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)倉庫和數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用。3、通過對數(shù)據(jù)管理技術(shù)的了解來領(lǐng)會客戶關(guān)系管理的精髓。第1頁，共31頁。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”的問題。2、營銷性數(shù)據(jù)營銷性數(shù)據(jù)主要用于回答“你曾經(jīng)對這個客戶做過什么”的問題。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)對你做過什么？”。第一節(jié) 客戶數(shù)據(jù)第2頁，共31頁。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)的時效性。（4）數(shù)據(jù)的完備性。第3頁，共31頁。三、客戶數(shù)據(jù)的重要性1、客戶數(shù)據(jù)是進(jìn)行客戶分級的依據(jù)；2、客戶數(shù)據(jù)是開展企業(yè)決策的基礎(chǔ)；3、客戶數(shù)據(jù)是加強客戶互動的指南；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單純地收集客戶信息是不夠的，企業(yè)必須學(xué)會分析信息并把這種信息轉(zhuǎn)化為客戶知識，進(jìn)而依據(jù)這些知識制訂有效的行動方案來影響客戶行為和購買意向，把知識管理和客戶關(guān)系管理整合到一起，增加了企業(yè)對客戶信息進(jìn)行分析和理解的深度。第4頁，共31頁。一、客戶數(shù)據(jù)收集渠道1、直接渠道（1）在市場調(diào)查中獲取客戶數(shù)據(jù)（2）在營銷活

3、動中獲取客戶數(shù)據(jù)（3）在服務(wù)過程中獲得客戶數(shù)據(jù)（4）在終端收集客戶數(shù)據(jù)（5）通過博覽會、展銷會、洽談會等獲取客戶數(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，共31頁。2、間接渠道：企業(yè)從公開的信息中或者通過購買獲得客戶數(shù)據(jù)，一般可通過以下渠道獲得。（1）各種媒介：國內(nèi)外各種權(quán)威性報紙、雜志、圖書和國內(nèi)外各大通訊社、互聯(lián)網(wǎng)、電視臺發(fā)布的有關(guān)信息，這些往往都會涉及客戶的信息；（2）工商行政管理部門及駐外機構(gòu)；（3）國內(nèi)外金融機構(gòu)及其分支機構(gòu)；（4）國內(nèi)外咨詢公司及市場研究公司；（5）從已建立客戶數(shù)據(jù)庫的公司租用或購買；（6）其他渠道

4、：老客戶、戰(zhàn)略合作伙伴、行業(yè)協(xié)會、商會；第6頁，共31頁。二、客戶數(shù)據(jù)的整理首先是把從多渠道集成平臺獲得的數(shù)據(jù)進(jìn)行一些基本的校驗，去除有明顯錯誤的數(shù)據(jù)；第二個步驟是結(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；第三個步驟是進(jìn)行數(shù)據(jù)的使用和分析。第7頁，共31頁。三、客戶數(shù)據(jù)庫及其建立1、客戶數(shù)據(jù)庫的特點（1）動態(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)庫支持的忠誠客戶識別系統(tǒng)（4）基于數(shù)據(jù)庫支持的客戶購買行為參考系統(tǒng)（5）個性化服務(wù)第8頁，共31頁。2、客戶數(shù)據(jù)庫的內(nèi)容（1）現(xiàn)

5、有客戶：這類客戶的識別主要通過最近購買情況、購買的頻率、每次購買的金額和交叉銷售、終生價值等指標(biāo)來識別（2）潛在客戶：這類客戶的識別主要靠與現(xiàn)有客戶的相似性分析或同類產(chǎn)品的購買客戶特征（3）流失的客戶：對于客戶需求發(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機采取相應(yīng)措施重新挽回這些客戶（4）分銷商：批發(fā)商、零售商、分支機構(gòu)、銷售代理等市場營銷渠道也可以看做是廣義的客戶，他們的偏好和業(yè)績信息業(yè)應(yīng)該納入客戶數(shù)據(jù)庫的范圍第9頁，共31頁。3、建立客戶數(shù)據(jù)庫的注意事項（1）按照預(yù)測所需的信息量、盡可能多地考慮客戶購買產(chǎn)品的情況和購買后的反應(yīng)；（2）深入策劃客戶數(shù)據(jù)庫的組成部分，應(yīng)保

6、留一定的彈性，以滿足未來變化的需要；（3）不需要因謀求建立一個詳細(xì)完備的數(shù)據(jù)庫而推遲建成時間，可先建成一個小而實用的數(shù)據(jù)庫，并對其評價獲得經(jīng)驗，然后再不斷改進(jìn)；（4）構(gòu)建客戶數(shù)據(jù)庫時，讓盡可能多的部門和人員參與。一方面使信息采集科學(xué)完備，另一方面讓數(shù)據(jù)庫的使用者充分了解設(shè)計者的思想；第10頁，共31頁。四、客戶數(shù)據(jù)庫在CRM中的重要作用1、運用客戶數(shù)據(jù)庫可以對客戶開展一對一的營銷2、運用客戶數(shù)據(jù)庫，可以實現(xiàn)客戶服務(wù)及管理的自動化3、運用客戶數(shù)據(jù)庫，可以實現(xiàn)對客戶的動態(tài)管理4、客戶數(shù)據(jù)庫能為企業(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，共31頁。一、數(shù)據(jù)倉庫基本概念（一）數(shù)據(jù)倉庫的

7、產(chǎn)生傳統(tǒng)的關(guān)系型數(shù)據(jù)庫無法滿足分析數(shù)據(jù)、支持決策的需求。這勢必要求分析型數(shù)據(jù)環(huán)境的產(chǎn)生。數(shù)據(jù)倉庫就是在此時產(chǎn)生的。（二）數(shù)據(jù)倉庫與數(shù)據(jù)庫的區(qū)別第三節(jié) 數(shù)據(jù)倉庫特性數(shù)據(jù)庫數(shù)據(jù)倉庫主要操作插入、更新、刪除查詢、統(tǒng)計、分析、預(yù)測數(shù)據(jù)用途記錄級別的事務(wù)處理記錄組級別的主題分析實體關(guān)系范式化，復(fù)雜關(guān)系，網(wǎng)狀連接非范式化，簡單關(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，共31頁。（三）數(shù)據(jù)倉庫的定義著名的數(shù)據(jù)倉庫專家W.H.Inmon在Building the Data Warehouse一書中給數(shù)據(jù)倉庫的定義是：數(shù)據(jù)

8、倉庫是在企業(yè)管理和決策中面向主題的、集成的、與時間相關(guān)的、不可修改的數(shù)據(jù)集合。該定義指出了數(shù)據(jù)倉庫的四個特性：面向主題、集成性、不可更新和時變性。第13頁，共31頁。二、數(shù)據(jù)倉庫的基本原理（一）數(shù)據(jù)倉庫的體系結(jié)構(gòu)第14頁，共31頁。（二）數(shù)據(jù)倉庫的相關(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，共31頁。（三）數(shù)據(jù)集市（Data Mart）數(shù)據(jù)集市也叫數(shù)據(jù)市場，是企業(yè)級數(shù)據(jù)倉庫中針對某一主題的數(shù)據(jù)庫，它是企業(yè)數(shù)據(jù)庫的一個子集。按照數(shù)據(jù)集市的數(shù)據(jù)來源可將數(shù)據(jù)集市分為獨立的數(shù)據(jù)集市和依賴的數(shù)據(jù)集市。（1）獨立的數(shù)據(jù)集市的數(shù)據(jù)直接來源于各信息系統(tǒng)。（2）依賴的數(shù)據(jù)集市的數(shù)據(jù)直

9、接來源于中央數(shù)據(jù)倉庫，也就是說它是在數(shù)據(jù)倉庫的基礎(chǔ)上建立起來的。第16頁，共31頁。（四）操作數(shù)據(jù)存儲（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?！毙詥栴}，因而具有引入數(shù)據(jù)是可變的、數(shù)據(jù)是當(dāng)前或近期的兩個特點。ODS是面向全局應(yīng)用使得ODS中的數(shù)據(jù)需要面向主題來組織，并且應(yīng)當(dāng)是實時集成的。ODS的應(yīng)用一般體現(xiàn)在兩個方面：（1）企業(yè)級的聯(lián)機事務(wù)處理（OLTP）應(yīng)用。（2）近期的聯(lián)機分析處理（OLAP）。第17頁，共31頁。三、數(shù)據(jù)倉庫與CRM（一）CRM中數(shù)據(jù)倉庫的建立方法CRM中的整個數(shù)據(jù)倉庫系統(tǒng)可以劃分為數(shù)據(jù)源、

10、數(shù)據(jù)倉庫系統(tǒng)和CRM分析系統(tǒng)三個部分：（1）數(shù)據(jù)源（2）數(shù)據(jù)倉庫系統(tǒng)（3）CRM分析系統(tǒng)第18頁，共31頁。（二）CRM中數(shù)據(jù)倉庫建設(shè)的基本步驟（1）確定范圍（2）環(huán)境評估（3）分析（4）設(shè)計（5）開發(fā)（6）測試（7）運行第19頁，共31頁。（三）CRM中數(shù)據(jù)倉庫的應(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，通過對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、重點客戶發(fā)現(xiàn)重點客戶的發(fā)現(xiàn)主要是發(fā)現(xiàn)能為企業(yè)帶來潛在效益的重要客戶。三、市場性能評估根據(jù)客戶行為分析，企業(yè)可以準(zhǔn)確地制定市場策略和

11、市場活動。第20頁，共31頁。一、聯(lián)機分析處理的概念聯(lián)機分析處理的概念最早是由關(guān)系數(shù)據(jù)庫之父愛德華庫德（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)庫和支持商務(wù)智能的技術(shù)。OLAP 數(shù)據(jù)庫分為一個或多個多維數(shù)據(jù)集，每個多維數(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)機分析處理第21頁，共31頁。二、聯(lián)機分析處理邏輯概念和典型操作（一）OLAP邏輯概念OLAP針對某個特定的主題進(jìn)行聯(lián)機數(shù)據(jù)訪問、處理和分析，通過直觀的方式從多個維度、多種數(shù)據(jù)綜合程度將系統(tǒng)的運行情況展現(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取（Drill-up和Drill-down）、切片（Slice）和切塊（Dice）、以及旋轉(zhuǎn)（Pivot）等。第22頁，共31頁。 三、聯(lián)機分析處理系統(tǒng)的體系結(jié)構(gòu)和分類（一）關(guān)系聯(lián)機分析處理（ROLAP）（二）多維聯(lián)機分析處理（MOLAP）（三）混合聯(lián)機分析處理（HOLAP）第23頁，共31頁。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)庫中的知識發(fā)現(xiàn)（Knowledge Discover in Database，KDD），是目前人工智能和數(shù)據(jù)庫領(lǐng)域研究的熱點問題。數(shù)據(jù)挖掘是一種決策支持過程，它主要基于人工智能、

13、機器學(xué)習(xí)、模式識別、統(tǒng)計學(xué)、數(shù)據(jù)庫、可視化技術(shù)等，高度自動化地分析企業(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)整市場策略，減少風(fēng)險，做出正確的決策。第五節(jié) 數(shù)據(jù)挖掘第24頁，共31頁。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、隨機的實際應(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的過程。這個定義包括好幾層含義：數(shù)據(jù)源必須是真實的、大量的、含噪聲的；發(fā)現(xiàn)的是用戶感興趣的知識；發(fā)現(xiàn)的知識要可接受、可理解、可運用；并不要求發(fā)現(xiàn)放之四海皆準(zhǔn)的知識，僅支持特定的發(fā)現(xiàn)問題。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)，其主要特點是對商業(yè)數(shù)據(jù)庫中的大量業(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，共31頁。 （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頁挖掘第26頁，共31頁。（三）數(shù)據(jù)挖掘的功能1、自動預(yù)測趨勢和行為2、關(guān)聯(lián)分析3、聚類4、概念描述5、偏差檢測第27頁，共31頁。（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)問題2、數(shù)據(jù)挖掘在市場營銷的應(yīng)用3、數(shù)據(jù)挖掘構(gòu)筑競爭優(yōu)勢第28頁，共31頁。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（四）聚類分析（五）孤立點分