DMER站长博客分析师资源站

DMER数据分析

 找回密码
 免费注册

扫一扫,访问微社区

QQ登录

只需一步,快速开始

网站流量分析SPSS modeler 17 数据挖掘工商管理 视频教程Excel2016视频教程Tableau 9.2 视频教程 
查看: 1018|回复: 0

[案例分析] 数据挖掘技术在电信行业CRM中应用研究

[复制链接]

1001

主题

1291

帖子

3万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
32320
QQ
发表于 2014-9-7 16:08:56 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有帐号?免费注册

x
数据挖掘技术在电信行业CRM中应用研究
1 数据挖掘与CRM介绍

0.jpg


数据挖掘技术通过从海量的、未知、存在噪音的应用数据中,对一些具有潜在价值或有预知作用的信息进行提取。这些提取的结果均表现为一定的规则、规律、模式或者趋势等。而CRM客户关系系统一般负责处理大量的客户行为,通过海量的客户数据信息通过技术处理将消费者的消费行为以及消费趋势进行确定。并根据以客户的消费趋势以及规律对营销手段进行制定。而给企业带来巨大利润。在如今以用户至上为中心的电信运营商,如何利用数据挖掘技术提升CRM营销能力显得非常重要。在海量的客户数据信息中,利用数据挖掘技术,建立分析模型为CRM营销分析和决策分析,并提供具有针对性的解决方案,从而使企业的销售水平以及营销能力有所提升。

电信的CRM客户关系管理系统通过重新组合业务流程,预处理和分析相关的客户数据,并通过据挖掘技术将客户数据的各种信息或与客户信息相关联的信息进行挖掘,从而使客户数据的关键性指标能被提取。从而为业务营销决策和个性化的客户业务服务提供数据支持和决策支持,从而提升客户服务能力,为客户和企业利润最大化提供解决方案。

2 CRM中数据挖掘的应用

数据挖掘技术使用关联分析、偏差分析、聚类分析和预测等方法完成对复杂客户的数据的处理,从而从数据钟将所需的分析结果提取出来。该文中,电信CRM客户管系统通过对据挖掘技术的应用,能够对群户群体、客户满意程度、交叉销售、客户盈利能力、客户流失情况进行分析。下面对这些应用领域进行分析和探讨。

1)客户群体分类应用:此应用主要是对电信的客户群针对不同特质进行细分。为了电信能够为不同的消费群体执行不同的消费政策。一般采用的数据挖掘技术为决策树和聚类方法。

2)维系客户应用:随着行业之间的竞争愈演愈烈,对于新客户的开发难度以及开发成本越来越大,这使得维系老顾客的重要性越发明显。要想从客户身上获得的价值更多,那么必然要做好维系它的工作。即回收此客户的开发成本以及维系费用的周期就越长,客户提供的利润就越多。

3)客户盈利能力应用:本应用的使用主要是通过对数据技术的使用达到提升客户盈利的能力的目的,根据用户的不同的市场活动,为提升客户的盈利采取不同的方法,主要通过已有的客户数据预测客户未知消费趋势和消费领域。

4)交叉销售应用:交叉销售应用主要通过数据挖掘技术为电信营销提供新产品需求和营销决策的过程。通数据挖掘技术可以分析和决策出潜在用户所感兴趣或具有非常大的市场需求的产品和服务,帮助企业实现利润最大化。通过分析客户的消费行为和已有产品的销售趋势,形成新产品和服务的营销决策。

5)分析潜在客户应用:企业对潜在客户的筛选工作可以借助数据挖掘技术帮助来完成,市场人员的主要工作是把通过数据挖掘技术得出的潜在客户名单进行整理,并把整理出的客户所中意的优惠措施系统相结合起来。在发展新客户的策略中,数据是数据挖掘技术的研究重点。首先要建立一个预测模型,它是以获得的客户数据为基础,然后预测模型根据一定的程序分析就能计算出有价值的潜在客户信息。

要想使用数据挖掘技术对新客户进行获取,必须对潜在客户的信息进行收集,尤其是对于一些表示出对公司产品或某项服务感兴趣客户要对其单独列出。这样可以为将来的数据挖掘提供足够有价值的信息。

3 数据挖掘在CRM的应用

3.1 客户数据挖掘存在问题类型

在CRM系统中挖掘技术对对客户数据的挖掘主题如下:

1)关联问题:

横向关联:是将看似独立的事件之间的潜在联系进行挖掘,例如“购买某产品”携带购买另一产品的人群比例”这就建立了两个商品的间接联系。

次序关联:这次方法主要是对事件的前后序列关系进行重点分析,例如在购物时对某几件商品的购买顺序,通过对其研究分析形成一种客户行为。

关联问题主要是对客户的各项属性之间可以存在的交叉销售或潜在联系进行研究,或者是客户实体与其他实体的联系。一般典型的关系在电信行业中包括:套餐选择问题、交叉销售、以及业务的相互影响。

2)预测问题:

为了使客户数据能够及时得到更新,需要对客户的行为变化以及消费等属性变化进行预测。在实际统计中发现,客户的行为变化的典型状况有通话行为的增加或减少,客户信息变化消,费行为变化以及其他情况。

3)分类问题:

对样本客户数据库中的数据进行分类分析,就是对各个类别进行定性的描述。这个问题也可以通过找出其分类规则,进行分析模型建立来解决,对于其他客户进行分类时可以使用。

4)聚类问题:

本文中的聚类是指把由于分类原则不明确等原因造成的没有进行分类的记录,以数据差异的大小为分类原则,对数据进行分类,并对其类别进行定义。对此类数据进行分类的分类规则是以统计学的聚类分析方法为指导方法的。聚类既是分类的相对概念。对客户特征的研究是客户聚类的主要工作内容,常见的典型聚类问题包括:客户的消费模型分析、客户特征分析和异常客户分析等等。




http://dmer.cn  数据分析论坛,已经更新全部文章和帖子
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 免费注册

本版积分规则

关于我们|小黑屋|手机版|Archiver|帮助|DMER 数据分析 ( 蜀ICP备13007024号-2  

GMT+8, 2017-1-24 11:02 , Processed in 0.258597 second(s), 36 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表