1.客户关系管理的现状和问题分析

　　从1999年中开始，客户关系管理得到了诸多媒体的关注，国内外很多软件商如Oracle等推出了以客户关系管理命名的软件系统。有一些企业开始实施以客户关系管理命名的信息系统。这些年来，更多的企业越来越认识到了客户关系管理对企业经营决策的重要指导作用。但就很多中小企业的客户关系管理上看，还是存在着很多认识上的不足。

　　1.1没有形成一种规范的系统的操作流程

　　企业在处理与客户间的关系的时候，往往只是凭借企业既定的人际关系，来加强与客户间的交流，这导致企业在处理问题的过程中往往感性多于理性，无章可循，无法可依，从而阻碍了企业的进一步的发展壮大。

　　1.2不重视营销中的“契约关系”

　　企业许多营销人员过分重视营销过程中的人际关系，而忽略了市场营销过程中的“契约”关系，一旦市场发生变化和双方人员发生变动，业务关系也会随之发生改变。良好的客户关系对市场开发具有不可替代的作用。在同样的竞争条件下，客户关系的好坏往往成为项目成功的关键。

　　1.3客户流失原因不确定

　　企业中存在很多情况会造成客户的流失，例如客户经理谈判能力不高，后台支持跟不上，服务水平有限等等。那么，没有有效地对客户流失原因进行总结，将不能更好地开发和管理客户资源。

　　1.4未能有效挖掘潜在客户

　　面对竞争的压力，面对自身在大客户营销中出现的不足，公司应在营销策略上下足功夫，在留住现有客户的基础上，积极地开发新的大客户资源，以提高市场占有率，获取利润。

　　2.数据挖掘技术在CRM中的作用

　　数据挖掘是近几年随着数据库和人工智能发展起来的一门新兴的数据库技术。其处理对象是大量的日常业务数据，目的是为了从这些数据中抽取一些有价值的知识或信息。

　　数据挖掘技术可以应用到CRM的各个不同领域和阶段，具体来说，它可以应用在以下几个方而：

　　2.1客户的获得

　　企业要不断的扩大和发展，就要寻找潜在的客户，发展新客户。在发展新客户之前，企业应先确定哪些客户有可能是潜在客户，哪些客户最容易获得，哪些客户最有价值。数据挖掘技术可以帮助企业从客户信息中找到客户的特征，通过模式分析预测潜在客户。

　　2.2客户保持

　　运用数据挖掘技术，可以对流失的客户进行挖掘，找出流失的可能原因，然后改进策略，保留住老客户：通过对新获得的用户进行挖掘，找出成为新客户的可能原因，然后制定出积极策略，对具有同样特征的用户进行争取，做到有针对性营销，从而发掘出潜在的客户。

　　2.3客户的群体分类分析

　　随着电子商务的发展，一对一营销已经成为了一种企业追随的潮流。运用数据挖掘技术，可以对大量的客户进行分类，例如根据客户的性别、年龄、职业等属性将客户划分成互不相交的一个个小的客户类别。针对不同的客户，提供不同的产品或服务，从而建立起良好的客户关系。利用数据挖掘技术对客户进行分类的常用方法有分类方法和聚类方法。

　　2.4客户赢利能力分析和预测

　　统计表明，现代企业80％的销售额是来自20％的重要客户，也就是说有些客户是非常有价值，而有些客户是微利或无利可图，所以企业必须要能够对其客户的价值进行分析。数据挖掘技术可以用来预测在不同的市场活动情况下客户盈利能力的变化方向，在不同市场环境下对客户的价值进行分析和预测，从而较好地把握稳定的客户市场。

　　2.5客户满意度分析

　　应用数据挖掘技术。企业可以从客户对产品和服务的反馈中分析出客户的满意度。通过对满意度的分析，企业可以有针对性地制定不同的营销策略，以改善与客户的关系，提高客户的忠诚度。

　　2.6交叉销售

　　企业与客户之间的商业关系是一种不断发展变化的关系，在建立起双向关系后，可以使用多种方法使这种关系趋于完善。包括延长这种关系的时间、增加相互的接触、在接触中获得更多的利润等。数据挖掘技术可以帮助企业分析出最佳的销售匹配。

　　此外，还有对客户的信用分析、背景分析等等，这些潜在的信息都可以通过数据挖掘技术获得，对于企业进行管理和决策都起到了不可替代的作用。

　　3.数据挖掘技术在CRM应用领域中的研究

　　数据挖掘技术在客户关系管理中有着广泛的应用。主要体现在：

　　（1）概念/类描述。概念描述以简洁汇总的形式描述给定任务相关的数据集，提供数据价值的一般特性，一般应用于CRM中的描述式数据挖掘。概念或类描述由特征比和比较或区分组成，有两种一般方法：基于数据立方体OLAP的方法和面向属性归纳的方法。

　　（2）关联分析。关联分析发现关联规则，广泛用于购物蓝、商务管理和决策分析，是商业分析中应用最为广泛的一种数据挖掘方法和模式。谈到关联规则，不得不说那个有趣的故事：“尿布与啤酒”的故事。这是发生在美国沃尔玛连锁店超市的真实案例。超市里尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。当时的沃尔玛拥有世界上最大的数据仓库系统，它为了能够准确了解顾客的购买习惯，对顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。它利用数据挖掘方法对这些数据进行分析和挖掘，一个意外的发现是，跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在“尿布与啤酒”背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30％～40％的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。

　　（3）分类和预测分析。分类和预测是CRM中数据分析的两种重要形式，可以用于提取描述重要数据类的模型或预测未来的数据趋势。主要方法包括：决策树/判定树、贝叶斯法、BP神经网络算法、遗传算法、粗糙集、模糊集等。决策树是一种经常要用到的技术，可以用于分析数据，同样也可以用来作预测。

　　（4）聚类分析。聚类是将数据分类到不同的类或者簇这样的一个过程，对象是根据最大化类的相似性、最小化类的相似性的原则进行聚类或分组的，同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。在CRM中，聚类分析被用来研究消费者行为，发现不同的客户群，并且通过购买模式刻画不同的客户群的特征，从而寻找新的潜在市场。

　　（5）孤立点分析。对于欺诈探测、定制市场及其它CRM任务是非常有用的。

　　（6）复杂类型的数据挖掘。是数据挖掘技术的当前一个重要的研究领域，极大提升了CRM数据分析能力的深度和广度，主要包括：多媒体数据挖掘、文本挖掘和web挖掘等。

　　4.总结

　　随着数据挖掘技术的日益成熟和深入应用，它已经成为获取有价值的信息的重要技术和工具。在CRM中合理高效地利用数据挖掘技术，可以获取到准确的客户分类、忠诚度、盈利能力、潜在用户等信息。为企业做出决策，长远发展提供了最有力的信息支持和技术保障。