当前位置：首页 > CRM-客户关系管理 > CRM案例 > 正文

数据挖掘技术在电信行业CRM中应用研究

来源： e-works

2014/3/17 20:51:38

大中小

电信的CRM客户关系管理系统通过重新组合业务流程，预处理和分析相关的客户数据，并通过据挖掘技术将客户数据的各种信息或与客户信息相关联的信息进行挖掘，从而使客户数据的关键性指标能被提取。

分享到：新浪微博腾讯微博

本文关键字：数据挖掘电信行业 CRM 营销

要想使用数据挖掘技术对新客户进行获取，必须对潜在客户的信息进行收集，尤其是对于一些表示出对公司产品或某项服务感兴趣客户要对其单独列出。这样可以为将来的数据挖掘提供足够有价值的信息。

3 数据挖掘在CRM的应用

3.1 客户数据挖掘存在问题类型

在CRM系统中挖掘技术对对客户数据的挖掘主题如下：

1)关联问题：

横向关联：是将看似独立的事件之间的潜在联系进行挖掘，例如“购买某产品”携带购买另一产品的人群比例”这就建立了两个商品的间接联系。

次序关联：这次方法主要是对事件的前后序列关系进行重点分析，例如在购物时对某几件商品的购买顺序，通过对其研究分析形成一种客户行为。

关联问题主要是对客户的各项属性之间可以存在的交叉销售或潜在联系进行研究，或者是客户实体与其他实体的联系。一般典型的关系在电信行业中包括：套餐选择问题、交叉销售、以及业务的相互影响。

2)预测问题：

为了使客户数据能够及时得到更新，需要对客户的行为变化以及消费等属性变化进行预测。在实际统计中发现，客户的行为变化的典型状况有通话行为的增加或减少，客户信息变化消，费行为变化以及其他情况。

3)分类问题：

对样本客户数据库中的数据进行分类分析，就是对各个类别进行定性的描述。这个问题也可以通过找出其分类规则，进行分析模型建立来解决，对于其他客户进行分类时可以使用。

4)聚类问题：

本文中的聚类是指把由于分类原则不明确等原因造成的没有进行分类的记录，以数据差异的大小为分类原则，对数据进行分类，并对其类别进行定义。对此类数据进行分类的分类规则是以统计学的聚类分析方法为指导方法的。聚类既是分类的相对概念。对客户特征的研究是客户聚类的主要工作内容，常见的典型聚类问题包括：客户的消费模型分析、客户特征分析和异常客户分析等等。

责编：王雅京