一、CRM理論

　　CRM是Customer Relationship Management的縮寫，即客戶關系管理。CRM
是一種商業策略，目的是在企業和特定的客戶之間，保持一個長期的、提高企業的盈利和銷售收入的業務關系。

　　1.CRM定義

　　目前對CRM的定義，不同的研究機構有著不同的表述。Swift認為CRM是企業經營方法，通過企業和客戶之間交流來了解并進一步影響客戶行為，從而為企業贏得更多的新客戶，留住老客戶。Kincaid認為，CRM是一種綜合使用了企業管理中的信息、企業運營機制、信息技術特別是互聯網技術的商業戰略。Parvatiyar
and
Sheth認為CRM是一種綜合的策略和進程，包括贏得新客戶，留住老客戶，以及與特定的客戶合作。這些CRM的定義強調的重點是，認為CRM是為了獲得新客戶和留住老客戶而采取的商業流程，在商業智能的幫助下，使企業最大化的獲得客戶價值。

　　2.CRM分類

　　從體系結構的觀點來看，CRM分為操作型CRM和分析型CRM。操作型CRM指的是業務流程(企業的市場、銷售、服務等)的自動化，而分析型CRM指的是分析企業的客戶關系管理系統中的各種數據，從而了解客戶的消費特點和預測客戶的行為，目的是為企業的經營和決策提供科學依據。

　　二、數據挖掘理論

　　數據挖掘的定義：Turban, Aronson, Liang, 和
Sharda認為數據挖掘是從巨大的數據庫中通過使用統計、數學、人工智能和機器學習技術，識別和提取有用的信息并隨后獲得知識的過程。Lejeune,Ahmed,
Berry 和Linoff, Berson et al也提供了類似的定義，認為數據挖掘是從巨大的數據庫中提取或探知隱藏的模式、信息的過程。

　　三、CRM的維度和數據挖掘模型

　　Swift, Parvatiyar and Sheth,
Kracklauer認為，CRM包含四個維度：客戶識別、客戶吸引、客戶保留和客戶開發。

　　這四個維度可以被看作是一個客戶管理系統的封閉循環。數據挖掘能夠根據數據建立模型。每種數據挖掘技術可以生成一個或更多個以下類型的數據模型：關聯、分析、分類、聚類、預測、回歸、序列的發現和可視化。

　　1.CRM維度

　　(1)客戶識別。CRM開始于客戶識別，有些文章中也稱作客戶獲得。這個階段的目的就是找到最有可能成為企業的新客戶;對企業來說最有價值的是老客戶;本階段還要識別出那些即將流失的客戶并且研究如何挽回。

　　(2)客戶吸引。本階段是客戶識別完成后的下一階段。發現了潛在客戶群后，企業可以采取相應的營銷策略來吸引這些潛在客戶群。吸引客戶的一個有效方法就是直接營銷，直接營銷是企業向客戶直接進行推銷，通過多種多樣的渠道刺激客戶直接下單。

　　(3)客戶保留。CRM最關心的部分。企業為防止老客戶流失而運用的一系列策略來提高客戶的滿意度。客戶滿意度指的是客戶對企業的期望值與客戶本身所感知之間的比較，是企業能留住老客戶很重要的條件。企業保留老客戶的方法包括一對一營銷、客戶忠誠度項目和投訴管理。一對一營銷指通過分析、發現和預測特定客戶的行為，對客戶進行的有針對性的個性化營銷活動;客戶忠誠度項目的目的是企業和客戶維持較長時間的業務聯系。客戶忠誠度項目包括客戶流失的分析、信用評分、服務質量和對忠誠度項目的滿意度。

　　(4)客戶開發。包括交易強度，交易價值和個別客戶盈利能力持續的發展。客戶開發的要素包括客戶生命周期價值的分析，升級銷售/交叉銷售和市場購物籃分析。客戶生命周期價值指企業從客戶身上所獲得的總凈收益。升級銷售指在合適的時間，為合適的客戶提供合適的服務。交叉銷售指將各種資源(時間，金錢、構想、活動等)整合，從而降低成本，通過多渠道使企業接觸到更多的潛在客戶。市場購物籃分析的主要目的是通過分析客戶購買行為的數據，挖掘出隱藏在客戶購買行為后面的規則，最大化客戶交易強度和價值。

　　2.數據挖掘模型

　　(1)關聯。關聯的目的就是找到所給記錄之間存在的某種規律。市場購物籃分析和交叉銷售都是關聯模型典型的例子。關聯模型的常用建模工具是統計和apriori算法。

　　(2)分類。分類是數據挖掘中最常見的學習模型之一。分類是將數據庫中的記錄按照預先定義好的標準進行分類，從而建立一個模型來預測客戶的未來行為。常見的分類工具是神經網絡、決策樹和if-then-else規則。

　　(3)聚類。聚類的目的是將多樣化的人群分組成若干相同性質的群里。聚類與分類是不同的，聚類在算法開始的時候是未知的，聚類的常用工具是神經網絡和判別分析。

　　(4)預測。預測用來估計記錄模式的將來價值。它涉及到建模和未來某一段時間內模型的邏輯關系。預測模型的一個典型例子就是需求預測。預測的常用工具是神經網絡和生存分析。

　　(5)回歸。回歸是一種統計估計技術，目的是將每個數據對象映像到真正有意義的預測價值。回歸包括曲線擬合、預測、建模的因果關系和測試的科學假設變量之間的關系。回歸的常用工具包括線性回歸和邏輯回歸。

　　(6)序列發現。序列發現是關聯識別或超時模式。目的是模擬序列產生過程的狀態，提取和報告偏差和超時趨勢。序列發現的常用工具是統計和集合理論。

　　(7)可視化。可視化指數據顯示從而使用戶能查看復雜的模式。

　　一般與其他的數據挖掘模型一起使用，可以更明白地了解已發現的模式或關系。可視化模型的典型例子是三維圖形。

　　詳細的理論支持和數據模型，需要好用的工具來輔助實現，在企業盈利水平提升的過程中離不開從低成本獲客到快速開發客戶以及有效維護老客戶的客戶生命周期管理，在眾多的CRM廠商中，XTools
CRM的Plus
首次提出的客戶生命周期理論跟目前管理領域的數據挖掘理論不謀而合。無論我們的業務人員在哪個環節，都可以提供強大的工具支持，更多好用的功能，可以去www.xtools.cn注冊XTools
CRM Plus體驗!