大學(xué)課程《客戶關(guān)系管理》教學(xué)課件：第八章CRM數(shù)據(jù)管理

1、第一章 CRM數(shù)據(jù)管理學(xué)習(xí)目標(biāo)：1、理解客戶數(shù)據(jù)的含義2、理解數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用。3、通過(guò)對(duì)數(shù)據(jù)管理技術(shù)的了解來(lái)領(lǐng)會(huì)客戶關(guān)系管理的精髓。第1頁(yè)，共31頁(yè)。一、客戶數(shù)據(jù)的類型1、描述性數(shù)據(jù)描述性數(shù)據(jù)主要用于回答“客戶是誰(shuí)”的問(wèn)題。2、營(yíng)銷性數(shù)據(jù)營(yíng)銷性數(shù)據(jù)主要用于回答“你曾經(jīng)對(duì)這個(gè)客戶做過(guò)什么”的問(wèn)題。這是一類比較容易被忽視的數(shù)據(jù)。3、交易性數(shù)據(jù)交易性數(shù)據(jù)主要用于回答“客戶曾經(jīng)對(duì)你做過(guò)什么？”。第一節(jié) 客戶數(shù)據(jù)第2頁(yè)，共31頁(yè)。二、客戶數(shù)據(jù)的質(zhì)量保證1、客戶數(shù)據(jù)質(zhì)量的重要性企業(yè)的CRM系統(tǒng)是否有效很大程度上決定于企業(yè)是否具有相關(guān)的商業(yè)數(shù)據(jù)以及數(shù)據(jù)的可靠性。2、高質(zhì)量數(shù)據(jù)的評(píng)判

2、標(biāo)準(zhǔn)（1）數(shù)據(jù)的準(zhǔn)確性。（2）數(shù)據(jù)的有效性。（3）數(shù)據(jù)的時(shí)效性。（4）數(shù)據(jù)的完備性。第3頁(yè)，共31頁(yè)。三、客戶數(shù)據(jù)的重要性1、客戶數(shù)據(jù)是進(jìn)行客戶分級(jí)的依據(jù)；2、客戶數(shù)據(jù)是開(kāi)展企業(yè)決策的基礎(chǔ)；3、客戶數(shù)據(jù)是加強(qiáng)客戶互動(dòng)的指南；4、客戶數(shù)據(jù)是達(dá)到客戶滿意的要求。四、從客戶數(shù)據(jù)到客戶信息與客戶知識(shí)單純地收集客戶信息是不夠的，企業(yè)必須學(xué)會(huì)分析信息并把這種信息轉(zhuǎn)化為客戶知識(shí)，進(jìn)而依據(jù)這些知識(shí)制訂有效的行動(dòng)方案來(lái)影響客戶行為和購(gòu)買意向，把知識(shí)管理和客戶關(guān)系管理整合到一起，增加了企業(yè)對(duì)客戶信息進(jìn)行分析和理解的深度。第4頁(yè)，共31頁(yè)。一、客戶數(shù)據(jù)收集渠道1、直接渠道（1）在市場(chǎng)調(diào)查中獲取客戶數(shù)據(jù)（2）在營(yíng)銷活

3、動(dòng)中獲取客戶數(shù)據(jù)（3）在服務(wù)過(guò)程中獲得客戶數(shù)據(jù)（4）在終端收集客戶數(shù)據(jù)（5）通過(guò)博覽會(huì)、展銷會(huì)、洽談會(huì)等獲取客戶數(shù)據(jù)（6）網(wǎng)站和呼叫中心是收集客戶數(shù)據(jù)的新渠道（7）從客戶投訴中收集第二節(jié) 客戶數(shù)據(jù)的處理、分析與應(yīng)用第5頁(yè)，共31頁(yè)。2、間接渠道：企業(yè)從公開(kāi)的信息中或者通過(guò)購(gòu)買獲得客戶數(shù)據(jù)，一般可通過(guò)以下渠道獲得。（1）各種媒介：國(guó)內(nèi)外各種權(quán)威性報(bào)紙、雜志、圖書(shū)和國(guó)內(nèi)外各大通訊社、互聯(lián)網(wǎng)、電視臺(tái)發(fā)布的有關(guān)信息，這些往往都會(huì)涉及客戶的信息；（2）工商行政管理部門(mén)及駐外機(jī)構(gòu)；（3）國(guó)內(nèi)外金融機(jī)構(gòu)及其分支機(jī)構(gòu)；（4）國(guó)內(nèi)外咨詢公司及市場(chǎng)研究公司；（5）從已建立客戶數(shù)據(jù)庫(kù)的公司租用或購(gòu)買；（6）其他渠道

4、：老客戶、戰(zhàn)略合作伙伴、行業(yè)協(xié)會(huì)、商會(huì)；第6頁(yè)，共31頁(yè)。二、客戶數(shù)據(jù)的整理首先是把從多渠道集成平臺(tái)獲得的數(shù)據(jù)進(jìn)行一些基本的校驗(yàn)，去除有明顯錯(cuò)誤的數(shù)據(jù)；第二個(gè)步驟是結(jié)構(gòu)化，由于獲得的原始數(shù)據(jù)是非結(jié)構(gòu)化的、多維的。因此需要把它轉(zhuǎn)化為易于處理的二維表，把性質(zhì)類似的數(shù)據(jù)歸為相同的客戶屬性；第三個(gè)步驟是進(jìn)行數(shù)據(jù)的使用和分析。第7頁(yè)，共31頁(yè)。三、客戶數(shù)據(jù)庫(kù)及其建立1、客戶數(shù)據(jù)庫(kù)的特點(diǎn)（1）動(dòng)態(tài)整合客戶數(shù)據(jù)管理和查詢系統(tǒng)（2）基于數(shù)據(jù)庫(kù)支持的客戶關(guān)系格式或結(jié)構(gòu)系統(tǒng)（3）基于數(shù)據(jù)庫(kù)支持的忠誠(chéng)客戶識(shí)別系統(tǒng)（4）基于數(shù)據(jù)庫(kù)支持的客戶購(gòu)買行為參考系統(tǒng)（5）個(gè)性化服務(wù)第8頁(yè)，共31頁(yè)。2、客戶數(shù)據(jù)庫(kù)的內(nèi)容（1）現(xiàn)

5、有客戶：這類客戶的識(shí)別主要通過(guò)最近購(gòu)買情況、購(gòu)買的頻率、每次購(gòu)買的金額和交叉銷售、終生價(jià)值等指標(biāo)來(lái)識(shí)別（2）潛在客戶：這類客戶的識(shí)別主要靠與現(xiàn)有客戶的相似性分析或同類產(chǎn)品的購(gòu)買客戶特征（3）流失的客戶：對(duì)于客戶需求發(fā)生變化的流失，企業(yè)還是應(yīng)該收集整理他們的信息，以便在適當(dāng)?shù)臅r(shí)機(jī)采取相應(yīng)措施重新挽回這些客戶（4）分銷商：批發(fā)商、零售商、分支機(jī)構(gòu)、銷售代理等市場(chǎng)營(yíng)銷渠道也可以看做是廣義的客戶，他們的偏好和業(yè)績(jī)信息業(yè)應(yīng)該納入客戶數(shù)據(jù)庫(kù)的范圍第9頁(yè)，共31頁(yè)。3、建立客戶數(shù)據(jù)庫(kù)的注意事項(xiàng)（1）按照預(yù)測(cè)所需的信息量、盡可能多地考慮客戶購(gòu)買產(chǎn)品的情況和購(gòu)買后的反應(yīng)；（2）深入策劃客戶數(shù)據(jù)庫(kù)的組成部分，應(yīng)保

6、留一定的彈性，以滿足未來(lái)變化的需要；（3）不需要因謀求建立一個(gè)詳細(xì)完備的數(shù)據(jù)庫(kù)而推遲建成時(shí)間，可先建成一個(gè)小而實(shí)用的數(shù)據(jù)庫(kù)，并對(duì)其評(píng)價(jià)獲得經(jīng)驗(yàn)，然后再不斷改進(jìn)；（4）構(gòu)建客戶數(shù)據(jù)庫(kù)時(shí)，讓盡可能多的部門(mén)和人員參與。一方面使信息采集科學(xué)完備，另一方面讓數(shù)據(jù)庫(kù)的使用者充分了解設(shè)計(jì)者的思想；第10頁(yè)，共31頁(yè)。四、客戶數(shù)據(jù)庫(kù)在CRM中的重要作用1、運(yùn)用客戶數(shù)據(jù)庫(kù)可以對(duì)客戶開(kāi)展一對(duì)一的營(yíng)銷2、運(yùn)用客戶數(shù)據(jù)庫(kù)，可以實(shí)現(xiàn)客戶服務(wù)及管理的自動(dòng)化3、運(yùn)用客戶數(shù)據(jù)庫(kù)，可以實(shí)現(xiàn)對(duì)客戶的動(dòng)態(tài)管理4、客戶數(shù)據(jù)庫(kù)能為企業(yè)深入分析客戶提供幫助，并指導(dǎo)客戶關(guān)系的努力方向第11頁(yè)，共31頁(yè)。一、數(shù)據(jù)倉(cāng)庫(kù)基本概念（一）數(shù)據(jù)倉(cāng)庫(kù)的

7、產(chǎn)生傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)無(wú)法滿足分析數(shù)據(jù)、支持決策的需求。這勢(shì)必要求分析型數(shù)據(jù)環(huán)境的產(chǎn)生。數(shù)據(jù)倉(cāng)庫(kù)就是在此時(shí)產(chǎn)生的。（二）數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)庫(kù)的區(qū)別第三節(jié) 數(shù)據(jù)倉(cāng)庫(kù)特性數(shù)據(jù)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)主要操作插入、更新、刪除查詢、統(tǒng)計(jì)、分析、預(yù)測(cè)數(shù)據(jù)用途記錄級(jí)別的事務(wù)處理記錄組級(jí)別的主題分析實(shí)體關(guān)系范式化，復(fù)雜關(guān)系，網(wǎng)狀連接非范式化，簡(jiǎn)單關(guān)系，星型連接信息冗余度低高數(shù)據(jù)表記錄字段少，表格多但體量小記錄字段多，表格少但體量大時(shí)間覆蓋當(dāng)前處理的數(shù)據(jù)歷史積累的數(shù)據(jù)第12頁(yè)，共31頁(yè)。（三）數(shù)據(jù)倉(cāng)庫(kù)的定義著名的數(shù)據(jù)倉(cāng)庫(kù)專家W.H.Inmon在Building the Data Warehouse一書(shū)中給數(shù)據(jù)倉(cāng)庫(kù)的定義是：數(shù)據(jù)

8、倉(cāng)庫(kù)是在企業(yè)管理和決策中面向主題的、集成的、與時(shí)間相關(guān)的、不可修改的數(shù)據(jù)集合。該定義指出了數(shù)據(jù)倉(cāng)庫(kù)的四個(gè)特性：面向主題、集成性、不可更新和時(shí)變性。第13頁(yè)，共31頁(yè)。二、數(shù)據(jù)倉(cāng)庫(kù)的基本原理（一）數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)第14頁(yè)，共31頁(yè)。（二）數(shù)據(jù)倉(cāng)庫(kù)的相關(guān)概念數(shù)據(jù)抽取數(shù)據(jù)清洗數(shù)據(jù)轉(zhuǎn)化外部數(shù)據(jù)歷史數(shù)據(jù)元數(shù)據(jù)數(shù)據(jù)粒度第15頁(yè)，共31頁(yè)。（三）數(shù)據(jù)集市（Data Mart）數(shù)據(jù)集市也叫數(shù)據(jù)市場(chǎng)，是企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)中針對(duì)某一主題的數(shù)據(jù)庫(kù)，它是企業(yè)數(shù)據(jù)庫(kù)的一個(gè)子集。按照數(shù)據(jù)集市的數(shù)據(jù)來(lái)源可將數(shù)據(jù)集市分為獨(dú)立的數(shù)據(jù)集市和依賴的數(shù)據(jù)集市。（1）獨(dú)立的數(shù)據(jù)集市的數(shù)據(jù)直接來(lái)源于各信息系統(tǒng)。（2）依賴的數(shù)據(jù)集市的數(shù)據(jù)直

9、接來(lái)源于中央數(shù)據(jù)倉(cāng)庫(kù)，也就是說(shuō)它是在數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)上建立起來(lái)的。第16頁(yè)，共31頁(yè)。（四）操作數(shù)據(jù)存儲(chǔ)（Operational Data Store ,ODS）ODS是用于支持企業(yè)日常的全局應(yīng)用的數(shù)據(jù)集合。ODS解決的是“日?！毙詥?wèn)題，因而具有引入數(shù)據(jù)是可變的、數(shù)據(jù)是當(dāng)前或近期的兩個(gè)特點(diǎn)。ODS是面向全局應(yīng)用使得ODS中的數(shù)據(jù)需要面向主題來(lái)組織，并且應(yīng)當(dāng)是實(shí)時(shí)集成的。ODS的應(yīng)用一般體現(xiàn)在兩個(gè)方面：（1）企業(yè)級(jí)的聯(lián)機(jī)事務(wù)處理（OLTP）應(yīng)用。（2）近期的聯(lián)機(jī)分析處理（OLAP）。第17頁(yè)，共31頁(yè)。三、數(shù)據(jù)倉(cāng)庫(kù)與CRM（一）CRM中數(shù)據(jù)倉(cāng)庫(kù)的建立方法CRM中的整個(gè)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)可以劃分為數(shù)據(jù)源、

10、數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)和CRM分析系統(tǒng)三個(gè)部分：（1）數(shù)據(jù)源（2）數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)（3）CRM分析系統(tǒng)第18頁(yè)，共31頁(yè)。（二）CRM中數(shù)據(jù)倉(cāng)庫(kù)建設(shè)的基本步驟（1）確定范圍（2）環(huán)境評(píng)估（3）分析（4）設(shè)計(jì)（5）開(kāi)發(fā)（6）測(cè)試（7）運(yùn)行第19頁(yè)，共31頁(yè)。（三）CRM中數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用一、CRM客戶行為分析（1）客戶理解：也可以被稱為群體特征分析（2）行為規(guī)律分析，即發(fā)現(xiàn)群體客戶的行為規(guī)律（3）組間交叉分析，通過(guò)對(duì)群體客戶的特征分析、行為規(guī)律分析使企業(yè)在一定程度上了解自己的客戶二、重點(diǎn)客戶發(fā)現(xiàn)重點(diǎn)客戶的發(fā)現(xiàn)主要是發(fā)現(xiàn)能為企業(yè)帶來(lái)潛在效益的重要客戶。三、市場(chǎng)性能評(píng)估根據(jù)客戶行為分析，企業(yè)可以準(zhǔn)確地制定市場(chǎng)策略和

11、市場(chǎng)活動(dòng)。第20頁(yè)，共31頁(yè)。一、聯(lián)機(jī)分析處理的概念聯(lián)機(jī)分析處理的概念最早是由關(guān)系數(shù)據(jù)庫(kù)之父愛(ài)德華庫(kù)德（EFCodd）博士于1993年提出的，是一種用于組織大型商務(wù)數(shù)據(jù)庫(kù)和支持商務(wù)智能的技術(shù)。OLAP 數(shù)據(jù)庫(kù)分為一個(gè)或多個(gè)多維數(shù)據(jù)集，每個(gè)多維數(shù)據(jù)集都由多維數(shù)據(jù)集管理員組織和設(shè)計(jì)以適應(yīng)用戶檢索和分析數(shù)據(jù)的方式，從而更易于創(chuàng)建和使用所需的數(shù)據(jù)透視表和數(shù)據(jù)透視圖。第四節(jié) 聯(lián)機(jī)分析處理第21頁(yè)，共31頁(yè)。二、聯(lián)機(jī)分析處理邏輯概念和典型操作（一）OLAP邏輯概念OLAP針對(duì)某個(gè)特定的主題進(jìn)行聯(lián)機(jī)數(shù)據(jù)訪問(wèn)、處理和分析，通過(guò)直觀的方式從多個(gè)維度、多種數(shù)據(jù)綜合程度將系統(tǒng)的運(yùn)行情況展現(xiàn)給使用者。（二）OLAP的

12、典型操作OLAP的基本多維分析操作有鉆?。―rill-up和Drill-down）、切片（Slice）和切塊（Dice）、以及旋轉(zhuǎn)（Pivot）等。第22頁(yè)，共31頁(yè)。 三、聯(lián)機(jī)分析處理系統(tǒng)的體系結(jié)構(gòu)和分類（一）關(guān)系聯(lián)機(jī)分析處理（ROLAP）（二）多維聯(lián)機(jī)分析處理（MOLAP）（三）混合聯(lián)機(jī)分析處理（HOLAP）第23頁(yè)，共31頁(yè)。一、數(shù)據(jù)挖掘的基本概念（一）數(shù)據(jù)挖掘定義數(shù)據(jù)挖掘（Data Mining，DM）又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（Knowledge Discover in Database，KDD），是目前人工智能和數(shù)據(jù)庫(kù)領(lǐng)域研究的熱點(diǎn)問(wèn)題。數(shù)據(jù)挖掘是一種決策支持過(guò)程，它主要基于人工智能、

13、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、可視化技術(shù)等，高度自動(dòng)化地分析企業(yè)的數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調(diào)整市場(chǎng)策略，減少風(fēng)險(xiǎn)，做出正確的決策。第五節(jié) 數(shù)據(jù)挖掘第24頁(yè)，共31頁(yè)。1、技術(shù)角度的定義數(shù)據(jù)挖掘（Data Mining）就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。這個(gè)定義包括好幾層含義：數(shù)據(jù)源必須是真實(shí)的、大量的、含噪聲的；發(fā)現(xiàn)的是用戶感興趣的知識(shí)；發(fā)現(xiàn)的知識(shí)要可接受、可理解、可運(yùn)用；并不要求發(fā)現(xiàn)放之四海皆準(zhǔn)的知識(shí)，僅支持特定的發(fā)現(xiàn)問(wèn)題。2、商業(yè)角度的定義數(shù)據(jù)挖掘是一種

14、新的商業(yè)信息處理技術(shù)，其主要特點(diǎn)是對(duì)商業(yè)數(shù)據(jù)庫(kù)中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)。第25頁(yè)，共31頁(yè)。 （二）數(shù)據(jù)挖掘的方法1.分類2.回歸分析3.聚類4.關(guān)聯(lián)規(guī)則5.特征6.變化和偏差分析7.Web頁(yè)挖掘第26頁(yè)，共31頁(yè)。（三）數(shù)據(jù)挖掘的功能1、自動(dòng)預(yù)測(cè)趨勢(shì)和行為2、關(guān)聯(lián)分析3、聚類4、概念描述5、偏差檢測(cè)第27頁(yè)，共31頁(yè)。（四）數(shù)據(jù)挖掘的應(yīng)用1、數(shù)據(jù)挖掘解決的典型商業(yè)問(wèn)題2、數(shù)據(jù)挖掘在市場(chǎng)營(yíng)銷的應(yīng)用3、數(shù)據(jù)挖掘構(gòu)筑競(jìng)爭(zhēng)優(yōu)勢(shì)第28頁(yè)，共31頁(yè)。二、 數(shù)據(jù)挖掘算法（一）關(guān)聯(lián)規(guī)則挖掘（二）神經(jīng)網(wǎng)絡(luò)方法（三）決策樹(shù)（四）聚類分析（五）孤立點(diǎn)分