主页
 > 研究与报告 > TEC博客 > 数据挖掘:背后的eCRM

数据挖掘:背后的eCRM

作者: Steve McVey
发布于: 七月 15 2013

数据挖掘背后的大脑的eCRM -          S。         麦克维           - 1​​1月         6日,2000

简介         

的         而客户关系管理(CRM)得到了很多的关注,         经常被忽视的一个重要组成部分 - 公司如何有效         使用其现有的客户数据,以提高客户的忠诚度,同时也         确定新的产品和服务的潜在买家。数据挖掘         从不起眼的开端已经出现在人工智能成为         一个可行的和日益流行的工具,把工作的数据。

的是什么         eCRM的?

的         客户关系管理是一位信息产业的长期方法         和软件,帮助企业管理客户关系,在结构化         方式。例如,一个企业可能会建立一个数据库有关其客户         描述足够详细的关系。在理想的情况下,信息         然后,可以在数据库访问的管理,销售人员,服务台         人员,以及其他与产品计划和产品与客户的需求相匹配,         提醒客户的服务要求,不知道其他产品         客户购买。当然存在CRM之前,有一个信息         行业,即使是伟大的推销员威利·洛曼和文献,如         “教授”哈罗德山市的欠他们的成就,了解他们的客户         那些客户想要的。

CRM         多年一直是重要的信息产业板块,但         互联网业务的特殊需要巨大的实时处理         一群创业的创作以及编造的数据量导致         术语“的e​​CRM”来形容自己的优势。一些特色         eCRM的是,它主要是服务(提供)的dot-com企业,         它往往要弱上各种传统的CRM处理,         并且它有效地利用互联网技术,例如连接         一上线的客户的电话代表,并自动地显示         客户的数据代表的屏幕上。然而,由于砖和砂浆         企业扩​​展到互联网和老线的CRM和分析公司也这样做,         客户关系管理(CRM)和eCRM的之间的界线将变得太朦胧无所谓。

一些         eCRM的目标是:

的       

  • 启用           营销部门确定并针对他们最好的客户,管理           有明确的目标和目的的营销活动,并生成质量           领导销售团队 -            -           
  • 协助           提高电话销售,帐户和销售管理的组织           多个员工共享信息,通过优化和精简           现有的流程 -            -           
  • 裁缝           与客户的关系,提高客户满意度,并最大限度地提高           利得 -            -           
  •           最有利可图的客户,并为他们提供最高水平的           服务 -            -           
  • 提供           必要了解的信息和流程的员工           客户的需求和公司之间建立牢固的关系,           其客户基础和分销合作伙伴

的是什么         是数据挖掘?的

的         数据挖掘是一个自动化的方法来发现或推断隐藏         埋在数据模式或知识。我们的意思是“隐藏”模式,         通过平时的观察没有明显。 eCRM的一个组成部分,         数据挖掘可以帮助营销人员帮助回答以下         类型的问题:

的       

            有
  •           更多的人,我应该推向市场,或我目前所缺少的吗?            -            -           
  • 哪           产品特征我客户感知最有利的 -            -           
  • 我           创建额外的产品所含的这些特质的最好的吗?

虽然有不同的         存在用于数据挖掘技术,这些下降到以下操作之一         两大类,监督和无监督学习。用户应用数据         挖掘软件采用这两种学习算法来构造         数据挖掘模型。

监督         无监督学习

的         监督在 学习,用户构建的模型         的输入数据和相应配套的输出提供范例集         的数据。训练宠物提供了一个很好的比喻监督学习。何时         翻身训练狗,主人会说:“翻身”(输入),         然后抓住菲任一侧和身体旋转横向过他         地面模拟所需的响应:辊(输出)。终于         狗会自动响应“滚”命令         适当的行动。的比喻失败,然而,当扩展的数据         开采。在数据挖掘中,训练有素的模型需要超过         只是已知的投入,但必须提供有意义的结果,当接收新         输入。 (我们的狗会被“滚出去”或“卷起”混淆。)

à         数据挖掘的例子可能涉及营销经理谁愿意推动         一个新的CD的销售。经理梳数据库记录         客户已经购买了CD,并提出了一些这些         学习算法,指示它认识到从其他的         购买目标CD,这些都是有可能的买家。该算法         将被测试的其它客户记录。客户记录         谁没有购买CD也将被用于训练和测试。         如果该算法显示了一种高速率从非购买的购买者要预测的         它会被用来作为一个推荐引擎,当客户访问         网站那些高得分将提供目标CD作为建议。         

数据         监督学习创建挖掘模型的情况下,经常被应用于         用户想了解一个给定的结果或后果         以前从未遇到过的客户档案数据。通过提供两个         投入和预期产出,监督学习,允许用户创建         模型预测和识别

在         监督学习相比,无人看管 学习结构         数据挖掘模型独立于任何提供的性能标准。该         建立这些模型的搜索算法,通过一个大集合         的输入数据,并发现其自己的关系,而不需要         用户提供期望的输出。在我们的狗训练的比喻,这将         相当于喊菲一系列的命令,让他         决定如何应对。类似的命令(在指定的公差测量)         大概会导致他执行同样的伎俩,但诀窍         是全新的,也就是说,我们可能没有预想(如         取剩菜从冰箱中)。

的无监督         确定新的数据中的模式是理想的学习模式,         否则可能走未被发现。例如,如果一本书好评         全国广播节目,其销售可能会突然拍。一个网站         要认识到这一点,并推荐这本书有可能的买家。         由于审查不知道提前的现象         持续一天左右,该网站需要能够识别模式         因为它的出现,并没有市场干预。事实上,         在任何给定的一天,这种短命的模式有可能是数百         该网站可以从中获利。

概要

的           
监督             学习 无监督             学习
的             
  •                 一组目标输出(实际)用于比较与实际                 和生产的产出在学习过程中(即模型建设) -                  -                 
  •                 用于构建预测模型
的             
  •                 独立于任何提供的性能模型构建                 标准 -                  -                 
  •                 用于寻找款式新颖

底部         的LINE

的         用户建议

数据         成功的客户挖掘能力,可以发挥重要的作用         客户关系管理。在评估数据挖掘包,用户应         问哪一类,监督或无人看管,它下降,是否         它是适合他们的需求。例如,保险公司寻求         预测保险欺诈应考虑使用无监督的包         学习,通常有没有基线作为预测指标。         消费类产品零售商可以使用无监督的技术来发现         客户的购买模式收款机收据数据,以组         项目优化他们的商店。应使用监督学习         要测量从一个已知的结果的偏差。例如,         一个营销部门可能知道什么样的产品组合(例如,细胞         购买手机和配件)通过一定的年龄组。监督         学习可以创建一个模型,记录这些著名的“真理”关于客户         然后可以购买的数据,它用于限定的购买习惯。         不完全符合这些真理。这可以帮助营销人员调整         他们的策略。

      对于

的         许多公司的数据挖掘的好处是首先在该地区实现         市场营销。在该过程中收集和客户数据分段         有效的营销活动,历来是一门艺术而非         一门科学。然而,自动化的方法,如数据挖掘为企业提供         更好的方法来规划和管理营销活动。公司与         庞大的客户数据库,数据挖掘解决方案应考虑战役         管理和客户分析,可以充分利用他们的数据量         提高客户忠诚度,鉴定和了解他们的客户,         产生重复业务。

编辑的         注意: -         此文章已修改其原来的形式,因为原来的         出版日期。

 
comments powered by Disqus

近期搜索:
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z Others