1、2022-11-6客户关系管理31客户关系管理客户关系管理3客户关系管理314.1 数据挖掘的基本知识数据挖掘的基本知识客户关系管理31数据挖掘的产生背景数据挖掘的产生背景数据爆炸但知识匮乏客户关系管理31数据：一般的业务操作，通常数据：一般的业务操作，通常都会产生大量的数据，如订单、都会产生大量的数据，如订单、库存、交易帐目、通话记录、库存、交易帐目、通话记录、及客户资料等。及客户资料等。信息：如何利用企业的历史数信息：如何利用企业的历史数据增进对业务情况的了解，帮据增进对业务情况的了解，帮助我们在业务管理及发展上作助我们在业务管理及发展上作出及时、正确的判断，需要从出及时、正确的判断，需要
2、从数据成为信息数据成为信息 客户关系管理31美国三大电视网电视剧广告间隙美国自来水公司的用水高峰客户关系管理31v 如何抛弃不必要的数据，从大量数据如何抛弃不必要的数据，从大量数据中及时提取有用的知识？中及时提取有用的知识？从大量的数据中挖掘从大量的数据中挖掘出有用的知识出有用的知识客户关系管理311.Walmartand2.NASDAQ3.NBAAdvanced Scout 客户关系管理31数据挖掘的定义数据挖掘的定义v 数据挖掘数据挖掘 Data MiningData Miningv 技术角度的定义技术角度的定义 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随数据挖掘就是从大量的、不
3、完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道机的实际应用数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。的但又是潜在有用的信息和知识的过程。v 商业角度的定义商业角度的定义 数据挖掘是一种新的商业信息处理技术，其主要特点是对商数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的海量业务数据进行抽取、转换、分析和其他模业数据库中的海量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。型化处理，从中提取辅助商业决策的关键性数据。客户关系管理31知识发现知识发现 (KDD)(KDD)：数据挖掘过
4、程：数据挖掘过程 数据挖掘数据挖掘知识发现知识发现过程的核心过程的核心数据清理数据清理数据集成数据集成数据库数据库数据仓库数据仓库知识任务相关的数据任务相关的数据选择选择数据挖掘数据挖掘模式评估模式评估客户关系管理31数据挖掘数据挖掘:多种技术的融合多种技术的融合 数据挖掘数据挖掘数据库技术数据库技术统计学统计学机器学习机器学习模式识别模式识别算法算法其他技术其他技术可视化可视化客户关系管理31数据挖掘 VS 传统分析方法有何区别?数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。客户关系管理31数据挖掘过程数据挖掘过程v 数据挖掘过程包括：数据挖掘过程包括：数据准备（选择、预处理、转换）
5、数据准备（选择、预处理、转换）确定主题确定主题读入数据、建立模型、理解模型读入数据、建立模型、理解模型解释与评价解释与评价知识应用知识应用客户关系管理31数据挖掘技术分类数据挖掘技术分类客户关系管理31数据挖掘的模型（数据挖掘的模型（1 1）v 分类（分类（Classification Classification）与决策树（）与决策树（Decision Decision treestrees）分类分析是为了找出描述和区分数据类或分类分析是为了找出描述和区分数据类或概念的模型，常常通过决策树、神经网络概念的模型，常常通过决策树、神经网络等模型进行表示。等模型进行表示。决策树：决策树：根节点、节
6、点、分支、叶子。根节点、节点、分支、叶子。客户关系管理31CHAIDCHAID决策树分析决策树分析-市场分析市场分析在贷款申请中，要对申请人的风险大小做出判断客户关系管理31v 多变量分析多变量分析 根据细分变量区分群体的差异性程度（卡方统根据细分变量区分群体的差异性程度（卡方统计值计值Chi-squareChi-square）的大小，将样本分为不同特征）的大小，将样本分为不同特征的细分群体。的细分群体。v 过程过程 确定细分的目的与细分变量（人口统计变量、确定细分的目的与细分变量（人口统计变量、心理变量、行为变量）心理变量、行为变量）变量类型：分类变量或有序变量变量类型：分类变量或有序变量
7、根据卡方值最显著的变量将样本分为不同细分根据卡方值最显著的变量将样本分为不同细分群体群体 样本量敏感（父节点样本样本量敏感（父节点样本3030，子节点，子节点5 5）客户关系管理31数据挖掘的模型（数据挖掘的模型（2 2）v 聚类（聚类（ClusterCluster）聚类是把一组个体按照相似性归成若干类别的聚类是把一组个体按照相似性归成若干类别的过程。过程。原则：最大化类内部的相似性、最小化类之间原则：最大化类内部的相似性、最小化类之间的相似性的相似性 聚类方法包括统计方法、机器学习方法、神经聚类方法包括统计方法、机器学习方法、神经网络方法和面向数据库的方法。网络方法和面向数据库的方法。客户关
8、系管理31客户关系管理31数据挖掘的模型（数据挖掘的模型（3 3）v 关联（关联（AssociationAssociation）在购买面包的顾客中，有在购买面包的顾客中，有90%90%的人同时也买了牛奶：的人同时也买了牛奶：(面包面包)()(牛奶牛奶)，计为，计为XYXY。评估关联规则的四个重要指标是：评估关联规则的四个重要指标是：(1)(1)支持度（支持度（supportsupport）：交易集中包含）：交易集中包含X X和和Y Y的交易数的交易数与所有交易数之比，记为与所有交易数之比，记为support(XY)support(XY)(2)(2)可信度（可信度（confidenceconfi
9、dence）：包含）：包含X X和和Y Y的交易数与包的交易数与包含含X X的交易数之比，记为的交易数之比，记为confidence(XY)confidence(XY)(3)(3)期望可信度（期望可信度（expected confidenceexpected confidence）：描述了在没）：描述了在没有物品集有物品集X X的作用下，物品集的作用下，物品集Y Y本身的支持度，记为本身的支持度，记为E-confidence(Y)E-confidence(Y)(4)(4)作用度（作用度（liftlift）：作用度是可信度对期望可信度的）：作用度是可信度对期望可信度的比值。描述了物品集比值。描述
10、了物品集X X对物品集对物品集Y Y的影响力的大小。的影响力的大小。记为记为Lift(XY)Lift(XY)。一股情况要求大于。一股情况要求大于1 1。客户关系管理31设 supmin=50%,confmin=50%符合条件的关联规则有哪些？交易流水号交易流水号购买产品购买产品002A,B,D018A,C,D030A,D,E006B,E,F157B,C,D,E,FA D (60%,100%)D A (60%,75%)客户关系管理31数据挖掘的模型（数据挖掘的模型（4 4）v 序列模式（序列模式（Sequential PatternSequential Pattern）分析数据之间的前后（因果）
11、关系，类似于关分析数据之间的前后（因果）关系，类似于关联分析联分析 用于发现客户潜在的购物模式用于发现客户潜在的购物模式 先购买先购买PCPC，再购买数码相机，接着还要买存储卡，再购买数码相机，接着还要买存储卡 5 5天之内，天之内，X X股票最多上涨股票最多上涨1010，Y Y股票涨幅在股票涨幅在10102020之间，之间，Z Z股票在下星期上涨的概率为股票在下星期上涨的概率为6868。指标指标 最小支持度最小支持度 最小可信度最小可信度客户关系管理314.2 CRM中的数据挖掘应用中的数据挖掘应用客户关系管理31在在CRMCRM中的应用范围中的应用范围 客户盈利能力；客户盈利能力；客户保留
12、；客户保留；客户细分；客户细分；客户倾向；客户倾向；渠道优化；渠道优化；风险管理；风险管理；欺诈监测；欺诈监测；购物倾向分析；购物倾向分析；需求预测；需求预测；价格优化。价格优化。客户关系管理31案例：基于案例：基于DMDM的客户营销管理的客户营销管理流失预警模型流失预警模型交叉销售模型交叉销售模型客户行为客户行为细分模型细分模型更多模型更多模型营销信息预警营销信息预警营销方案策划营销方案策划绩效管理绩效管理主动营销主动营销客户客户行为数据行为数据业务系统业务系统数据仓库数据仓库数据挖掘数据挖掘模型行为数据行为数据行为数据行为数据客户挽留客户挽留营销信息层营销信息层分析企划层分析企划层管理实施
13、层管理实施层客户关系管理31客户行为细分客户行为细分0200500低低端端中中端端高高端端客户细客户细分之谜分之谜根据根据ARPU值进行客户细分的方法值进行客户细分的方法基于数据挖掘技术的以需求为基准的细分基于数据挖掘技术的以需求为基准的细分客户行为客户行为价值细分模型价值细分模型海量客户行为数据/特征数据组内行为特点相组内行为特点相似组间行为差异似组间行为差异较大的客户分组较大的客户分组客户关系管理31客户行为细分（续）客户行为细分（续）客户行为细分模型客户行为细分模型客户流失倾向客户流失倾向预警模型预警模型价格敏感度模型价格敏感度模型客户信用评分模型客户信用评分模型交叉销售模型交叉销售模型
14、营销效果预测模型营销效果预测模型客户价值客户价值评估模型评估模型客户关系管理31客户行为细分模型通过客户行为细分模型通过上百个变量上百个变量描描述客户述客户性别性别年龄年龄建档时间建档时间证件号码证件号码缴款方式缴款方式信息费信息费应收金额应收金额优惠金额优惠金额滞纳金应收滞纳金应收SMSSMS次数次数国际呼叫国际呼叫呼入呼入/呼出比例呼出比例短消息话单类型短消息话单类型信息长度信息长度赠送费用赠送费用呼转类型呼转类型漫游话费漫游话费通话时长通话时长赠送分钟数赠送分钟数费用类型费用类型动态漫游号动态漫游号IMSIIMSI号码号码月均基本通话月均基本通话月均国内长途月均国内长途工作日呼叫次数工作
15、日呼叫次数工作日呼叫时间工作日呼叫时间WAPWAP呼叫时间呼叫时间繁忙时段呼叫次数繁忙时段呼叫次数非繁忙时段呼叫次数非繁忙时段呼叫次数SMSSMS次数次数WAPWAP次数次数IPIP呼叫次数呼叫次数语音呼叫次数语音呼叫次数非语音呼叫次数非语音呼叫次数月均国际长途月均国际长途非非IPIP呼叫时间呼叫时间客户关系管理31数据挖掘数据挖掘自动生成自动生成影响客户分组的主要影响客户分组的主要因子因子性别性别年龄年龄缴款方式缴款方式SMSSMS次数次数国际呼叫国际呼叫其它其它优惠金额优惠金额短消息话单类型短消息话单类型赠送费用赠送费用费用类型费用类型漫游次数漫游次数应收金额应收金额IDDIDD次数次数月
16、均国内长途月均国内长途月均基本通话月均基本通话非语音呼叫次数非语音呼叫次数SMSSMS次数次数WAPWAP次数次数月均国际长途月均国际长途语音呼叫次数语音呼叫次数费用类型费用类型因子分析因子分析客户关系管理31聚类分析根据自身所具有的特征聚类分析根据自身所具有的特征自动自动聚为一聚为一些些行为特点相似行为特点相似的群体的群体低高高高因素二（国内呼叫次数）因素二（国内呼叫次数）因素三（因素三（IPIP呼叫次数）呼叫次数）因素一（繁忙时段呼叫次数）因素一（繁忙时段呼叫次数）示例示例客户关系管理311616个组中呈现出差别明显的优势、弱势特征个组中呈现出差别明显的优势、弱势特征组号组号优势特征优势特
17、征弱势特征弱势特征描述性名称描述性名称#1语音每次呼叫时间、香港（澳门）语音每次呼叫时间、香港（澳门）呼叫、非繁忙时段呼叫呼叫、非繁忙时段呼叫繁忙时呼叫、繁忙时呼叫、IP呼叫、短信、转移呼叫、短信、转移业余活跃组业余活跃组#2繁忙时段月均呼叫次数、漫游地繁忙时段月均呼叫次数、漫游地区呼叫、香港呼叫次数区呼叫、香港呼叫次数转移呼叫、短信、转移转移呼叫、短信、转移业务繁忙组业务繁忙组#4IP呼叫、转移呼叫呼叫、转移呼叫贵中求惠组贵中求惠组#6IP呼叫呼叫短信、转移短信、转移IP手机组手机组#9IP呼叫、短信呼叫、短信非繁忙时段呼叫非繁忙时段呼叫新生潜力组新生潜力组#12非繁忙时段呼叫非繁忙时段呼叫
18、漫游地区呼叫、转移、短信漫游地区呼叫、转移、短信夜间积极组夜间积极组#14繁忙时段月均呼叫次数繁忙时段月均呼叫次数漫游呼叫、非繁忙呼叫、转移漫游呼叫、非繁忙呼叫、转移本地繁忙组本地繁忙组#16繁忙时段月均呼叫次数、转移呼繁忙时段月均呼叫次数、转移呼叫、香港（澳门）呼叫叫、香港（澳门）呼叫IP呼叫呼叫繁忙大客户组繁忙大客户组#8短信短信转移呼叫、转移呼叫、IP短信专家组短信专家组#11转移呼叫转移呼叫繁忙时段月均呼叫次数、短信繁忙时段月均呼叫次数、短信热衷转移组热衷转移组#15漫游地区呼叫漫游地区呼叫短信、繁忙呼叫次数短信、繁忙呼叫次数频繁出差组频繁出差组#3语音每次呼叫时间语音每次呼叫时间繁忙
19、时段次数、短信繁忙时段次数、短信情深语长组情深语长组#5繁忙时段次数、每次呼叫时间、短信繁忙时段次数、每次呼叫时间、短信消极等待组消极等待组#7呼入呼入/呼出比呼出比短信短信等待接听组等待接听组#10繁忙时段次数、呼入繁忙时段次数、呼入/呼出比、每次呼叫时间呼出比、每次呼叫时间休眠组休眠组#13繁忙时段月均呼叫次数繁忙时段月均呼叫次数寂寞无声组寂寞无声组客户关系管理31各类客户人数及收入贡献一览各类客户人数及收入贡献一览人数人数百分比百分比收入贡献收入贡献百分比百分比59.61%56.41%15.08%28.51%14.89%25.91%客户群客户群优质优质普通普通弱势弱势组别#1、#2、#4
20、、#6、#9、#12、#14、#16#8、#11、#15#3、#5、#7、#10、#13人数103,66454,816205,071收入贡献RMB29,659,162.05RMB7,204,282.92RMB12,897,830.1优质优质普通普通弱势弱势客户关系管理31示例：全球通（后付费）客户的示例：全球通（后付费）客户的1717个客户分组个客户分组客户群客户群组号组号人数（万人）人数（万人）人数百分比人数百分比组内月人均话费组内月人均话费组名组名优质组#91.51.5%970国际呼叫组#41.71.8%865业务繁忙组#21.51.6%758呼叫香港组#141.01.0%729国内长途组
21、#151.41.4%640呼叫台湾组#1611.611.8%420本地繁忙组#111.21.2%407转移移动组普通组#102.82.9%351热衷IP组#124.64.7%347商务潜力组#132.12.1%331全面发展组#51.91.9%321呼转电信组#72.02.0%286短信热衷组#171.61.6%241转移联通组弱势组#86.76.9%221IP长聊组#64.34.3%205短信潜力组#114.114.4%171情深语长组#338.439%100节约通话组客户关系管理31对细分客户组进行特征描述对细分客户组进行特征描述本组特征描述本组特征描述本组客户共15441人，占客户总数的
22、1.6%，组内每月人均话费759元。1.与其他客户相比，本组客户的显著特征体现在呼叫香港的通话行为较多（因素7）。香港月均每次呼叫时间达1.8分钟，月均呼叫次数8.7次，而全体客户平均香港月均每次呼叫时间1.6分钟，月均呼叫次数只有0.2次。由此，本组客户的香港月均呼叫费用（53.7元）比全体客户平均呼叫费用（1.3元）高出40多倍，香港呼叫需求相当大。第二组：呼叫香港组第二组：呼叫香港组 优质组优质组人数：15,441月人均话费：759元与全体客户话费均值之比：3.0人数百分比：1.6%女性比例：38.2%平均在网时间：43.2客户关系管理31业务推广与客户服务建议业务推广与客户服务建议本组
23、市场建议本组市场建议v业务推广建议业务推广建议彩信业务彩信业务统计分析发现本组客户彩信使用人数比例明统计分析发现本组客户彩信使用人数比例明显大于其他显大于其他1616个客户分组个客户分组GPRSGPRS业务业务估计本组客户中有相当部分人群是商务人估计本组客户中有相当部分人群是商务人士士v客户服务建议客户服务建议免费赠送香港天气预报免费赠送香港天气预报与航空公司里程积点互换与航空公司里程积点互换1.1.空港空港VIPVIP休息室休息室客户关系管理312 2、产品交叉销售、产品交叉销售交叉销售交叉销售升级销售升级销售市场拓展市场拓展市场渗透市场渗透新产品新产品老产品老产品老客户老客户新客户新客户向
24、老客户销售其尚未使用的产品向老客户促销其正在使用的产品以促使更多消费将老产品销售给新的客户将新产品销售给新客户交叉销售研究要点交叉销售研究要点 交叉销售通过研究客户的产品使用情况、消费行为特点，发现老客户的潜在需求 交叉销售通过产品之间的关联，寻找实现产品捆绑销售的机会 交叉销售为新产品寻找已有用户中的目标群体客户关系管理31相关性弱相关性弱根据产品业务关联性评分表，形成某一产品与其他产品关联关系图，以形象说明本产品与其他产品之间的关联关系（正相关或是负相关）及其关联性强弱。正向关联正向关联负向关联负向关联客户取消客户取消产品时作产品时作为替补品为替补品考虑产品考虑产品捆绑销售捆绑销售替代性弱
25、替代性弱相关性强相关性强替代性强替代性强产品业务关联关系图说明产品业务关联关系图说明客户关系管理31产品A与语音信箱、移动梦网、随E行、数据通信、呼转小叮铛、彩信、百宝箱、20元/0元GPRS套餐都有正向关联关系。某一产品与其他产品某一产品与其他产品/业务的关业务的关联关系联关系客户关系管理31IP长聊组IP长途组节约通话组短信潜力组长话短说组本地小康组短信专家组长途电话组夜间积极组长话长说组等待接听组本地繁忙组情深语长组热衷转移组差旅人士组(次)产品A分组普及率分析7短信专家组、4短信潜力组用户对产品A的兴趣相当较浓，可作为大规模推广该产品的突破口。9夜间积极组、15差旅人士组、8组长途电话
26、组根据用户行为分析，也应用有较大的交叉销售机会。产品产品AA客户分组交叉销售机会客户分组交叉销售机会客户关系管理31 问题描述：预测信用水平是好还是差，银行据此决定是否向客户问题描述：预测信用水平是好还是差，银行据此决定是否向客户发放贷款，发放多少发放贷款，发放多少 结果描述结果描述:(决策树）决策树）收入大于5万元/年是否有无储蓄帐户是否房主是是否否批准不批准批准客户信用评价客户信用评价客户关系管理31 问题描述：根据客户信息，预测客户流失可能性问题描述：根据客户信息，预测客户流失可能性 结果描述结果描述:(神经网络）神经网络）输 入流失概率（0.87)输 出男293000元/月神州行130元/月客户流失预测客户流失预测客户关系管理31 问题描述：如何决定超市中商品的摆放来增加销售额问题描述：如何决定超市中商品的摆放来增加销售额 结果描述结果描述:(Web图）图）商品陈列分析商品陈列分析客户关系管理31 问题描述：如何对市场进行细分，使产品满足最有价值问题描述：如何对市场进行细分，使产品满足最有价值客户客户 结果描述结果描述:(聚类分析）聚类分析）营销活动回应率营销活动回应率聚类与市场细分聚类与市场细分2022-11-6客户关系管理31
