为和消极响应行为）；接着，分析响应结果，对消极的响应行为进行处理，或转化或清除，收集积极响应行为的分析数据；最后，利用响应结果正式进行数据挖掘，对顾客将来行为进行预测和分析，以确定潜在顾客，从中确定营销活动的目标顾客。还有一个数据挖掘方法是，寻找和当前高收益的顾客类似的潜在顾客，使那些真正对产品和服务有兴趣的顾客有更多机会接触和了解该项产品或服务。值得注意的是，数据挖掘并不能精确的识别哪些顾客会成为企业的最终顾客，但它通过对潜在顾客的划分，可以使营销活动的投入更加有效。(2) 案例研究数据挖掘在BB&CC公司获取新顾客中的应用12BB&CC公司每年开展25次直邮活动，每次大概向1,000,000用户提供信用卡使用的机会。营销活动响应率为6%，其中约有16%能够通过公司的信用率审查成为公司的正式顾客（即在邮件列表中只有1%的顾客成为公司的正式顾客）。邮件的成本是$1.00/份，今后的两年中每个顾客每年将为公司带来利润$125。为了更加有效的发掘新顾客，公司综合采用了预测模型和信用评分模型来从众多的顾客资料中发掘新顾客。首先BB&CC公司抽取了一个50,000位潜在顾客的样本，向上述顾客开展直邮活动，得到样本数据。在样本测试结果分析的基础上建立了两个模型：一个利用决策树方法建立预测模型，用以测定哪些顾客会响应直邮活动；另一个利用神经网络技术建立信用评分模型，用以发现响应顾客中具有良好信用的顾客。综合预测模型和信用评分模型，可以发现那些既有良好信用又可能对公司营销活动做出响应的顾客，并将他们作为公司直邮活动的目标顾客。公司将模型应用到剩余的950,000位顾客中，并从中挑选了700,000作为公司直邮活动的目标顾客，其中约有9,000人成为公司的正式顾客。应用数据挖掘前应用数据挖掘后直邮数量1,000,000750,000直邮成本$1,000,000$750,000发展新顾客数量10,0009,000利润/每顾客$125$125毛利润$1,250,000$1,125,000净利润$250,000$375,000挖掘成本0$40,000最终利润$250,000$335,000表1: 应用数据挖掘前后的对比从表1中我们可以发现，即使扣除了数据挖掘的相关费用$40,000后，公司净利润仍然增加了$85,000。BB&CC公司的案例清楚地表明：利用数据挖掘明显提高了营销活动的响应率，改善营销活动的回报率。 真正顾客阶段（提高现有顾客价值）企业真正的顾客，是指正在使用企业产品和服务的人。由于企业对自己真正顾客拥有各种详细的销售和交易资料，因此，企业真正的顾客为数据挖掘提供了大显身手的机会。数据挖掘可以从企业成堆的详细交易记录中发现隐藏的顾客消费行为，从而透视顾客的重要消费模式，以充分挖掘和提高现有顾客的价值。进入这个阶段，数据挖掘的目的就是充分提高现有顾客的价值，这主要可以通过以下几个方面来实现。(1) 通过顾客分级改进顾客关系管理企业的资源是有限的，任何企业都不能把自己的目标市场定位于所有的消费者，因此企业为了获得市场上的相对竞争优势必须进行市场细分。在顾客关系管理理论中有一个经典的2/8原则，即80%的利润来源于20%的顾客。所以，不要期待在CRM时代继续人人平等。当然，成功的CRM也不可能让顾客感觉受到歧视。数据挖掘可以帮助企业对客户行为进行分析，将那些消费额最高、最为稳定的客户群，确定为“黄金客户”，即重点顾客。针对不同等级的顾客，确定相应的营销投入，实施不同的顾客关系管理，间接指导市场策略，以求留住高利润的客户。顾客赢利能力分析是进行顾客分级的前提和依据，也是数据挖掘的基本目的。数据挖掘技术就是通过帮助企业提高客户赢利能力来发挥作用的。数据挖掘技术通过分析企业客户的购买资料（产品品种、数量），客户的个人资料（性别、年龄、收入、教育程度）等因素，从过去客户的交易记录中发现一些行为模式，同企业的利润贡献相结合，进行聚类或神经网络模型的相关分析，来计算和预测客户赢利能力的高低。通过对客户行为特征和交易历史数据的挖掘工作，可以使销售人员根据客户赢利能力的大小，在市场营销过程中保留住那些有价值的顾客，促使那些价值不大的客户转化为更有价值的顾客。例如，预测有多少“黄金客户”会在下一年中变为“青铜客户”，企业可以有针对性的采取响应策略，以防止“黄金客户”变为“青铜客户”，保持或增加其赢利能力。(2) 通过客户细分(Customers Segmentation)实现个性化营销(Personalization)传统的市场营销策略已由4P，即产品(Product)、价格(Price)、渠道(Place)和促销(Promotion)向4C，即消费者的需求与欲望(Consumer Wants & Needs)、成本(Cost)、购买方便(Convenience)和沟通与交流(Communication)转变。真正关心顾客，为顾客提供与其要求相一致的个性化服务，才能让顾客体会到企业的价值，建立顾客忠诚，从而提高企业的市场竞争力。对于实施CRM的企业，个性化营销是建立和发展良好的顾客关系的重要手段。而要实施个性化营销，重点市场行为在于了解顾客，并和顾客建立起长期的、持续的关系。从某种角度来看，这个概念是新的；但是从另一个角度来说，这又是一个老观念。早在很多年前，市场营销的任务之一便是要了解一个行业中的客户，这个任务通常由一些传统的过程和方法完成，如焦点小组、电话调查等（这些方法基本上都是着眼于人口统计学的数据）。但如果是一个大型企业，拥有的客户数量很大，由于各种限制，与每一位顾客分别进行交流不太现实，一个可行的办法就是通过客户细分。在CRM系统中，完全可以通过数据挖掘技术来进行客户细分。数据挖掘技术可以对客户数据库中收集，加工和存储大量客户消费信息进行分析和处理，以特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应的消费群体或个体下一步的消费行为，把大量的客户分成不同的类，每一类客户具有相似的属性，而不同类别客户的属性也不同，如生产化妆品的企业可以将客户划分为少儿、青年、中年和老年或者按性别划分为男、女，在每一种类别中又可以按照不同的属性进一步划分。通过数据挖掘获得不同客户的爱好、习惯、倾向、需求和趋势等信息，使客户细分与CRM服务系统中的客户服务自动化模块相结合，进而在营销4P中提供更有针对性的个性化产品和服务，提高不同类别的客户对企业和产品的满意度。(3) 使用交叉销售(Cross-Selling)和增值销售(Up-Selling)提高现有顾客价值企业与其顾客之间的商业关系是一种持续不断发展的关系。在顾客与你建立起这种双向的商业关系之后，企业就要尽力保持这种关系。保持顾客关系的最佳境界可以体现在三方面：延长这种关系的时间；在维持这样的关系期间增加互相的接触；在每一次互相接触中获得更多的利润。根据关系营销理论，企业需要对已有的顾客进行交叉销售。交叉销售(Cross-Selling)是指促使顾客购买尚未使用的产品和服务的行销手段，从而保持现有客户资源，提升现有客户的价值。它是建立在双赢原则上的，对客户而言可以得到更多的产品和服务，对企业而言，也会因销售增加而获益。使用数据挖掘技术可以帮助企业有效的完成交叉营销，以实现利润增长和保持顾客关系的目的，这需要从以下两个方面入手：一方面，通过数据挖掘中的聚类分析，确定交叉销售的目标客户。通过聚类分析，可以确定属于某类顾客经常购买的商品，并向没有购买行为的此类顾客推销这类商品和服务；另一方面，通过关联分析发现最优的销售组合，并向响应的目标客户开展交叉销售。企业对于购买频率较高的销售组合，找出购买了大部分组合商品的客户并向其推销“遗漏”商品；同时，对于某类客户推销对应的商品组合。增值销售(Up-Selling)，也称扩大销售，是指根据既有客户过去的消费喜好，提供更高价值的产品或服务，刺激客户做更多的消费。呼叫中心(Call Center / CTI)常见专业名词解释。增值销售的实质在于引导客户购买价格、价值更高的产品，以使企业实现更多利润。它也应该是建立在双赢原则上的，对于顾客而言，增值销售促使顾客将现有产品和服务升级，对于企业而言，也从单个顾客身上获得更多效益。数据挖掘技术通过隐藏在每次交易记录中成堆的资料中，透视顾客的消费习惯和消费模式，从而判断哪些顾客对交叉销售和增值销售更有意向。(4) 案例研究数据挖掘在电子商务网站中个性化营销的应用10Big Sams Clothing通过一个专业的网站来销售公司的产品，数据挖掘技术的使用，使公司得以为顾客提供个性化的营销服务，从而大大地提高了顾客忠诚度，增加了顾客价值。当公司最初建立这个网站时，仅仅是将它作为一个产品目录的在线版。借助数据挖掘工具公司改善了网站的结构，在线销售系统提供了友好的用户登陆界面，一旦顾客订购了某件商品或注册成为会员后，公司会通过电子邮件的方式向他们推荐一些可能感兴趣的新产品；当顾客在网站上查阅一件产品时，网站会向他们推荐一些与该产品有关的可能感兴趣的产品。首先，使用聚类方法来发现商品组合。比如衬衫和短裤是明显的聚类，而沙漠探险的书籍和医疗工具可能是令人惊奇的聚类。然后建立顾客行为分析模型，识别那些会对添加在商品目录中的新商品感兴趣的顾客。Big Sams Clothing推荐顾客购买的产品不仅仅带来销售的增加，而且巩固了顾客关系。此外，为了扩大影响，Big Sams Clothing建立了一个应用程序来向顾客发送E-mail，向顾客推荐由数据挖掘模型预测得到的可能会吸引顾客的新产品信息。个性化营销的努力为Big Sams Clothing带来了盈利：公司在重复销售、每顾客的平均销售以及销售的平均范围等方面都得到了极大提高。(5) 案例研究通过数据挖掘使用交叉销售提高现有顾客的价值13 Guns and Roses(G&R)公司销售的产品是：A型室外花盆和B型室内花盆。产品表被发往12,000,000个家庭。当顾客电话订购某个产品时G&R公司会积极的推销其它的产品交叉销售。但是，G&R公司发现只有1/3的顾客允许他们提出建议，最终的交叉销售率不足1%，并招致了一片抱怨声。为此G&R公司想确定到底是哪些人在订购某个产品的同时需要其他的产品。G&R公司建立了两个数据挖掘模型，一个是用来预测某个顾客是否会被建议触怒，另一个用来预测什么样的建议会被很好的接受。数据挖掘模型使用顾客信息数据库中顾客的信息和新的顾客信息，告诉销售代表哪种人可以采用交叉销售的方式以及建议什么产品。交叉销售的成功率上升到2%，而且很少有抱怨。数据挖掘帮助G&R公司更好的了解了顾客的需求。当把数据挖掘模型与典型的CRM交叉销售活动结合起来时，G&R公司的景况就完全变化了。综上所述，在企业的真正顾客这个阶段，数据挖掘的任务就是帮助企业提高现有顾客的价值。需要指出的是，顾客的早期消费行为和消费模式尤其值得关注，他们对预测客户将来的消费行为极有帮助。顾客可能挥金如土，也可能非常节俭，可能喜好单一，也可能嗜好多样。顾客的这些消费习惯通常在前几次消费中就可以清楚地表现出来。 历史顾客阶段（保留忠实顾客）企业的历史顾客是指那些不管自愿还是非自愿，不再使用公司产品和服务的人。无论如何，总会有一些客户不再成为企业的顾客。他们离开的原因不外乎自愿和非自愿两种。自愿离开，也就是顾客自己不想再继续成为该企业的顾客，原因可能是多方面的：比如顾客搬离公司服务的区域，因为顾客的生活方式改变而不再需要公司提供的产品或服务，从对手公司获得更好的产品或服务；顾客不再看好正在使用的产品和服务。对于这类顾客，企业应该在顾客决定离开之前及时发现，并对有价值的顾客实施顾客保留。非自愿流失的顾客，意味着，客户不再是企业的好客户。他们可能已经停止向企业付费，不仅不能为企业带来利益，而且可能还会使企业蒙受损失。对于这类顾客，如果公司继续指定挽留他们的促销策略，肯定会给企业造成巨大浪费。相反，企业应该探察并发现具有欺诈倾向的顾客，对这类顾客加强警惕，防止欺诈的发生。(1) 顾客保持(Customers Retaining)随着行业中的竞争越来越激烈，获得一个新顾客的开支越来越大，保持原有顾客的工作也越来越有价值。据统计数据表明，在全球500强企业中，它们在五年内大约流失50%的客户。企业争取一个新顾客的成本是保留一个老顾客的7-10倍。留住5%的顾客有可能为企业带来100%的利润。14使用数据挖掘来对不同的旨在保留客户的活动中建立模型，将对整个客户保持工作起着重要作用就如前文介绍的顾客生命周期概念所述，企业的顾客可以分为三类：第一类是不会轻易流失的有价值顾客，第二类是不断寻找更优惠的价格和更好服务的有价值顾客，第三类是无价值或低价值顾客。传统的市场营销活动主要是针对第一类和第三类顾客，而现代顾客关系管理则认为，特别需要用市场手段来维护第三类顾客，因为这样做可以降低企业运营成本。通过数据挖掘技术可以依据历史信息建立客户流失预测模型，发现易流失的客户，与CRM系统中的客户服务自动化模块相结合后，企业可以针对易流失的客户的具体需求，采取相应的措施，保持现有的黄金客户(Profitable Customers)，提高他们对企业的忠诚度，将加强企业的竞争力，提高企业利润。(2) 顾客欺诈风险分析在顾客关系管理中，顾客的信用分析和诈骗识别是非常重要的，因为一旦发生信用风险和欺诈行为，企业将面临管理活动的失败、市场份额的丧失和营销活动的失败，导致企业失去市场、顾客、竞争力和信誉。据统计，在英国，62%的企业认为欺诈行为比以前更加普遍，三分之二以上的企业曾经发生过欺诈事件，这还不包括发生了欺诈行为但没有向外界公布的企业。由此可见，顾客欺诈行为是非常普遍的，而且一旦发生，给企业带来的损失是非常巨大的（尤其是企业顾客欺诈行为）。如何准确、及时、有效的预测到企业可能发生的欺诈风险，把可能发生欺诈的顾客列入企业“黑名单”以规避企业欺诈风险是非常有意义的。数据挖掘技术能够很好的解决这个问题，利用意外规则挖掘方法，神经网络方法和聚类方法，对顾客数据仓库中的数据进行分析和处理，分析欺诈为什么会发生？哪些因素容易导致欺诈？欺诈风险主要来源于哪里？如何预测到可能发生的欺诈？采取何种措施可以减少欺诈的发生？以便分析和评价欺诈风险的严重性和发生的可能性，准确、及时的对各种欺诈风险进行监视、评价、预警和管理，进而采取有效的规避和监督措施，在欺诈风险发生之前对其进行控制。(3) 案例研究通过数据挖掘保留忠实顾客13Know Service(K&S)公司是一家网络服务公司，像其它公司一样也在不停的流失顾客。流失率每月8%，这意味着现有的1,000,000顾客中每个月会有80,000个顾客流失。K&S公司重新寻找一个顾客的成本是$200，每个月公司要在寻找新顾客上投资$16,000,000，因此K&S公司需要数据挖掘的帮助。K&S公司掌握了顾客的大量上网信息和顾客的个人信息，构建了顾客信息数据库。K&S公司做的第一件事就是从顾客数据库中选择、转变数据。接下来所做的就是根据顾客支出、生命周期对顾客进行划分，并判断顾客的持久性，识别哪些顾客在将来会成为忠实的顾客，然后在忠实的顾客中识别哪些有可能流失。第三步，确定最优服务、保持顾客忠实。例如对上网支出大的顾客可以提供包月的服务而不是提供更加大的主页空间。结果顾客流失率从原来的8.0%下降到7.5%，以数据挖掘成本为$40,000计算，公司保持顾客每个月可以节省$960,000。应用数据挖掘前应用数据挖掘后顾客总数1,000,0001,000,000顾客月流失率8.0%7.5%每月流失顾客数80,00075,000寻找新顾客成本$200$200每月寻找新顾客投资$16,000,000$15,000,000挖掘成本0$40,000保持顾客总成本$16,000,000$15,040,000表-2 数据挖掘前后对比这里必须指出的是，上述数据挖掘在历史顾客阶段的应用，准确的说，应该是数据挖掘在企业真正顾客后期阶段的应用。对于忠诚于企业并对企业有价值的顾客，数据挖掘的任务是发现并帮助保留他们，延长这部分顾客的生命周期；对于有欺诈倾向的顾客，数据挖掘应即使发现他们，并帮助迫使他们离开企业，成为真正的“历史顾客”。数据挖掘中涉及到的隐私权问题分析数据挖掘是技术、社会和经济变革的一部分，它使世界变得更小，使人们接触得更加紧密，服务更受重视，而且促使社会史无前例的繁荣。与此同时，也比以往任何时候有更多信息被人们了解和存储，并在我们周围传递。数据挖掘领域承诺能以富有建设性方式利用所有数据，但它依然不可避免的表露出对隐私的潜在威胁。在国外，隐私是人们谈论的重要话题，也许您会说，在中国谈论这样的问题可能为时尚早，但随着互联网的发展，随着中国经济一天天与世界接轨，事实上我们已经无法逃避这个话题。电话交流和信用卡交易都会被记录，就像支付帐单和订阅杂志一样；饭店电子门锁可以跟踪旅客的进出情况；常用的消费购买卡会记录我们购买的东西，甚至移动电话也开始可以准确定位电话所在地。我们日常生活被搜集的数据多德出乎想象。而且，随着电子邮件、网上购物、新闻和娱乐互联网的盛行。几乎没有什么不被记录下来。在进一步说，这些权利该属于谁？谁有权得到这样的信息？比如移动电话开机时，可以确定该电话的准确位置（其大致位置可以通过发射信号的基地台得知）。对于某些困境下需要帮助的人，这种功能也许可以救他一命；反过来说，这种新功能也引起了我们的思考：谁拥有位置信息？谁又有权知道位置信息？无线电话公司有权知道我们的位置吗？政府呢？如果手机是老板发的，老板有权知道我们的位置吗？如果手机是父母买给十几岁的孩子，他们有权知道孩子的位置吗？也许大多数人认为保护生命比保护电话所有者的隐私更加重要，那么，顾客在购买手机时，又是否可以选择不要这种精确定位技术？案例研究数据挖掘的营销计划造成离婚？多年前，MIC引进“朋友与家庭”促销方案，刺激客户鼓励他们的亲朋好友改用MIC的服务。MIC请客户提供亲友的名字，当然，MIC并不需要真的去询问，因为他们有每个客户打给每个人的电话数据。根据1999年3月29日的电信杂志（Wired）描述，BT（贝尔通讯）公司陷入一场跨越大西洋的客户争夺战。在英国，每一个电话包括市话都要收电话费。为了激发用户忠诚度，BT公司推广他们自己的“朋友与家庭”计划。该计划中，客户拨打他们在BT公司预设的号码，就会得到优惠。作为对客户的一项服务，BT公司会主动留意哪些号码应该出现在客户的预设清单上。也就是说，如果客户经常拨打某个电话，BT公司就会给客户发一封信，建议将这个号码加入客户的朋友与家庭清单中。有个幸运的家庭主妇收到这样一封信。但在这个案例中，这位太太打开信一看，却并不知道这个最常拨打的电话号码是哪个熟人的。通过一番调查，她发现她的丈夫对自己不忠。于是将他扫地出门。这不仅仅是破坏了一个家庭的婚姻。这位客户威胁要向BT公司起诉，称这一计划破坏了他长达40年之久的婚姻。一般认为，数据挖掘所用的数据是最容易威胁到隐私的原因。15这种数据的搜集通常有以下几种方法：（1）当解决问题所需数据是业务经营需要的数据时，可以从经营环节取得。比如，电话公司通常能记录电话何时开始何时结束，但并不记录具体谈话内容；零售商只记录购买情况，并不记录购买者的特征。（2）通过追踪互动过程获取数据，特别是在互联网上。电子商务网站可以记录客户的点击情况，了解顾客浏览过的网页和打开过的广告条，而媒体网站则能掌握顾客下载了哪些文章。（3）从外部销售者手中购买信息。这在显示世界和电子商务里都存在。这些信息可能包括人口数据、顾客偏好等等。这里我们认为，第一类数据提供了丰富的与客户行为有关的信息，从某种角度看，它是公司跟现有客户相关的、重要的竞争优势。数据的后两种来源通常会涉及到隐私问题。在上述案例中，我们先暂且回避BT公司是否构成了对客户隐私的侵犯，但事实上这种做法使个人付出巨大代价，也会使公司冒法律风险。目前在中国，人们对隐私话题的关注还远远不多。但在欧美发达国家，维护各个人隐私是个人人关注的问题，政府早已制定了相关政策和法令，以确保公民的隐私保护。以下是两种极端的隐私保护政策：（1）消费者权益保护。比较放任的做法是，通过教育公众，使他们确保个人掌握控制自己的个人信息。公司只有在征得同意的情况下才可以使用这些信息，这在美国是一条普遍真理。它通过允许客户“选择退出”某些信息的特殊使用来保护隐私。（2）客户保护制度。最严格的做法是，立法限制公司搜集某种信息或限制公司使用信息的方式，来保护消费者。在欧洲，人们针对少数群体的利益侵犯还记忆犹新，民主进程还比较迟滞，因此倾向于这种做法。甚至在美国，由于近代史的影响使公平信贷成为法律，因此当银行作信用担保时要避免涉及种族问题。这两种做法各有利弊。美国更倾向于消费者权益保护的做法，但事实上，在那些复杂而且高深莫测的法律术语面前，“同意书”这样一张小小的标准化合约的法律效力显然相当模糊。另一方面，欧洲国家重视的客户保护制度对顾客信息的限制，也会大大约束公司的信息开发使用能力，某种程度上可能过分限制了公司的行为。在我国，事实上，公民的个人意识还需要在公众教育和学校中一点点建立，完善的法律法规制度还在不断摸索和酝酿，从上述发达国家的做法中，我们似乎也可以意识到什么，借鉴到什么。有关隐私的问题指出，数据挖掘与大社会系统息息相关。当我们利用数据挖掘进行客户关系管理时，实际上是利用科技的力量来面对了解其他人的挑战。我们试图预测人们将来的行动会怎么样，并尝试从人们过去的行为预测他们未来的需要。我们从过去的经验中学习，并将它引用到工作中去。数据挖掘就是将这种学习的文化扩展到公司中，使公司获得与规模相称的效益。而要达到这个目的，其核心就在于将企业重心回归到服务客户。通过提供高效的商业流程，目标市场能更准确的定位，带来更多满意和获益性更高的客户，同时降低企业成本，也使广告邮件的浪费更少，骚扰电话更少，在未来的电子商务世界里，甚至公司的整个形象都可以根据不同顾客进行个性化打造。在这里我们抛开那些成堆的数据挖掘高级算法，将数据挖掘分析技术应用到商业和顾问咨询业中，得到允许并且不引人注意地搜集客户数据，识别重要模式并针对结果采取适当行动，才是数据挖掘在客户关系管理中的“良性循环”。