第五讲 CRM中的数据分析

客户关系管理,CustomerRelationshipManagement,主讲：何瑞卿Heruiqing-xjtu,2020/5/27,客户关系管理,2,第五讲CRM中的数据管理,CRM的客户数据数据仓库技术数据挖掘技术数据挖掘技术的应用,2020/5/27,客户关系管理,3,案例：尿布+啤酒=更大的利益,先请大家做个脑力游戏说出任何尿布和啤酒的联系，即在什么情况下它们可以相提并论。,请想象这样的一副情景：在一个大的超级市场里面，人来人往。一角的货架上，尿布和啤酒赫然地摆放在一起出售。而且，尿布和啤酒的销售量双双增加。这是上个世纪发生在美国沃尔玛连锁超市的真实事件，而且也许是将尿布和啤酒最好地联系起来的方法，因为它甚至符合了今天正在流行的“双赢”原理。,2020/5/27,客户关系管理,4,原来，美国的太太经常嘱咐他们的丈夫下班以后为小孩购买尿布，而丈夫们在买尿布以后又顺手带回了啤酒。啤酒和尿布在一起购买的机会是最多的。谁在当时就能看出这种带来“利益”的联系？其实想到答案的不是人，是信息技术。具体地说，就是美国沃尔玛超市的数据仓库。是它，通过集中商店一年多的详细原始交易数据，利用自动数据挖掘工具对这些数据进行分析，得到了这个意外的发现。,2020/5/27,客户关系管理,5,点评：从本例可以看出，CRM运用的成功必须依靠客户数据，对客户数据进行科学地分析，往往会带来意想不到的商机：对客户数据进行初级处理，可以完成基本业务过程；对数据进行高级处理(如数据挖掘)，可以提供企业决策支持，促进销售，保持消费群体的稳定。所以说，客户数据是整个CRM运用的灵魂，本章内容就是以客户数据管理与分析为主。,2020/5/27,5,2020/5/27,客户关系管理,6,第一节CRM的客户数据,一、客户数据的类型,2020/5/27,客户关系管理,7,1直接渠道（1）在市场调查中获取客户数据（2）在营销活动中获取客户数据（3）在服务过程中获取客户数据（4）通过博览会、展销会、洽谈会等获取客户数据（5）网站和呼叫中心是收集客户数据的新渠道（6）从客户投诉中收集,2020/5/27,客户关系管理,8,2间接渠道（1）各种媒介（2）工商行政管理部门及驻外机构（3）国内外金融机构及其分支机构（4）国内外咨询公司及市场研究公司（5）从已建立客户数据库的公司租用或购买（6）其他渠道,2020/5/27,客户关系管理,9,客户描述性数据,第一节CRM的客户数据,2020/5/27,客户关系管理,10,2020/5/27,客户关系管理,11,市场促销性数据,2020/5/27,客户关系管理,12,客户交易数据,2020/5/27,客户关系管理,13,二、客户的隐私及保护在企业层面保证客户信息安全性,2012年3月15日，据央视3.15晚会报道，招商银行信用卡中心风险管理部贷款审核员胡XX就曾向作案人出售个人信息300多份；中国工商银行客户经理曹XX，通过中介向作案人提供了多达2318份个人信息。向朱凯华出售个人征信报告、银行卡信息的，还有中国农业银行无锡荣龙支行员工董某、中国工商银行福州鼓楼支行员工陈某。,2020/5/27,客户关系管理,14,2.使用匿名身份信息3.尽量使用汇总数据,2020/5/27,客户关系管理,15,三、构建客户数据库（1）适当超前。按照可预见未来所需的信息量，尽可能多地考虑预期客户购买产品的情况和购买后的反应。（2）设计弹性。深入策划客户数据库的组成部分，应保留一定的弹性，以满足未来变化的需要。（3）灵活应用。建立数据库，可先建成一个小而实用的数据库，在管理客户数据库中获得经验，并对其评价，不断改进。（4）必要参与。构建客户数据库时，让尽可能多的部门和人员参与。一方面使信息采集科学完备；另一方面让数据库的使用者充分了解设计者的思想。,2020/5/27,客户关系管理,16,第二节数据仓库技术,一、数据仓库概述从数据库到数据仓库传统的数据库技术由于其高效的数据存储与查询技术，支持了综合型管理信息系统的广泛应用。然而这些数据库主要适应于业务处理的需要，不能提供从全局视图对企业数据进行深入分析和挖掘。响应时间要求短某些业务功能数据对决策分析无关紧要客户信息被割裂在各个不同系统中以二维表格存储，无法进行多视角分析,2020/5/27,客户关系管理,17,2020/5/27,客户关系管理,18,营销子系统:客户特征（类别号，收入水平，交易期限，客户价值，）客户行为（客户号，购买频次，最近购买时间，。）营业推广（编号，推广方式，成本，日期，客户。）销售子系统：客户（客户号，姓名，地址，电话，）销售（客户号，商品号，数量，单价，日期，）售后服务子系统：咨询单（编号，客户号，日期，相关产品）维修单（编号，客户号，商品号，日期，负责人）,维修次数、客户特征与客户忠诚度之间具有什么样的关系？,2020/5/27,客户关系管理,19,2数据仓库的含义目前，对于数据仓库的概念，权威的定义是“数据仓库是在企业管理和决策中面向主题的、集成的、时变的、不可修改的数据集合”。3建立数据仓库的目的建立数据仓库并不是要取代原有的运作数据库系统，而是为了将企业多年来已经收集到的数据按统一、一致的企业级视图组织、存储，对这些数据进行分析，从中得出有关企业经营状况、客户需求、对手情况、发展趋势等有用信息，帮助企业及时、准确地做出相应决策。,2020/5/27,19,2020/5/27,客户关系管理,20,4.数据仓库特征（1）面向主题（subjectoriented）。数据仓库的数据组织是围绕主题的。（2）集成（integrated）。数据仓库通常是结合多个异种数据源构成的。（3）时变（time-variant）。数据仓库中包含时间元素，它所提供的信息总是与时间相关联的。（4）不可修改（nonvolatile）。其数据相对稳定，极少或根本不更新。,2020/5/27,客户关系管理,21,客户基本信息：客户号，姓名，地址，电话。客户行为信息：客户号，购买频次，最近购买时间，。客户维修信息：客户号，商品号，日期，负责人客户咨询信息：编号，客户号，日期，相关产品，,客户主题域：,营销子系统,销售子系统,售后子系统,2020/5/27,客户关系管理,22,整个数据仓库系统是一个包含四个层次的体系结构，具体由下图表示。,2020/5/27,客户关系管理,23,二、数据仓库的多维模型星型模式,2020/5/27,客户关系管理,24,（1）以销售机会作为一个主题，可以同其他几个维表组成一个星状的关系结构。,2020/5/27,客户关系管理,25,销售机会数据仓库的星形链接,2020/5/27,客户关系管理,26,（2）以保险公司业务为主题来考虑维的构建。,市行政区邮政区号小区域业务地址,地理键时间键部门键险种键,保额保费赔款,年季月日时间,分公司办公室代办处经办人,部门键,时间键,险种险别,险种键,地理键,地理维,时间维,部门维,保险种类维,事实数据维,保险业务多维数据仓库的星状模型,2020/5/27,客户关系管理,27,雪花模式,雪花模式结构示意图,2020/5/27,客户关系管理,28,三、基于数据仓库的OLAP,1.OLAP基本概念1)维维是人们观察数据的特定角度。2)维的层次一个维往往具有多个层次，如描述时间维，可以从日期、月份、季度、年等不同层次来捕述，那么日期、月份、季度、年等就是时间维的层次；同样，城市、地区、国家等构成了一个地理维的多个层次。,2020/5/27,客户关系管理,29,(1)维成员。维的一个取值称为该维的一个维成员。如果一个维是多层次的，那么，该维的维成员是在不同维层次的取值的组合。(2)多维数组。一个多维数组可以表示为：(维1，维2，维n，变量)。例如，日用品销售数据是按时间、地区和销售渠道组织起来的三维立方体，加上变量销售额”，就组成了一个多维数组(地区，时间，销售渠道，销售额)。(3)数据单元。多维数组的取值称为数据单元。,2020/5/27,客户关系管理,30,切片,选定多维数组的一个二维子集的方法叫做切片，即选定多维数组（维1，维2，维n，变量）中的两个维：维I和维J，在这两个维上取某一区间或任意维成员，而将其余的维都取定一个维成员，则得到的就是多维数组在维I和j上一个二维子集，称这个二维子集为多维数在维I和维J上的一个切片，表示为；（维I，维j，变量）。,OLAP的分析方法,2020/5/27,客户关系管理,31,例如，选定多维数组(地区，时间，产品，销售额)中的地区维与产品维，在另外一维：时间维，选取一个维成员(如“2006年1月”)，就得到了多维数组(地区，时间，产品，销售额)在产品和地区两维上的一个切片(客户，地区，销售额)。这个切片表示2006年1月各地区、各产品的销售情况。,2020/5/27,客户关系管理,32,2020/5/27,客户关系管理,33,切块,选定多维数的一个三维子集的方法称切块。即选定多维数组（维1，维2，维n，变量）中的三个维：维I、维j和维r，在这三个维上取某一区间或任意的维成员，而将其余的维都取定一个维成员，则得到的就是多维数组在维I、维j和维r上一个三维子集，我们称这个三维子集为多维数组在维I、维j和r上的一个切块，表示为：（维I，维j，维r，变量）。切块与切片的作用与目的是相似的。,2020/5/27,客户关系管理,34,旋转,旋转即是改变一个报告或面显示的维方向。例如，旋转可能包含了交换行和列；或是把某一个行维移到列维中去，或是把一个横向为时间、纵向为产品的报表旋转成为横向为产品、纵向为时间的报表。,2020/5/27,客户关系管理,35,旋转前的有关数据描述,旋转后的有关数据描述,2020/5/27,客户关系管理,36,钻取,2020/5/27,客户关系管理,37,第三节数据挖掘技术,2020/5/27,客户关系管理,38,第三节数据挖掘技术,一、数据挖掘的涵义数据挖掘的定义数据挖掘（DataMining）就是从大量的、不完全的、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、人们事先不知道的、但又是潜在有用的信息和知识的过程。,第三节数据挖掘,2020/5/27,客户关系管理,39,数据清理,数据集成,数据库,数据仓库,知识,任务相关的数据,选择,数据挖掘,模式评估,2020/5/27,客户关系管理,40,二、数据挖掘的基本方法统计分析方法决策树人工神经网络基因算法粗糙集,2020/5/27,客户关系管理,41,关联分析,关联分析主要用于发现不同事件之间的关联性，即一个事件发生的同时，另一个事件也经常发生。关联分析的重点在于快速发现那些有实用价值的关联发生的事件。,三、数据挖掘方法的应用举例,2020/5/27,客户关系管理,42,三、数据挖掘方法的应用举例关联规则挖掘,客户购物清单,单项统计结果,2020/5/27,客户关系管理,43,R1：啤酒尿布，S=0.6，C0.60.80.75R2：尿布啤酒，S=0.6，C0.60.80.75R3：牛奶啤酒，S=0.4，C0.40.41R4：啤酒牛奶，S=0.4，C=0.40.80.5R5：尿布爽身粉，S=0.4，C0.40.80.5R6：婴儿爽身粉尿布，S=0.4，C=0.4/0.4l,2020/5/27,客户关系管理,44,分类分析分类分析就是通过分析样本客户数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其他客户的记录进行分类。,2020/5/27,客户关系管理,45,决策树,假设您是一个销售一种新的银行服务的直邮计划的负责人。为最大程度地获益，您希望确定基于前次促销活动的家庭细分找到最有可能响应相似促销活动的家庭类型。通常这可以通过查找最能把响应前次促销的家庭和没有响应的家庭区分开的人口统计信息变量的组合来实现。决策树为您提供诸如谁会最好地响应新的促销等重要线索，并通过只邮寄给最有可能响应的人来最大程度地获得直邮效益，提高整体响应率，并极有希望同时增加销售。,2020/5/27,客户关系管理,46,决策树建立,决策树中最上面的节点称为根节点，是整个决策树的开始。本例把响应客户作为根节点。可以看到所有收到直邮信件的人中有7%有响应。然后根据记录字段的不同取值建立树的分支,如分为有住房和无住房两组，则15%的租户有响应，而房主则只有5%。还可以在每个分支子集中重复建立下层结点和分支。我们可以继续分组来发现最有可能响应的组群。这一组群可以表示为一个规则，如“如果收件人是租户，有较高的家庭收入，没有储蓄存款账户，那么他有45%的响应概率”。简单地说，有这些特点的组群中有45%可能会对直邮有响应。,2020/5/27,客户关系管理,47,决策树图,2020/5/27,客户关系管理,48,3.聚类分析聚类分析是根据物以类聚的原理，将本身没有类别的样本聚集成不同的组，并且对每一个这样的组进行描述的过程。其主要依据是聚到同一个组中的样本应该彼此相似，而属于不同组的样本应该足够不相似。,2020/5/27,客户关系管理,49,在客户关系管理中，利用聚类技术，根据客户的个人特征以及消费数据，可以将客户群体进行细分。例如，一家服装公司可以将客户聚类成这样的一些群体：购买男性服装的女性；购买女性服装的男性；偏爱时尚和款式多变服装的群体；偏爱经典款式但追求质地和做工的群体；针对不同的客户群，可以实施不同的营销和服务方式，从而提高客户的满意度。,2020/5/27,客户关系管理,50,4.孤立点分析数据库中可能包含一些数据对象,它们与数据的一般行为或模型不一致。这些数据对象称为孤立点(Outlier)。对这些数据的挖掘分析可以用于处理一些罕见事件,比如纳税、信用卡欺诈等。,2020/5/27,客户关系管理,51,问题描述：如何从众多保险申请或信用卡中发现欺诈结果描述:(回归、神经网络）,2020/5/27,客户关系管理,52,常见数据挖掘工具软件介绍DBMinerIntelligentMinerSASEnterpriseMiner,2020/5/27,客户关系管理,53,第四节数据挖掘技术的应用,客户的细分,2020/5/27,客户关系管理,54,2.客户的盈利能力分析,2020/5/27,客户关系管理,55,3.交叉销售,什么是交叉销售？简单说来，就是向拥有本公司A产品的客户推销本公司B产品。它有两大功能：其一，可以增强客户忠诚度。如果客户购买本公司的产品和服务越多，客户