07 客户关系管理的数据信息分析.ppt

第七章 客户关系管理的数据信息分析 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客户信息的来源和分类 7.1.1 CRM信息按来源分类 7.1.2 CRM信息按信息利用程度及难易程度分类 7.1.1 CRM信息按来源分类 1．内部信息 (1) 生产信息 (2) 销售信息 (3) 技术信息 2．外部信息 (1) 市场需求信息 (2) 竞争信息 (3) 用户信息 7.1.2 CRM信息按信息利用程度及难易程度分类 1．基本信息 2．统计信息 3．文本信息 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。基本信息是客户信息中的主要信息，占有很大的份量，同时它还是经营决策的主要依据。 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。这类信息除了依据原始的基本信息外，还要依据统计的方式和方法，而统计的方式与方法又与信息使用的目的相关。 3．文本信息 最后一种就是对企业非常有用的，但又没有一定结构且信息量比较大的文本信息。这类信息可以将其分为两个部分，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。 7.2 CRM 的客户信息 7.2.1客户数据类型 7.2.2客户数据的隐私与安全 7.2.1客户数据类型 客户数据的来源与类型是复杂的。它们的特征如表7-1： 7.2.2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 7.3客户关系管理的信息分析 7.3.1 客户关系管理的一般统计分析 7.3.2　客户关系指数模型 7.3.3客户终生价值分析模型 7.3.4 联机分析处理 7.3.5 客户关系管理决策支持 该图展示了CRM客户信息分析的一般途径： 7.3.1 客户关系管理的一般统计分析 CRM系统的一般统计分析主要包括以下三部分： 1．客户市场管理统计 2．客户销售管理统计 3．客户支持与服务管理统计 7.3.2　客户关系指数模型 1．客户关系的属性集 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： 2．客户关系的基本逻辑模型和计算模型 3．客户关系指数模型的自变量 7.3.3客户终生价值分析模型 1．客户终生价值理论 2．客户终生价值的组成 3．影响客户终生价值各因素分析 1．客户终生价值理论 提高客户忠诚度过程中的重要一点是关注客户流失率，并采取措施有效地降低流失率。 2．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。 3．影响客户终生价值各因素分析 (1) 计算的时间长度 (2) 贴现率 (3) 客户的维系率 (4) 产品被提及率 (5) 客户收入的变化 (6) 客户关系的维系成本 (7) 营销费用 (8) 其他 7.3.4 联机分析处理 1．OLAP的基本概念 在一个OLAP数据模型中，信息可以在概念上被视为一个立方体，它由描述的种类(维)和定值(量度)组成。 多维分析是指对以多维形式组织起来的数据采取切片(Slice)、切块(Dice)、钻取(Drill-down)、旋转(Pivot)等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。 2．OLAP的特点 快速：以相当固定的速度向用户提交信息。大多数查询应当在5秒或更短时间内提交给用户。 分析：执行对数据的基本数字和统计分析，这是由应用程序开发人员预定义或由用户特别定义的。 共享：在大量用户间，实现潜在地共享秘密数据所必需的安全性需求。 多维：OLAP的基本特征。 信息：访问应用程序必需的、相关的所有数据和信息，而不管它驻留在何处，并不受卷的限制。 3．OLAP的优点 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。 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。 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。 4．OLAP的实现方法 ROLAP表示基于关系数据库的OLAP实现(Relational OLAP )。 MOLAP表示基于多维数据组织的OLAP实现(Multidimensional OLAP )。 HOL