马海祥博客是一个专注于分享SEO优化、网站制作、网络营销和运营思维的自媒体博客!
马海祥博客 > 运营思维 > 数据分析 > 如何将数据挖掘技术应用到客户内在需求管理

如何将数据挖掘技术应用到客户内在需求管理

时间:2015-01-05   文章来源:马海祥博客   访问次数:

客户内在需求管理(Customer Relationship Management)是一种以客户为中心的经营策略,它以信息技术为手段,通过对相关业务流程的重新设计及相关工作流程的重新组合,可以完善的客户服务和深入的客户分析来满足客户的个性化需求,提高客户满意度和忠诚度,从而保证客户终生价值和企业利润增长“双赢”策略的实现。

如何将数据挖掘技术应用到客户内在需求管理-马海祥博客

客户内在需求管理是以客户为中心(而不是以产品为中心)、以企业与外部的业务交流为主导(而不是局限于企业内部的事务)、以企业的前端业务应用为主(而不是以企业的后端业务处理为主)的管理模式。

一、客户内在需求管理需要数据挖掘

当今社会,客户的价值已经越来越多地影响着企业的价值,客户内在需求管理(CRM)正是通过建立长期而系统的客户内在需求来提升单个客户价值的战略,其要旨在于帮助企业通过运用适合的技术以及合理的人力资源洞察客户的行为和他们的价值,以便企业能够迅速有效地对客户的需求进行回应。

客户内在需求管理(CRM)的核心是“了解客户,倾听客户”,客户内在需求管理的目标可以概括为“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”,总之一切的最终目的都是为了提高收益。

在企业关注客户内在需求管理的同时,信息技术的飞速发展为客户内在需求管理(CRM)的高效实施提供了技术保证,通过数据挖掘技术对客户内在需求进行深入分析可以满足企业对个体细分市场的客户内在需求管理需求(具体可查看马海祥博客《如何以客户为中心进行数据挖掘与分析》的相关介绍)。

数据挖掘主要是找寻隐藏在数据中的信息,例如发现趋势、特征及相关性的过程,也就是从数据中发掘出信息或知识。

二、数据挖掘技术及常用方法

数据挖掘(Data Mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的,以及最终可理解的模式的非平凡过程。

它是一门涉及面很广的交叉学科,包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术,数据挖掘技术是客户内在需求管理的关键技术。

常用的数据挖掘技术包括关联分析、序列分析、分类分析、聚类分析、预测、孤立点分析等。

事实上,解决一个已给的业务问题时,数据挖掘一般混合使用两种及两种以上的技术类别。

1、关联分析

关联分析主要用于发现不同事件之间的关联性,即一个事件发生的同时,另一个事件也经常发生,关联分析的重点在于快速发现那些有实用价值的、关联发生的事件。

2、序列分析

序列分析技术主要用于发现一定时间间隔内接连发生的事件,这些事件构成一个序列,发现的序列应该具有普遍意义,其依据除了统计上的概率之外,还要加上时间的约束。

3、分类分析

分类分析通过分析具有类别的样本的特点,得到决定样本属于各种类别的规则或方法,利用这些规则和方法对未知类别的样本分类时应该具有一定的准确度,其主要方法有基于统计学的贝叶斯方法、神经网络方法、决策树方法以及support vector machines等。

在马海祥看来,利用分类技术,可以根据顾客的消费水平和基本特征对顾客进行分类,找出对商家有较大利益贡献的重要客户的特征,通过对其进行个性化服务,提高他们的忠诚度。

4、聚类分析

聚类分析是根据物以类聚的原理,将本身没有类别的样本聚集成不同的组,并对每一个这样的组进行描述的过程,其主要依据是聚到同一个组中的样本应该彼此相似,而属于不同组的样本应该足够不相似(具体可查看马海祥博客《聚类分析的方法及应用》的相关介绍)。

5、预测

预测与分类类似,但预测是根据样本的已知特征估算某个连续类型的变量的取值的过程,而分类则只是用于判别样本所属的离散类别而己。

马海祥认为预测模型可以使用较为传统的统计回归技术,也可以使用新的分类技术,目前最通用的是决策树归纳技术。

6、孤立点分析

数据库中可能包含一些数据对象,它们与数据的一般行为或模型不一致,这些数据对象称为孤立点,对这些数据的挖掘分析可以用于处理一些罕见事件,比如信用卡欺诈等。

三、数据挖掘技术在客户内在需求管理中的应用

一般来说,在企业管理客户生命周期的各个阶段都会用到数据挖掘技术,数据挖掘能够帮助企业确定客户的特点,从而可以为客户提供有针对性的服务。

企业通过数据挖掘,可以发现使用某一业务的客户的特征,从而可以向那些也同样具有这些特征却没有使用该业务的客户进行有目的的推销,还可以找到流失的客户特征,在那些具体相似特征的客户还未流失之前,采用针对性的措施。

目前,数据挖掘技术在客户内在需求管理关系中的应用有以下几个方面:

1、客户盈利能力

计算客户盈利能力有助于挖掘有价值客户,公司各个部门之间对客户盈利能力可能有不同理解,分析顾客的忠诚度,可以利用数据挖掘来挖掘忠诚度高的客户;可以通过数据挖掘技术可以有效计算客户盈利能力;还可以利用数据挖掘预测未来的客户盈利能力。

在马海祥看来,利用数据挖掘技术来预测客户盈利能力需要的两个因素:

①、记录潜在客户行为特征和发展成为客户行为特征的历史数据。

②、计量客户盈利能力的标准。

使用数据挖掘技术后可以增加客户盈利能力,增加客户盈利能力指客户在获得提升后,增加的盈利能力,如:客户得到某种优惠促销而增加部分开支去销售,则增加部分的开支给公司带来的利润即增加的客户盈利能力。

2、客户的保持和流失

企业的增长和发展壮大需要不断获得新的客户并维持老的客户,不论企业希望得到的是哪类客户,数据挖掘都能帮助识别出这些潜在的客户群,并提高市场活动的回应率,做到有的放矢。

现在各个行业的竞争都越来越激烈,企业获得新客户的成本正在不断上升,因此建立客户流失预测模型,得出即将流失的客户,对他们采取有效措施进行挽留,从而有效减少客户流失就显得越来越重要,数据挖掘可以帮助发现打算离开的客户,以使企业采取适当的措施挽留这些客户。

3、客户获得

在没有利用数据挖掘技术时,客户获取的传统方法就是选出一些感兴趣的人口调查其属性,获取这些人口的特征即可,但随着数据量的增大,传统的方法具有不可实现性。

利用数据挖掘在扩展客户市场活动时,利用数据挖掘技术挖掘出潜在的客户名单,在客户名单上列出可能对某些产品感兴趣的客户信息,便可更方便的获取更多的客户。

4、客户细分

客户市场细分指的是将客户划分成互不相交的类别,客户作为企业宝贵的资源,每一次与客户接触既是了解客户的过程,也是客户体验企业的机会。

因此,真正关心客户,为每位客户提供与客户内在需求一致的、个性化的服务,才能让客户体会到企业的价值。

近年来,一对一营销正在被众多的企业所青睐,一对一营销是指了解每一个客户,并同其建立起持久的关系。

数据挖掘可以把大量的客户分成不同的类,在每一个类里的客户具有相似的属性,而不同类里的客户的属性也不同,像聚类分析这样的数据挖掘技术,可以辅助企业进行客户细分(具体可查看马海祥博客《收集客户关系管理数据的策略和需求分析》的相关介绍)。

例如,化装品企业的客户分为:少儿、青年、中年和老年或者按性别分为男、女,通过数据挖掘可以了解其不同客户的爱好,通过提供有针对性的产品和服务,来提高不同类客户对企业和产品的满意度。

5、交叉营销

交叉营销是指在向现有客户提供新的产品和服务的营销过程,如那些购买了婴儿尿布的客户会对你的其他婴儿产品感兴趣。

交叉营销的升级形式为:升级营销,指向客户提供与他们已购买的服务相关的新服务。

数据挖掘技术在交叉营销中的应用首先表现为,分析现有客户的购买行为数据,进行交叉营销分析,具体数据挖掘过程包含三个独立步骤,即对个体行为进行建模;用预测模型对数据进行评分;对得分矩阵进行最优化处理。

然后进行建模阶段,利用上述建模的方法。

接下来就是评分阶段,对所建立的模型进行评定。

最后一个阶段就是优化阶段,通常有四种方法:质朴的方法、平均效益方法、个人效益方法、有约束条件的优化方法。

6、客户欺诈风险分析

在客户内在需求管理中,客户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。

根据马海祥博客收集的统计资料表明,企业间的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巨大的,如何准确、及时、有效地预测到企业可能发生的欺诈风险是非常有意义的,数据挖掘技术能够很好地解决此问题。

可以利用数据挖掘中的意外规则的挖掘方法、神经网络方法和聚类方法,对客户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?欺诈风险主要来自于何处?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、及时地对各种欺诈风险进行监视、评价、预警和管理,进而采取有效的回避和监督措施,在欺诈风险发生之前对其进行预警和控制。

7、市场策略分析

利用数据挖掘技术可以对市场进行如下几种分析:预测客户生命期的价值;预测客户潜在价值;预测客户潜在生命期价值。

根据数据挖掘得出的结果,进行市场策略分析,充分发挥客户的现有价值和他的潜在价值。

对现有价值和潜在价值进行策略分析时,当客户的现有价值与潜在价值一样,则维持的最低费用,当客户的潜在价值高于现有价值,则发挥其潜在价值的最低费用。

在此,马海祥还要提醒大家一点:如果利用数据挖掘不能增加的客户现有价值或潜在的价值,则应停止推销等活动,否则,就要加大或继续。

8、客户忠诚度

客户忠诚被认为是企业取得盛器利润增长的途径,客户内在需求管理需要培养和选择忠诚客户,使之与公司保持长期关系,但不是所有客户都愿意与公司保持联系,一些客户的购买决策只受价格、方便等因素的影响。

不论公司如何以诚相对,提供高的顾客让渡价值,客户一旦发现其他公司有更低价格的商品,便马上离开转向该公司,也有一些顾客更关心商品的质量、价值、服务、节约时间等,当他用本公司的产品感到满意以后,就会成为公司的忠诚顾客。

通过对许多客户资料进行分析表明,公司80%的利润来自20%的客户。

因此,忠诚客户对公司所带来的利润是巨大的,数据挖掘技术,可以通过对数据库中的大量数据进行分析,以确定消费者的购买习惯、购买数星和购买频率,分析客户对某个产品的忠诚程度、持久性、变动情况等,以确定忠诚客户,并为他们提供“一对一”的个性化服务,增强客户的忠诚度,最大限度地挖掘客户对企业的终生价值,为企业创造更大的利润。

数据挖掘中的差异性分析可用于发现客户的欺诈行为,分析客户的诚信度,从而获得诚信较好的客户。

马海祥博客点评:

数据挖掘技术是当今发展迅速的热点技术之一,它的发展为客户内在需求管理提供良好的技术支持。

数据挖掘技术在客户内在需求管理中的一些应用领域,利用数据挖掘技术对客户的相关信息进行收集、加工和存储处理,以确定特定客户群体或个体的兴趣、消费习惯,消费者倾向和消费需求,分析客户的特征,探索企业和所对应市场的运营规律性,提供既定性又定量的分析,为企业的客户内在需求管理工作提供决策支持,及时、准确地掌握客户的变化趋势,加强与客户的联系,有效管理和挖掘客户资源,使企业获得独特的竞争优势。

本文发布于马海祥博客文章,如想转载,请注明原文网址摘自于http://www.mahaixiang.cn/sjfx/1017.html,注明出处;否则,禁止转载;谢谢配合!

相关标签搜索: 客户管理   数据挖掘  

上一篇:如何以客户为中心进行数据挖掘与分析
下一篇:百度迁徙图的大数据是如何做出来的?

您可能还会对以下这些文章感兴趣!

  • 关于用户调研数据分析中常见的一些误区

    近期和一些做用户研究的人员进行了交流,发现很多做这个行业的人都对自己所做的工作有些迷茫,报告写了很多,数据也分析了很多,但是却感觉对产品的实际运营帮助不大,甚至分析出来的结果和实际情况比偏差很大。其实用户研究并不是一个新兴的领域,在很多传统行业,用户……【查看全文

    阅读:813关键词: 眼球追踪   眼球追踪技术   用户调研   调研误区   调研探讨   数据分析   日期:2013-12-24
  • 大数据时代下的第三方数据公司和甲方公司的差异

    现在是一个大数据时代,人人嘴边都挂着数据创造价值、数据挖掘等一些热词。各公司内部也逐渐认识到数据的重要性,纷纷成立数据部门,期待数据可以真正的为业务服务。另外,也有一些专做数据服务的第三方公司不断涌现,希望能帮助产生数据的甲方分担数据分析的担子,挖掘……【查看全文

    阅读:1062关键词: 大数据   大数据时代   第三方数据   数据公司   日期:2014-02-23
  • 预测2020年数据中心行业发展的10个趋势分析

    岁末年初正是对未来一年数据中心行业发展进行预测的时候,人们将会看到一些事情的到来:云计算的兴起、SSD硬盘的发展,以及其他问题,例如许多企业将业务从云平台遣返回到内部部署数据中心。而专家对数据中心行业的预测可能偶尔会带来一些惊喜。随着大数据行业和技术的发展,企业需要改善内部部署数据中心和云计算资源之间的平衡,在服务器上采用人工智能技术,并努力有效地管理数据蔓延。行业媒体通常会对未来一年进行预测,像往常一……【查看全文

    阅读:33关键词: 2020年   数据中心   行业发展   趋势分析   日期:2019-12-26
  • 分析解读数据的真正目的是什么?

    最近我在马海祥博客上新开了一个数据分析专栏,主要是通过平时的一些数据解析来合理科学的提高网站的各项指标的。可能一说到数据,可能就会立马让人想到是数字、图表、模型、方程等容易让人怯步的词语。其实做数据分析的真正目的和意义,是躲在背后的那些人。 在营销学……【查看全文

    阅读:1002关键词: 分析数据   解读数据   解读数据目的   日期:2013-08-26
  • 零基础学习数据地图的制作与分析

    有时在实际工作中会碰到这种情况,即数据与地名有关,这时虽然也能用Excel的图表来表现,但如果能将数据和地图结合起来,将会收到更加好的效果,应用地图来分析和展示与位置相关的数据,要比在Excel中单纯的数字更为明确和直观,让人一目了然,数据地图就是解决此类问题……【查看全文

    阅读:1884关键词: 数据地图   地图制作   数据分析   日期:2016-07-14
  • 数据分析的流程及分析方法

    数据分析是指通过建立审计分析模型对数据进行核对、检查、复算、判断等操作,将被审计单位数据的现实状态与理想状态进行比较,从而发现审计线索,搜集审计证据的过程,在实用中,数据分析可帮助人们作出判断,以便采取适当行动,数据分析的目的是把隐没在看来杂乱无章……【查看全文

    阅读:11073关键词: 数据分析   数据分析流程   分析方法   日期:2014-09-19
  • 大数据环境下衍生出的营销思路或策略

    “大数据”的概念距问世已经有39年了,而大数据营销的时代在前几年才得以到来,这种基于数据协同和深度计算的个性化营销正在用其巨大而全面的影响力改变着营销的格局和战略方向。淘宝每天处理数以万计的交易数据,Facebook每天接待40亿访客,在互联网这种领域,……【查看全文

    阅读:671关键词: 大数据   营销思路   营销策略   大数据营销   日期:2019-05-03
  • 如何以客户为中心进行数据挖掘与分析

    数据挖掘与分析可以说是信息领域发展最快的技术,很多不同领域的专家都从中获得了发展的空间,使得数据挖掘成为企业界讨论的热门话题,随着信息技术的发展,人们采集数据的手段越来越丰富,由此积累的数据日益膨胀,数据量达到GB甚至TB级,而且大数据也成为数据分析主流……【查看全文

    阅读:7628关键词: 数据挖掘   数据分析   分析数据   日期:2014-12-27
  • 解读2014年中国移动互联网用户行为洞察研究报告

    2014中国移动互联网用户行为洞察报告旨在协助行业上下游相关人士了解用户行为的最新动向,全面透析用户的媒体使用习惯、新媒体使用方式、对移动广告的接受程度以及移动广告如何影响用户的购买决策。更多移动互联网用户将手机作为他们首选或唯一的上网工具。……【查看全文

    阅读:1648关键词: 解读报告   中国互联网   移动互联网   用户行为   研究报告   日期:2014-01-14
  • 分类型数据可视化的操作方法及案例分析

    在当前互联网,各种数据可视化图表层出不穷,本文尝试对数据可视化的方法进行归纳,数据可视化可以将海量数据通过图形、表格等形式直观反映给大众,降低数据读取门槛,可以让企业通过形象化方式对自身产品进行营销。数据可视化技术的基本思想,是将数据库中每一个数据项……【查看全文

    阅读:1876关键词: 数据分析   案例分析   日期:2016-09-28
↓ 点击查看更多 ↓

互联网更多>>

SEO优化 更多>>

网站前端性能优化中最容易被忽略的10个技巧 未来的站内SEO优化需要做些什么?