?CRM中的數據挖掘是指從大量有關客戶的數據中挖掘出隱含的、先前未知的、對企業決策有潛在價值的知識和規則。技術上，客戶關系管理系統采用嵌入數據挖掘系統的方式，可以自動地產生一些所需要的信息。深度的數據挖掘還需要企業有統計學、決策科學、計算機科學方面的專業人才制定出相應的挖掘規則以進一步發揮出挖掘系統的優勢。
?
一、CRM 中的數據挖掘的常用方法
在CRM 中，必不可少的要素是將海量的、復雜的客戶行為數據集中起來的，形成整合的、結構化的數據倉庫(Data Wearhouse)，這是數據挖掘的基礎（當然也可以在數據庫中做數據挖掘）。在此基礎上，需要借助大量的方法，把表面的、無序的信息整合，揭示出潛在的關聯性和規律，從而用于指導決策，下面介紹幾種數據挖掘方法：
?
(1)關聯：
關聯的方法包括橫向關聯和次序關聯。橫向關聯是挖掘表面看似獨立的事件間的相互關系，比如經典的“尿布和啤酒”的故事，就是利用這種方法發現二者之間有很高的相關系數，然后深入分析后才找出內在原因的；次序關聯的側重點在于分析事件的前后序列關系，發現諸如“在購買A商品后，一段時間里顧客會接著購買商品B，而后購買商品C” 的知識，形成一個客戶行為的“A—B—C”模式。可以預見的是，一個顧客在買了電腦之后，就很有可能購買打印機、掃描儀等配件。
?
(2)分類：
分類就是通過分析樣本客戶數據庫中的數據，為每個類別作出準確的描述或建立分析
模型或挖掘出分類規則，然后用這個分類規則對其他客戶的記錄進行分類。例如，信用卡公司根據顧客的信用記錄，把持卡人分成不同等級，并把等級標記賦與數據庫中的每個記錄。對于每一等級，找出它們共同點，例如：“年收入在10萬元以上，年齡在40～50歲之間的外企白領”總體上信用記錄最高。有了這樣的挖掘結果，客戶服務部門就知道一個新的客戶的潛在價值，就可以有目的地投入客戶服務。
?
(3)聚類：
聚類把沒有分類的記錄，按照數據內在差異性的大小，合理地劃分成幾類，并確定每個記錄所屬類別。它采用的分類規則是按統計學的聚類分析方法確定的。例如，面對數據庫中消費額、購買頻率、收入水平等多個評價指標，無法按照一個指標去分類，這時可以通過聚類按照數據間的自然聯系把分散的記錄“聚”成幾“堆”，然后再對每堆進行深入分析。
?
(4)遺傳算法：
遺傳算法的方法是基于達爾文進化論中的基因重組、突變和自然選擇等概念而形成的
算法。它們試圖對現存的最好的解法進行組合或繁殖，以產生出更好的解法，利用適者生存的概念拋棄較差的解法，從而導致解法的集合即繁殖的結果得到改善。
?
(5)神經網絡：
人工神經網絡是模擬人類的形象直覺思維并在生物神經網絡研究的基礎上，根據生物
神經元和神經網絡的特點，通過簡化、歸納、提煉總結出來的一類并行處理網絡，利用其非線性映射的思想和并行處理的方法，用神經網絡本身的結構來表達輸入和輸出的關聯知識，可以利用神經網絡做分類，預測，異常檢測等應用。
?
(8)統計學：
統計工作主要集中在測試預先的假設以及使模型適合于數據等研究上。統計方法常依賴于一個明確、潛在的概率模型。統計學方法由于有堅實的理論基礎，很多基于統計學習的技術有不錯分析效果，比如支持向量機（SVM）的很多應用屬性相比以前的傳統的學習方法（神經網絡）有很大提高。
?
(9)可視化：
可視化數據分析技術拓寬了傳統的圖表功能，使用戶對數據的剖析更清楚。例如，把數據庫中的多維數據變成多種圖形，有利于揭示數據的狀況、內在本質以及規律性。而且圖表相對于數據，我們對直觀的表現形式也會更容易地理解和把握。
?
?
二、數據挖掘在CRM中的應用
數據挖掘在CRM很多方面都可以應用，比如市場營銷，客戶細分和風險評估等領域運用數據挖掘技術都能獲得比較不錯的效果。通過應用數據挖掘對客戶數據進行分析后，可以獲得豐富的客戶知識（如下圖），使決策者對客戶有更深入的了解，這在以客戶為中心的行業（比如銀行，保險，證券，電信，咨詢）顯得十分重要。
?
（1）市場營銷：
數據挖掘在市場營銷中的應用具體體現在商品促銷、一對一營銷和交叉營銷等業務。① 在商品促銷活動中，企業利用數據挖掘技術可以通過從銷售記錄中挖掘關聯信息，了解某些商品具有關聯銷售的可能性，進而可以向已經購買相關商品的客戶推銷關聯商品，提高商品促銷的成功率。② 在一對一營銷活動中，企業可以利用數據挖掘中的分類與聚類技術把大量的客戶分成不同的類，使每個類里的客戶擁有相似的屬性，進而使企業給每個不同
?
(2)客戶獲取：
在發展新客戶的過程中，應用數據挖掘的目的是建立一個預測分析模型。但是，企業對當前尚非自己客戶的人的了解程度肯定遠沒有對現有客戶的了解程度高，關鍵在于尋找那些已知信息和想要得到的行為模型之間的關系。
?
(3)客戶保持：
隨著行業競爭的越來越激烈和獲取一個新客戶的開支越來越大，保持原有客戶的工作越來越有價值。在實際工作中，可以利用數據挖掘工具為已經流失的客戶建模，識別導致他們轉移的模式，然后用這些模式找出當前客戶中類似的流失客戶，以便企業針對客戶的需要，采取相應的措施防止這些客戶的流失。
?
(4)客戶細分：
所謂客戶細分就是將一個大的消費群體劃分成一系列細分群體的過程。客戶細分可以讓經營管理者在較高的層次上查看整個數據庫中的數據，也可以使經營管理者使用不同的方法處理不同細分的群體客戶。數據挖掘可以根據客戶的預測行為來定義客戶細分群。
?
(5)盈利分析：
數據挖掘技術可以用來預測在不同的市場活動情況下客戶盈利能力的變化。一個企業惟一要做的就是基于市場營銷策略預測盈利能力。為此，企業首先需要設定一些優化目標。設定優化目標的意圖就是企業必須確定一種計算客戶盈利能力的方法。這種方法可以是一種簡單的計算公式，如從每個客戶身上獲取的收入減去提供產品、服務、市場活動、促銷活動的成本，再減去通常由客戶所負擔的那些固定費用；也可以是一種更復雜的計算公式。然后利用數據挖掘工具從客戶的交易記錄中發現一些行為模式，且用這些行為模式來預測客戶盈利能力的高低，進而幫助分析和提高客戶盈利能力，使企業在市場競爭中獲取優勢。
?
(6)風險評估：
風險評估與欺詐行為幾乎在每個行業中都會遇到，尤其是在客戶關系管理中。利用數據挖掘中的神經網絡分析模型可以探察具有詐騙傾向的客戶，這就有可能使企業對這些客戶加強監控，防止詐騙的發生。數據挖掘中的孤立點分析也可識別那些具有詐騙傾向的客戶。例如，一個郵購零售商可以區分來自同一地址不同客戶的付款模式。當同一客戶使用不同的名字時，可以識別潛在的詐騙行為。保險公司能夠識別其和客戶的完整關系，而客戶可能擁有多于公開的可接受標準的不同策略。銀行在貸款給公司之前，可以查明這家公司是否處于財政危機之中。
?
凡是有該標志的文章，都是該blog博主Caoer（草兒）原創，凡是索引、收藏
、轉載請注明來處和原文作者。非常感謝。