CRM中的数据管理.pps

第八章CRM的数据管理主讲 张春霞 数据爆炸但知识贫乏 有价值的知识 可怕的数据 第一节数据的概念和重要性 数据的概念 数据的重要性 一 数据的概念 数据是为反映客观世界中的某一事件而记录的可以鉴别的数字或符号 如数字 文字 图形 图像 声音等 特征 这些数据结构化地记录了企业有关事件离散的 互不关联的客观事实 其可用某种记录方式加以描述 目的 围绕数据库建立的企业CRM活动 其核心价值在于通过CRM系统对数据的分析 合成 并把这些离散的 单一存储的数据转化为使用者可以理解和使用的信息和知识 数据的重要性 数据是CRM系统的灵魂 CRM最关键 最基本的支柱是客户数据 客户关系管理通过数据仓库 数据挖掘 商务智能等技术处理大量的客户属性 交易记录 购买行为 习性偏好等数据 从中提炼出有用信息 为企业销售 营销 客户服务等工作提供全面支持 第二节数据的分类 收集及质量 数据的收集 数据的质量 一 数据分类 通过数据来源分类 内部来源数据 外部来源数据 通过数据采集渠道分类 电子邮件 电话语音 文字交谈 多媒体数据 按照企业不同部门的用途分类 客户数据 销售数据 服务数据 根据CRM系统的特殊需要分类 描述性数据 促销活动数据 交易数据 这一类数据描述了客户的基本情况 可用于判断谁是我们的客户 这些数据详尽描述了企业所采取的促销活动 这一类数据描述客户对企业各种促销活动的反应 即他们与企业的交易情况 二 数据的收集 常见的用于描述客户的原始数据收集方法有如下几种 定性调研 询问法 普及率最高 观察法 实验法 国外大公司非常强调客户档案的完善 一般建立的客户档案最少包含60项指标 而我们国内的客户档案平均有20到30项已经算比较多的了 所以在客户档案层面上 我国企业的管理水平已经和国外的同行有了很大的差距 客户档案应包括的指标 客户档案应包括的指标 1 偏好在客户档案里增加 偏好 个人偏好来源于生活和社会习惯 比如地方独特的生活习惯 风俗等等 2 迷信中国人是非常崇尚神灵的民族 所以很多中国人对于一些迷信的东西深信不疑 比如人们对吉利数字的喜好 对吉时 吉兆的深信等等 而且 我们发现 越是大企业 越是南方的企业 对这方面就越重视 3 客户特征特征包括外部和内在特征两个方面 当企业管理的客户数量较多的时候 常常很难记清具体某个客户的特征 因此我们最好在客户档案中用50到100个字把客户的显著特征写下来 每次与客户交流之前 翻阅一下系统中客户特征一栏 就立刻对这个客户有印象了 然后再与之沟通时 就像是老朋友见面一样 4 客户类别如根据客户的重要性 我们可以将客户分成A级 B级和C级这三个等级 其中A级是大客户 B级是中型客户 C级是小客户 对于A级客户 我们需要每月进行三次拜访 对于B级客户 可以采取放长线钓大鱼的策略 每个月做两次拜访 对于C级客户 我们可以每月做一次拜访 这样 通过客户分类 就可以在客户拜访的规律上做到标准化 标准化正是客户档案管理中的一个重要方向 5 身份识别客户在产品购买决策中扮演着怎样的角色 通过增加身份识别一栏 我们可以分辨这个客户到底是建议者 影响者 购买者 决策者四种角色中的哪一种 谁有权决定供应商的选择 谁对购买决策起关键的作用 6 素质所谓素质是指知识和经验的总和 如果用满分5分来对客户素质进行评价 对于素质相对比较高 职业相对比较好的客户 我们把他们称作专家型的顾客 给他们打5分 对于素质相对比较低的客户 知识和经验相对比较缺乏的 我们打1分 对客户素质进行区分的目的在于 在设计沟通策略和促销方案时 根据客户素质高低有所侧重 并注意相关细节 比如对于素质比较高的客户 促销方案中对产品基本功能的介绍应当减少 而应侧重对应用功能和问题解决方案的设计 而对于素质比较低的客户 在沟通时应尽量不使用专业术语 尽量以简单直白的方式来介绍产品 7 意愿客户的意愿分为两个层次 合作意愿和购买意愿 我们也可以对客户的意愿程度进行打分 根据意愿相对高低分别赋值1分到5分 对于合作意愿和购买意愿较高的客户 我们一个月拜访三次 对于意愿相对比较低的 一个月拜访一次 通过这个指标 我们可以准确地将公司的人力和财力用在关键客户上 避免平均用力 8 生活背景人常常会与具有相同经历和相似生活背景的人之间产生强烈的共鸣 不论一个人在社会中如何变化 他的生活背景常常对他的个性 习惯和情感特质产生深刻的影响 所以要实现与客户之间的精神沟通 就要寻找共鸣点 显然我们对于客户生活背景的把握是最容易做到的 建立动态数据库拓宽客户档案的深度是指建立一个动态数据库 所谓动态数据库是指在建立上述客户档案数据库之后 在以后每次拜访客户后 都要对档案和数据库的各项内容进行及时更新 更新的内容包括上次拜访的时间 当时是否给该客户做过什么承诺 现在这个问题解决到什么程度等等 思考题 客户信息的利用方式有哪些 三 数据的质量 高质量的数据可为使用者提供准确的信息报告 同时降低企业与低质量数据相关的潜在成本 什么是符合数据质量标准的高质量数据 数据仓库对数据质量的要求可归纳为 数据的准确性 数据的有效性 数据既符合逻辑 又不冗余 数据的审查机制 审核数据的标准化 审查数据采集的各个环节 系统审查 第三节数据仓库和数据挖掘 数据仓库的概念特征 数据仓库的体系结构 数据挖掘概念 数据在CRM中的应用 有人感叹 20年前查询不到数据是因为数据太少了 而今天查询不到数据是因为数据太多了 要提高分析和决策的效率和有效性 分析型处理及其数据必须与操作型处理及其数据相分离 必须把分析型数据从事务处理环境中提取出来 进行重新组织 建立单独的分析处理环境 数据仓库正是为了构建这种新的分析处理环境而出现的一种数据存储和组织技术 数据仓库的数据从联机的事务处理系统 异构的外部数据源 脱机的历史业务数据中得到 它是一个联机的系统 专门为分析统计和决策支持应用服务 通过它可满足决策支持和联机分析应用所要求的一切 数据仓库的概念和特征 目前 数据仓库一词尚没有一个统一的定义 著名的数据仓库专家W H Inmon在其著作 BuildingtheDataWarehouse 一书中给予如下描述 数据仓库 DataWarehouse 是一个面向主题的 SubjectOriented 集成的 Integrate 相对稳定的 Non Volatile 反映历史变化 TimeVariant 的数据集合 用于支持管理决策 数据仓库概念的两个层次 功能上 数据仓库用于支持决策 面向分析型数据处理 它不同于企业现有的操作型数据库 内容和特征上 数据仓库是对多个异构的数据源有效集成 集成后按照主题进行了重组 并包含历史数据 而且存放在数据仓库中的数据一般不再修改 数据仓库的特点1 面向主题 数据仓库是面向主题而进行数据组织的 主题是一个在较高层次上对数据的抽象 在逻辑意义上 它是对企业中某一宏观领域所涉及的分析对象 即将数据组织成主题域 例如 在银行经营运作中 业务 存款 贷款 汇兑 货币 客户 机构 会计科目是其主要构架或方向 因此在银行业务数据仓库中 选择业务 货币 客户 机构 会计科目五个主题 并将会计科目作为连接其他四个主题的交易主题进行处理 面向主题可以独立于数据处理逻辑 适用于分析型数据环境 适用于建设企业全局数据库 数据仓库中目前仍采用关系数据库技术来实现 其面向主题所作较高程度上的抽象 应强调其逻辑意义 2 集成的 数据仓库中的数据是在对原有分散的数据库数据抽取 清理的基础上经过系统加工 汇总和整理得到的 必须消除源数据中的不一致性 以保证数据仓库内的信息是关于整个企业的一致的全局信息 一是 进行数据的综合和计算二是 统一源数据中所有不一致和矛盾的地方 如同名异义 异名同义 字长不一致 单位不一致等 3 相对稳定的 操作型数据库中的数据通常实时更新 数据根据需要及时发生变化 数据仓库的数据主要供企业决策分析之用 所涉及的数据操作主要是数据查询 一旦某个数据进入数据仓库以后 一般情况下将被长期保留 也就是数据仓库中一般有大量的查询操作 但修改和删除操作很少 通常只需要定期的加载 刷新 相对稳定的 4 反映历史变化 数据仓库中的数据时间期限要远远长于操作型系统中的数据时间期限 操作型系统的时间期限一般是60 90天 而数据仓库中数据的时间期限通常是5 10年 数据仓库的数据码键都包含时间项 用作标明数据的历史时期 数据仓库中的数据包含有大量综合数据 很多与时间有关 如按时间段进行综合或隔时间片进行抽样 随着时间变化 数据仓库需要不断增加新数据 删去旧数据 反映历史变化 数据仓库本质 数据仓库实际上是一个 以大型数据管理信息系统为基础的 附加在这个数据库系统之上的 存储了从企业所有业务数据库中获取的综合数据的 并能利用这些综合数据为用户提供经过处理后的有用信息的应用系统 如果说传统数据库系统的重点与要求是快速 准确 安全 可靠地将数据存进数据库中的话 那么数据仓库的重点与要求就是能够准确 安全 可靠地从数据库中取出数据 经过加工转换成有规律信息之后 再供管理人员进行分析使用 数据仓库所要研究和解决的问题就是从数据库中获取信息 数据仓库的内容 数据仓库并没有严格的数学理论基础 也没有成熟的基本模式 且更偏向于工程 具有强烈的工程性 因此 在技术上人们习惯于从工作过程等方面来分析 并按其关键技术部份分为数据的抽取 存储与管理以及数据的表现等三个基本方面 数据仓库的项目实施 数据仓库系统是一种解决问题的过程 而不是一个可以买到的现成产品 不同企业会有不同的数据仓库 企业人员往往不懂如何建立和利用数据仓库 发挥其决策支持的作用 而数据仓库公司人员又不懂业务 不知道建立哪些决策主题 从数据源中抽取哪些数据 这需要双方互相沟通 共同协商开发数据仓库 因此是一个不断往复前进的过程 数据仓库的建设是一个系统工程 是一个不断建立 发展 完善的过程 通常需要较长的时间 这就要求各企业对整个系统的建设提出一个全面 清晰的远景规划及技术实施蓝图 将整个项目的实施分成若干个阶段 以 总体规划 分步实施 步步见效 为原则 不仅可迅速从当前投资中获得收益 而且可以在已有的基础上 结合其他已有的业务系统 逐步构建起完整 健壮的数据仓库系统 数据仓库的项目实施 数据仓库提供了有效地存取和管理大量数据的理想环境 而数据仓库系统的建立是一个由数据驱动 以技术支撑并满足应用需求的不断增长和完善的开发过程 因此数据仓库的建立可以从数据 技术和应用三方面展开 数据仓库的项目实施 数据挖掘概念 从大量的 不完全的 模糊的数据中 提取隐含其中的 人们事先不知道的 具有潜在利用价值的信息和知识的过程 特易购 TESCO 是全球三大零售企业之一 英国TESCO集团在中国注册的名称 自2004年进入中国市场以来 截止2013年2月初 TESCO在中国已拥有115家乐购大卖场 1家乐购天地超级大卖场 8家乐都汇购物中心以及14家试验阶段的便捷店 会员总数超过七百万 2001年收购了数据挖掘合作伙伴邓韩贝 DunnHumby 53 的股份 2006年又将股份提高到了84 因为企业认为 客户数据 是最有价值的资产 啤酒和尿布 的故事 在一家超市里 有一个有趣的现象 尿布和啤酒赫然摆在一起出售 但是这个奇怪的举措却使尿布和啤酒的销量双双增加了 这不是一个笑话 而是发生在美国沃尔玛连锁店超市的真实案例 并一直为商家所津津乐道 原来 美国的妇女们经常会嘱咐她们的丈夫下班以后要为孩子买尿布 而丈夫在买完尿布之后又要顺手买回自己爱喝的啤酒 啤酒和尿布 的故事是营销界的神话 啤酒 和 尿布 两个看上去没有关系的商品摆放在一起进行销售 并获得了很好的销售收益 这种现象就是卖场中商品之间的关联性 研究 啤酒与尿布 关联的方法就是购物篮分析 购物篮分析是沃尔玛秘而不宣的独门武器 购物篮分析可以帮助我们在门店的销售过程中找到具有关联关系的商品 并以此获得销售收益的增长 数据挖掘的步骤 数据整理 删除不一致的数据数据集成 将多元数据综合起来数据筛选 抽取与分析任务相关的数据数据挖掘 采用智能化的方法来抽取数据中隐藏着的模式与知识模式评估 根据一定价值标准对挖掘的结果进行评估知识表达 采用可视化和知识表达技术 表示挖掘结果 思考题 在CRM系统中 对数据质量有何要求 如何有效的进行数据挖掘