客戶關(guān)系管理與資料探勘(ppt)
客戶關(guān)系管理與資料探勘
13.1 客戶關(guān)系管理(CRM)
客戶關(guān)系管理(CRM)的定義：
Swift
CRM 是企業(yè)藉由與顧客充分的互動，來了解及影響顧客的行為，以提升顧客的獲取率、顧客的留住率、顧客的忠誠度以及顧客獲利率的一種經(jīng)營模式。
Tiwana
CRM 是企業(yè)從各種不同的角度來了解及區(qū)別顧客，以發(fā)展出適合顧客個別需要的產(chǎn)品/服務(wù)的一種企業(yè)程序與資訊科技的組合模式。

國內(nèi)一般學(xué)者對客戶關(guān)系管理的定義
CRM系利用資訊科技技術(shù)，將生產(chǎn)、行銷、物流、客服等加以整合，以更經(jīng)確與快速的方式回應(yīng)顧客的需求；提供顧客量身定做的服務(wù)，以提高客戶忠誠度和企業(yè)營運(yùn)績效的一種觀念與做法。

客戶關(guān)系管理的應(yīng)用：
客戶的開發(fā)
根據(jù)80/20法則，企業(yè)百分之八十的業(yè)績來自百分之二十的關(guān)鍵客戶。因此，透過客戶關(guān)系管理可提升客戶對公司的印象，增加公司營利。
客戶的維持
開發(fā)新客戶的成本與維持既有客戶的成本比約為7:1。因此客戶關(guān)系必須、也值得努力經(jīng)營。
客戶的放棄
作為客戶放棄的依據(jù)。

客戶關(guān)系管理模式：
IVES的顧客消費(fèi)模式
以顧客消費(fèi)模式(或稱之為Customer Resource Life Model, CRLC)為基礎(chǔ)，思考如何在每一階段中提升顧客方便、快速、安心以及安全的服務(wù)
Kolter的顧客價值傳遞模式

模式：

目標(biāo)：提高總價值(TCV)并降低成本(TCC)

一. 顧客總價值的提升
(1).產(chǎn)品價值的提升
(2).人員價值的提升
(3).服務(wù)價值的提升
(4).形象價值的提升
二. 顧客總成本的降低
(1).貨幣成本的降低
(2).時間成本的降低
(3).勞力成本的降低
(4).心力成本的降低

以IT為導(dǎo)向的整合性CRM 經(jīng)營模式
資訊支援工具(圖13-1)
客戶資料搜集工具：
客戶資料儲存工具：
客戶資料分析工具：
客戶資料應(yīng)用工具：
經(jīng)營模式(圖13-2)
顧客透過電話、傳真、電子郵件、網(wǎng)站等管道與「顧客接觸中心」(Customer Contact Center)接觸。
顧客接觸中心執(zhí)行「服務(wù)回應(yīng)」與「服務(wù)記錄」兩個動作。
13.2 線上分析作業(yè)
客戶關(guān)系管理中資料分析的需求
以地域和人口統(tǒng)計為分析重點(diǎn)來預(yù)測客戶購買行為的有效性不到5%。若分析公司內(nèi)部長期累積的客戶歷史交易記錄，則準(zhǔn)確性高達(dá)40%。
消費(fèi)者的需求是非常復(fù)雜且多變的，對企業(yè)而言，要滿足客戶眾多的需求是一項具有挑戰(zhàn)性的工作，因此企業(yè)要在一個競爭且多變的商業(yè)市場中生存，必須具備以下幾項能力：
(1).能清楚的知到特定消費(fèi)族群的消費(fèi)需求。
(2).要有滿足這些需求的能力。
(3).要做得比其他競爭者還好。

商業(yè)上可能涉及的資料特性
(1).可加總的(Additive)：
此類型資料可做為數(shù)學(xué)上的加總與統(tǒng)計分析處理，例如：銷售額、銷售量...等。
(2).不可加總的(No-additive)：
這類的資料是不可做加總處理的，沒有意義。例如：負(fù)債占凈值比率、存放比...等。

(3).半可加總的(Semi-additive)：
半可加總的的資料在某些維度加總起來是有意義的，但有些維度的加總處理反而會扭取其真義。例如：加總當(dāng)日各分店的存貨量，即為該公司該日之總存貨量；但加總各分店一整個月的存貨量，卻不等于該公司該月之月存貨量，而是要取當(dāng)月之最后一日各分店的存貨，才是該月之月存貨量。其它類似的資料如：會計余額、存貨量...等。

「線上分析作業(yè)」(OLAP)的應(yīng)用
OLAP技術(shù)可提供處理多維資料分析與查詢的能力；也就是說，它可以很快地做各種維度的縱向或橫向的資料匯整處理。
OLAP的三種作業(yè)方式：
(1).多維性的線上分析作業(yè)(MOLAP)
(2).關(guān)聯(lián)性的線上分析作業(yè)(ROLAP)
(3).混合型的線上分析作業(yè)(HOLAP)
13.3 資料挖掘
「資料探勘」(Data Mining)的定義
資料探勘是利用自動或半自動的方式，從大量的資料中找出樣式(patterns)及規(guī)則(rules)的探勘或分析過程。
資料探勘與線上分析作業(yè)的差異
OLAP是使用者先有一些分析假設(shè)，然后利用OLAP作業(yè)工具來驗證這些假設(shè)是否為真。
Data Mining則是用來幫助使用者產(chǎn)生假設(shè)。

資料探勘工具
類神經(jīng)網(wǎng)路(Neural Network)(圖13-3)
基因演算法(Genetic Algorithm)(圖13-4)
決策樹演算法(Decision Tree Algorithm)(圖13-5)
分類法(Classification)
推估法(Estimation)
預(yù)測法(Prediction)
群集法(Clustering)
關(guān)聯(lián)規(guī)則法(Association Rules)
其它統(tǒng)計分析技術(shù)
13.4 建置資料探勘的成功案例
一.客戶關(guān)系管理
美西電信(US West)在進(jìn)行一項定名為鳳凰城增線模擬的「資料探勘」計劃時，發(fā)現(xiàn)客戶不僅要求更低的收費(fèi)，更要電話公司能提供免費(fèi)的資訊服務(wù)，或是免費(fèi)試用新式服務(wù)一個月，此舉可望減少業(yè)者在提供新服務(wù)時近45％的損失。于是該公司自通話記錄、服務(wù)經(jīng)銷處，甚至于資訊顧問公司等各方匯集資料，并建立自己的資料倉儲來管理資料，再依此設(shè)定控制變因，如家庭大小、中年齡層等，以求取最貼進(jìn)趨勢和客戶需求的值， 結(jié)果達(dá)成留住客戶的目標(biāo)。

二. 犯罪偵防
美國紐約市警局建立了一個全市犯罪資料倉儲，并運(yùn)用資料探勘技術(shù)來挖掘出該州新的犯罪趨勢，做為警力布署的依據(jù)，將警力做最有效運(yùn)用。
荷蘭Hague警政局建構(gòu)一個犯罪資料整合倉儲系統(tǒng)，使警務(wù)人員利用挖掘技術(shù)精確地分析各種犯罪資料，找出犯罪趨勢，并據(jù)以規(guī)劃或組織警力的布署，有效打擊犯罪。
臺灣的「刑案知識庫」系統(tǒng)，透過「資料探勘」人工智慧技術(shù)，在第一時間過濾犯罪網(wǎng)路。
為信用卡公司或保險公司分析出詐欺行為者的特征， 降低這些公司因詐欺理賠所帶來的損失。

三. 市場區(qū)隔
挪威PostBanken 銀行一直以來都將貸款行銷活動鎖定在年齡低于30歲的顧客，而效果卻都不如預(yù)期，后來銀行改以「資料探勘」分析資料倉儲內(nèi)的貸款者資料，透過分析貸款者信用的變數(shù)關(guān)系，如年齡、性別、曾經(jīng)使用金額產(chǎn)品數(shù)目與收入等，發(fā)現(xiàn)主要的潛在貸款申請人的年齡介于41到45歲。藉由使用從資料倉儲得到的資訊，PostBanken改變了行銷活動的對象，結(jié)果在6個月中整個經(jīng)營績效增加360％。

四. 市場研究
全美第十一大銀行KeyCorp從300多萬的家庭與700多萬的客戶中，利用資料探勘的技術(shù)不僅找出不具獲利的客戶，作為客戶放棄的依據(jù)。資料探勘技術(shù)也協(xié)助它找出客戶的類型，讓KeyCorp可以進(jìn)行交叉銷售，借以提高顧客忠誠度，并與客戶保持互動。

五. 行銷設(shè)計
經(jīng)由記錄客戶的消費(fèi)與采購路線，再根據(jù)資料探勘出來的特別資訊，超級市場可以設(shè)計出更吸引顧客購買的環(huán)境。根據(jù)研究指出：美國婦女的視線高度是150公分左右，男性是163公分左右，而最舒適的視線角度是視線高度以下15度左右，所以最好的貨品陳列位置是在130至135公分之間，因此現(xiàn)在超級市場的廚房用品，是按照女性的視線高度來擺放。

六. 網(wǎng)路上的探勘
(1).網(wǎng)頁內(nèi)容探勘（Web Content Mining）應(yīng)用：
主要目的在于加強(qiáng)搜尋引擎能力或找出一些隱藏的資訊。
(2).網(wǎng)頁使用探勘（Web Usage Mining）之應(yīng)用：
網(wǎng)頁使用探勘技術(shù)可以分析進(jìn)站參觀的訪客或進(jìn)站購物者的瀏覽行為，以發(fā)現(xiàn)有用資訊，或依據(jù)訪客人數(shù)、訪客來源分析、訪客觸擊分析等，以改善網(wǎng)站架構(gòu)與內(nèi)容，吸引訪客。

導(dǎo)入資料探勘的進(jìn)行步驟：
(1).目標(biāo)設(shè)定
(2).模式發(fā)展
(3).資料建立
(4).模式測試
(5).實際資料挖掘工作
(6).解釋與使用資料



圖13-3 錯誤回溯學(xué)習(xí)法
圖13-4基因演算法流程圖
圖13-5 一個決策樹的例子

客戶關(guān)系管理與資料探勘(ppt)