第七章客户关系管理的数据信息分析

第七章客户关系管理的数据信息分析第七章客户关系管理的数据信息分析

本章结构本章结构

7.1 客户信息的来源和分类

7.2 CRM 的客户信息

7.3 客户关系管理的信息分析

7.4 案例分析——在金融业数据挖掘应用的案例

7.1.1 CRM7.1.1 CRM 信息按来源分类信息按来源分类1 ．内部信息内部信息主要是指企业内部产生的各种信息

2 ．外部信息

外部信息主要指在企业以外产生但与企业业务相关的各种信息

7.17.1 客户信息的来源和分类客户信息的来源和分类

生产信息销售信息技术信息

市场需求信息竞争信息用户信息

CRM 的客户信息客户关系管理的信息分析案例分析客户信息的来源和分类

7.1.2 CRM7.1.2 CRM 信息分类信息分类

1 ．基本信息基本信息是指客户信息中最原始的一类信息，这类信息是企业与客户打交道时保留下来的，如商品的购买时间、地点、数量、品种等

2 ．统计信息统计信息是对基本信息进行提炼，进一步汇总和统计后得到的信息，主要是各类报表

3 ．文本信息没有一定结构且信息量比较大，其中有一部分是可以量化或编号的，另外一种文本信息不可量化

占有很大的份量

信息的“含金量”很高


7.2 CRM 7.2 CRM 的客户信息的客户信息

7.2.17.2.1 客户数据类型客户数据类型

预测能力稳定性获取代价

人口统计学数据

中高低

行为数据高低高

心理数据中中高

表 7-1 客户数据类型和特点


7.2.27.2.2 客户数据的隐私与安全客户数据的隐私与安全1 ．保证客户信息的安全性

2 ．尊重客户的隐私权

3 ．建立企业内部的知识共享

安全策略

物理防范

数据加密

必须尊重并使用 P3P 标准

培养“知识共享”的企业文化


7.37.3 客户关系管理的信息分析客户关系管理的信息分析

CRM 的信息分析处理是通过对客户详细资料的深入分析，采取措施来提高客户满意度和忠诚度，从而提高企业的竞争力

客户概况分析

客户未来分析

客户忠诚分析

客户性能分析

客户利润分析

客户产品分析

客户促销分析


7.3.1 7.3.1 客户关系管理的一般统计分析客户关系管理的一般统计分析 CRM 对信息的一般统计分析是指对现有的 CRM 数据信息进行简单的统计计算，以获取企业当前的运作状况，使用户能够监测业务运行情况；或提供部门人员的工作业绩报告等

客户市场管理统计客户销售管理统计客户支持与服务管理统计


7.3.27.3.2 　客户关系指数模型　客户关系指数模型

在对客户关系指数模型建模时需要重点关注其中的几个重要属性：

序号属性名称（ Attributes Name）

属性描述（ Description）

A8 目前关系指数 RIDX 是价值类属性，是衡量关系价值的最重要指标，由多个因素决定，表明关系的质量、关系的深浅，是关系的当前指标，也是关系模型建模的重点对象；

A9 组织私人关系相关度 RRG 衡量企业中个人对这个关系影响程度的大小，也表明这条关系的稳定性，企业应尽量使这一指标降低到可接受的范围，以避免在这条关系依赖的员工离开时，关系指数急剧下降到 0；

A14 非正当关系相关度 ROU 是指一个关系受非正当交易因素的影响程度，也表明“桌底交易”对关系的相关程度；


2 ．客户关系的基本逻辑模型和计算模型

一般意义上， YRIDX 与 Xf ， Xs ， Xv 和 Xt存在着某种函数关系，因此，我们给出如下关系指数的基本数学模型：

YRIDX = F （ Xf ， Xs ， Xv ， Xt） (1)

这是一般意义上的数学模型，我们可以简单的描述：

YRIDX = k1Xf + k2Xs + k3Xv + k4Xt (2)


3 ．客户关系指数模型的自变量

一个宏观上的满意度评估要考虑的因素如下图所示

图 7-2 The e-Loyalty matrix客户忠诚度矩阵


7.3.37.3.3 客户终生价值分析模型客户终生价值分析模型

1 ．客户终生价值理论

每 100 个满意的顾客会带来 25 个新顾客

吸引一个新客户的成本相当于保持现有客户的 5倍

每收到一次顾客投诉，就意味着还有 20 名有同感的顾客

客户流失率降低 5% 利润就能增加 25-85%

客户关系管理首先提倡的是保持现有客户，实现现有客户的重复购买是企业追求的首要目标


22 ．客户终生价值的组成．客户终生价值的组成

所谓客户终生价值（ Customer Lifetime Value ，简称 CLV或 LTV ）是

随着时间的延续，企业从客户 (个人、家庭或中间商 ) 那里获得的所有收益超

过公司为吸引这个客户、向这个客户出售商品、提供服务等所有支出成本的一个可接受的现金量，并且要将这个现金量折为现值

CLV = CLV1 + CLV2 + CLV3 + CLV4 + CLV5 + CLV6


33 ．影响客户终生价值各因素分析．影响客户终生价值各因素分析

（ 1）计算的时间长度计算客户终生价值的时间长度缩短会减少客户终生价值，随着时间的推移，各项在客户终生价值中的比例会逐渐变化增加


(2) 贴现率客户终生价值的简单计算公式如下：

r

R

CLVr

n

11

1

R 表示企业每年从忠诚客户那里获得的收入

r 表示贴现率

n 表示客户对企业忠诚的年数

客户的终生价值与贴现率成反比


(3) 客户的维系率客户的维系率指客户经过一个购买周期后仍被维系住的概率

n

i

iiRCLV r

01

CLV包括 CLV2 ， CLV3 Ri 表示第 i年从客户那里获得的收入 r 表示贴现率 n 表示客户对企业忠诚的年数

客户的终生价值与客户的维系率成正比


(4) 产品被提及率产品被客户提及率与客户终生价值中的推荐收益 CLV5有密切的关系。如果产品被客户正面提及，则就产生正的推荐收益，会使客户终生价值增大；如果产品是被负面提及，推荐收益是负值，会使客户终生价值减少

(5) 客户收入的变当客户的收入增加时，一般用于消费的开支会增加，这会对客户终生价值的几个方面发生影响。一般客户的终生价值与客户的收入成正比


(6) 客户关系的维系成本客户关系的维系成本指为了维系客户关系所发生的成本。这个成本不是每次特定交易相关的直接成本。这个成本能促使客户数量保持在一定的范围内，并且促使客户的购买持续期在一定的时期之上

(7) 营销费用营销费用包括广告费用、客户数据库建立以及客户资料分析费用等。一般营销费用属于客户终生价值的减少项目

(8) 其他影响客户终生价值还有其他的一些因素，如市场的新进入者以及竞争者退出都有可能影响客户的终生价值


DWYERDWYER 方法方法

7.3.4 7.3.4 联机分析处理联机分析处理

联机分析处理（ Online Analytical Processing ， OLAP）的概念最早由关系数据库之父 E. F. Codd于 1993年提出

联机分析处理是针对特定问题的联机数据访问和分析


１．１． OLAPOLAP的特点的特点

快速快速分析分析共享共享多维多维信息信息

２．２． OLAPOLAP的优点的优点

（１）直观的多维数据模型使用户很容易就能选择、浏览和研究数据

（２）分析查询语言为研究复杂的业务数据关系提供了强大功能

（３）对频繁查询的数据预先进行计算，而不是在执行时加入的数值，　　　　　 OLAP 加快了向浏览这些多维结构的最终用户提交信息的速度


３．基于数据仓库的３．基于数据仓库的 OLAPOLAP

(1) 数据仓库的基本概念　数据仓库经常用作决策支持系统的基础。一个组织机构尝试使用用于联机事务处理 (OnLine Transaction Processing System ，简称 OLT

P)的同一数据库执行策略分析时可能会遇到问题，而数据仓库的设计目的是要克服这些问题。

特殊形式

数据集市


(2) (2) 数据仓库和数据仓库和 OLAPOLAP的关系的关系

数据仓库侧重于存储和管理面向决策主题的数据

OLAP则侧重于数据仓库中的数据分析，井将其转换成辅助决策信息


(3) (3) 基于数据仓库的基于数据仓库的 OLAPOLAP

下图展示了OLAP系统的工作模型：

图 7-3 OLAP系统工作模型


7.3.5 7.3.5 客户关系管理决策支持客户关系管理决策支持

1 ．客户关系管理决策支持的分类(1) 面向客户的决策支持

面向客户的决策支持主要是要完成客户智能和智能查询的功能，更重要的是利用 CRM 来与客户达到快速有效的交互

B/S架构

动态 HTML ActiveX Java


(2) 面向部门的决策支持将专家系统 (ES)嵌入决策支持系统中，通过推理机制扩大系

统的智能搜索、解释和判断能力，从而可以赋予系统以主动性的特征，形成主动性的 ADSS(Active Decision Support System)

(3) 面向企业高层管理者的决策支持

数据仓库数据挖掘群体决策支持


22 ．客户关系管理决策支持的功能．客户关系管理决策支持的功能

客戶分析

客户价值分析客户荣誉分析客户需求分析客户潜力分析客户流失分析


市场分析

市场细分分析目标市场分析产品市场分析市场趋势分析


营销分析

营销渠道分析营销活动分析促销反馈分析产品价格分析


销售分析

产品销售分析部门销售分析销售利润分析销售预测分析员工业绩分析


服务分析

服务项目分析客户投诉分析客户满意分析产品缺陷分析客户关怀分析


竞争分析

市场占有率分析

对手产品价格分析

对手产品性能分析

对手产品线分析市场机会预测


33 ．客户关系管理决策支持的系统模型．客户关系管理决策支持的系统模型

客户关系管理中的决策支持系统应包括如下典型的组件

数据管理子系统

模型管理子系统

知识管理子系统


44 ．． CRMCRM 决策支持系统中的数据分析模型决策支持系统中的数据分析模型

(1)使用特征化和划分了解客户的基本状况(2) 使用响应建模定位新的潜在客户(3) 使用风险建模避免高风险客户(4) 使用流失建模留住创利客户(5) 客户终生价值建模来定位创利客户。(6) 市场分析

预测模型买量或某次活动的可能性

描述模型著名的啤酒和尿布故事


7.4 7.4 案例分析——在金融业数据挖掘应用的案例案例分析——在金融业数据挖掘应用的案例

数据挖掘已经广泛应用于银行和金融市场

　　在银行业，数据挖掘主要用于信用欺诈的建模和预测、风险评估、趋势分析、收益分析等活动。

　　在金融市场，已将神经网络用于股票价格预测、购买权交易、债券等级评定、资产组和管理、商品价格预测、合并和买进以及金融危机预测等方面

　　将数据挖掘技术和实时营销活动结合起来的企业在创造商标价值和客户价值方面将发挥重要作用


第七章 客户关系管理的数据信息分析

Documents

第七章客户关系管理的数据信息分析