Vad är CRM Data Mining?

July 31

Kundrelationshantering (CRM) data mining avser processen att söka igenom kundrelations databaser och analysera data om kundernas beteende samlats. Denna data hjälper marknadsförare att bättre fokusera sina kampanjer, vilket leder till ökad kundlojalitet och försäljning. CRM data mining är också känd som data prospektering och ny kunskap. Det finns två huvudkategorier i samband med data mining: deskriptiv analys och prognosmodeller.

Beskrivande analys utnyttjar segmentering och klustring att bättre analysera en uppsättning beteendemönster bland en viss grupp av kunder. Kunderna kan grupperas efter kön, ålder, ras, och andra kategorier. Det huvudsakliga målet med ett segment är att ge marknadsförare med en grupp av liknande kunder för att mer effektivt bryta uppgifterna för nyttiga insikter.

Kluster aggregerar segmentgrupper. Varje kluster är ömsesidigt uteslutande och kännetecknas av en uppsättning förbestämda egenskaper. Till exempel skulle ett kluster inkluderar kvinnligåldrar 18 till 25 som köpt en viss nagellack under de två sista veckorna i december 2010. Detta är ett exempel på kvalitativ metod CRM data mining.

I icke-utestängande segment, en annan form av beskrivande analys, en särskild uppsättning av kundbeteendet leder till en helt ny uppsättning av beteenden. Till exempel skulle en grupp kunder spenderar en betydande summa pengar på spa-behandlingar, men inte spendera en massa pengar på relaterade tjänster såsom hår och salong vård. Denna typ av CRM data mining kräver mer avancerad statistisk analys än grundläggande segmentering.

Prognosmodeller är mer populär av de två CRM-data mining kategorier. Den mäter graden av korrelation mellan två kundbeteendefaktorer och den statistiska tillförlitligheten denna korrelation. Den prediktiva modellen är byggd med hjälp av en data mining program som tilldelar poäng till varje kund, vilket indikerar sannolikheten att kunden kommer att bete sig på samma sätt i framtiden. Exempelvis kan modellen hjälpa en marknadsförare för att bestämma sannolikheten för att en gift manlig kund i åldrarna 31 och 42 med barn kommer att köpa ett visst märke av gräsklippare inom de närmaste sex månaderna.

Specificitet är mycket viktigt i CRM data mining använder prediktiva modeller. Det finns flera typer av metoder som används för detta ändamål. En univariat modell jämför en enda variabel till flera andra variabler för att bestämma förhållandet med den högsta korrelationen. Chi-Squared automatisk interaktionsanalys detektering (CHAID) och klassificering och regressionsträd (CART) modeller display beslutsträd, där en variabel orsakar instans av en eller flera variabler. En multivariat regressionsmodell testar flera variabler mot varandra för att utvärdera eventuella korrelationer.