数据挖掘进行客户关系管理

阅读了一篇关于客户管理的博文，自己做点笔记记下了。。。

原版地址在：http://www.itongji.cn/article/0F923E2013.html

对这方面的感兴趣的可以去看原版

背景：

       在当今市场上，商业的成功离不开有效的客户关系管理(Customer Relationship Management，CRM)。客户关系管理的本质是更有效地进行竞争。企业实施客户关系管理，可以更低成本、更高效率地满足客户的需求，从而可以最大程度地提高客户满意度及忠诚度，挽回失去的客户，保留现有的客户，不断发展新的客户，发掘并牢牢地把握住能给企业带来最大价值的客户群。

客户关系管理最基本的含义就是管理所有与客户的相互作用。随着客户信息的绝对容量的急剧增大，企业与客户的相互作用日益复杂，数据挖掘被推到了客户关系管理的最前端。利用在传统的数据库技术基础上发展起来的数据挖掘等先进的智能化信息技术，利用神经网络等分析技术，挖掘出潜在的有用信息，用于企业辅助决策----（）。

策略图：：

    

目标：

       缩减销售周期和销售成本、增加收人、寻找扩展业务所需的新的市场和渠道、以及提高客户的价值、满意度、赢利性和忠实度。

工具：数据挖掘技术，神经网络等分析技术，挖掘出潜在的有用信息，用于企业辅助决策----（）

工作步骤：

1.分析问题

想想应该有几个方面：

（1）挖掘新用户，目标用户定位

（2）现有用户的价值提升，就是让他乐意多花钱，提供更好的服务

（3）提高用户的忠诚度 ，延长其消费期。呵呵，让他觉得你是这方面服务里面最好的，他去别家没有享受不到你的这种服务。像会员积分啥的提供的优惠服务，在别的公司没法短期到；像长期的服务质量保证让顾客不会冒风险去体验别家公司的服务；像提供同类型公司没有特殊的服务。等等....原则是根据各类用户的需求来制定。。。

（4）防止用户流失问题。这个具体怎么做呢？？暂时没有直觉的认识方法

对问题定位后，准备工作开始

2. 工具1：数据仓库建立。

由于：

（1）操作性数据库和共同的数据仓库常常没有提供所需格式的数据。

（2）需要的数据可能在不同的数据库中，如客户数据库，产dAn数据库以及事务处理数据库。

（3）清洗数据。

总结来说：就是建立数据仓库的过程。一是确定需要数据分析的数据类型；二是从公司大数据库中抽取自己需要的数据；三是数据清洗。这样我们就得到了我们需要的数据仓库。数据仓库定期更新，无需进行实时更新，因为不实际。

 工具2：数据变量分析

这一步中主要有四个主要部分：

一、选择变量

理想情况是将你拥有的所有变量加入到数据挖掘工具中，找到那些最好的预示值。

在实际中注意：

（1）数据库规模随时间增大，要选取近些年时间段是数据，而久远是数据对现在的分析用处非常小，直接去掉；

（2）一定要听取经验丰富的市场人员的分析，去掉一些对分析无用的变量。说到底，数据挖掘时技术活，但是论市场咱们还是菜鸟。。

二、构建有助于分析的变量。

例如使用债务——收入比来预测信用风险能够比单独使用债务和收人产生更准确的结果，并且更容易理解。

三、变量统一性，避免有变量冗余。

数据准备和模型建立之间可能反复进行，因为你从模型中学到新的东西，而这又要你修改数据。数据准备阶段无论如何也要占去全部数据挖掘过程的50%到90%的时间和努力。

四、对条件不足的分析者，样本分析是最好的方法。

建立模型的两种选择为：使用所有数据建立少数几个模型，或者建立多个以数据样本为基础的模型，后者常常能帮助你建立更准确有力的模型。

3、建立数学模型

针对问题分析，选择一个关心的问题建立数学模型:需求、资料、客户导向。对结果的预

期将推动模型不断修改。当到达或者接近所需要的预期就是一个合适的数据模型。通过

训练集训练和测试样本的检测的模型将找到关心的问题或者市场需要的要点。

4. 模型评估

评价模型结果的方法中，最可能产生评价过高的指标就是精确性。假设有一个提议仅仅有1%的人响应。模型预测“没有人会响应”，这个预测99写是正确的，但这个模型100%是无效的。

另一个常使用的指标评价指标是收益或投资回收率。针对不同的目标，如提升最大利润或最大投资回收率，你可以选取不同百分比的邮件列表来发出请求函。

5. 应用数据挖掘管理客户关系

数据挖掘的卖点主要还是模型，而模型的构建需要大数据帮助。所以买策略，制定系统方案提供公司使用，而系统的更新就需要检测模型的适用性来修改模型。