数据挖掘在CRM中的运用

CRM（客户关系管理）是一种旨在改善企业与客户之间关系的新型管理系统。其关键点在于如何运用数据挖掘技术建立分析型CRM。本文主要论述了CRM和数据挖掘的概念以及数据挖掘在CRM上运用的一般过程。     

数据挖掘技术在CRM中的应用

CRM（客户关系管理）是一种旨在改善企业与客户之间关系的新型管理机制。数据挖掘技术应用于CRM中，能够加强和改善客户关系管理，从而为企业带来更多的利润。该文对数据挖掘技术在CRM中的应用内容和过程进行了研究。     

基于关系图提取算法的烟草销售客户关系管理的应用研究

展望客户关系管理,数据挖掘技术在其中起到了至关重要的作用,它可以挖掘出千万数据中的有用信息,企业才能对客户进行各类价值分类,然后预测客户的行为,从而做出正确有效的决策。在CRM应用中,基于数据挖掘技术的基础上,结合CRM系统的不足,为避免或减少客户管理系统因管理不到位而导致客户的流失,造成企业的损失,提出了客户关系图的提取算法,很好地分析了数据挖掘技术在CRM中的应用。     

数据挖掘技术在证券客户关系中的应用

研究证券管理问题,客户关系管理系统(CRM)是现代经营管理科学与现代信息技术结合的科学问题.数据挖掘技术是有效地利用现有数据资源的重要手段.重点是针对数据挖掘技术在证券客户关系管理中的具体问题.运用数据仓库技术建立了客户交易行为数据仓库,并运用聚类技术完成了基于证券公司客户交易行为数据仓库的证券公司客户细分.基于数据挖掘的CRM是对传统企业管理思想的一个创新,充分体现了管理的科学性和艺术性.对企业的经营决策和客户关系管理都具有相当重要的作用和意义.     

数据挖掘分析在CRM系统中的应用

客户流失分析是一种具有预测性的数据挖掘分析技术。文章针对C R M客户关系管理中的客户流失问题,从数据挖掘技术几个经典算法出发,探讨企业管理层和信息技术层在CRM客户关系管理中对客户流失问题的关注。     

侧身看电子商务

电子商务从喧嚣走向平静,回归传统的务实经营。 电子商务涉及企业的方方面面,企业的信息化是企业电子商务的后台和基础。因此,客户关系管理(CRM)系统建设的浪潮扑面而来,很多IT厂商向传统企业鼓吹要尽快建立企业客户关系管理系统。那么IT厂商自己的客户管理系统又如何呢? 本刊编辑部通过电话和电子邮件等方式对包括ORACLE在内四家CRM厂商进行了客户售前咨询的暗访,对包括联想在内的十八家PC厂商进行了客户售后服务的暗访。欣慰的是,     

数据挖掘在CRM中的应用设计

讨论了在客户关系管理 (CRM)中用于客户细分和建立客户轮廓的数据挖掘技术。首先指出 CRM的概念和分类 ,然后分析了几种数据挖掘方法 ,最后提出面向 CRM的数据挖掘应用设计。     

基于电商平台国际贸易中CRM的研究

伴随着国家两化融合的推进,信息化已经成为各行业发展的助推剂。传统的国际贸易业务模式已经无法适应当前高速发展的信息化时代,随着当前电子商务平台的广泛发展,传统的客户关系管理方式已经无法适用电商平台下的国际贸易模式,新的客户关系管理(CRM)融合了大数据、数据挖掘等技术颠覆了传统的CRM模式,实现了企业、客户的实时连接,使得企业能够实时了解客户需求,从而为客户提供更好的、更合适的产品。主要介绍了电商平台下的CRM模式以及其在国际贸易中的应用研究。     

数据挖掘技术在电信CRM中的应用

随着CRM（客户关系管理系统）的不断发展和应用，使用数据挖掘技术进行客户分析变得越来越重要，尤其像电信这种以客户为中心的行业。本文在分析近年来CRM信领域的应用现状的基础上，介绍了数据挖掘技术和客户关系管理概念，并着重阐述了将数据挖掘技术应用到CRM的步骤和流程。     

CRM的成功实践：某织造有限公司案例浅析

在电子商务时代竞争的企业，为了降低成本，提高效率，增强自身竞争力，纷纷对业务流程进行了重组，同时将客户关系管理（CRM）作为新的利润增长点。如何增加客户受让价值，超出客户期望值，形成客户忠诚，保留老客户，吸引新客户，是CRM关注的重点。成功的CRM在满足客户需求的同时，还为企业带来超额利润，某织造有限公司CRM的实施便是一个成功的典范。     

数据挖掘技术在客户关系管理（CRM）中的应用及具体实现策略

人们普遍认识到,各种规模的企业需要学习效仿那些小型的、以服务为导向的商业模式,总是能做好建立一对一的客户关系。客户关系管理是广泛出现在很多书籍和会议上的议题。从铅跟踪软件到广告系列管理软件,再到呼叫中心软件。如今,在销售中一切都作为顾客关系管理工具。通过提高公司的能力和我们的顾客形成学习关系,数据挖掘可以在提升顾客关系管理。每一个行业中,高瞻远瞩的公司正在试图走向一对一的理解每一个客户,运用那种了解以方便客户做生意,而不是一个竞争者。同样,这些公司正在学习看终身价值的每一个客户,这样他们就能知道有哪些值得投资金钱和精力来坚持,哪些让下降。从大市场分割到个体消费者,这一关注的转变需要公司的改变,更重要的莫过于市场营销,销售和顾客的支持。     

数据挖掘在证券公司CRM客户细分中的应用

将数据挖掘技术应用于证券公司客户关系管理中的客户细分,阐述了相关概念,并给出了一个应用实例。     

数据挖掘在客户关系管理的应用分析

介绍了数据挖掘的一般概念和主要用途,详细描述了实施数据挖掘的闭环流程,并通过案例“客户流失模型的建立”进一步分析了数据挖掘在客户关系管理中的应用。     

Customer segmentation based on survival character

Customer Segmentation is an increasingly pressing issue in today’s over-competitive commercial area. More and more literatures have researched the application of data mining technology in customer segmentation, and achieved sound effectives. But most of them segment customer only by single data mining technology from a special view, rather than from systematical framework. Furthermore, one of the key purposes of customer segmentation is customer retention. Although previous segment methods may identify which group needs more care, it is unable to identify customer churn trend for taking different actions. This paper focus on proposing a customer segmentation framework based on data mining and constructs a new customer segmentation method based on survival character. The new customer segmentation method consists of two steps. Firstly, with K-means clustering arithmetic, customers are clustered into different segments in which customers have the similar survival characters (churn trend). Secondly, each cluster’s survival/hazard function is predicted by survival analyzing, the validity of clustering is tested and customer churn trend is identified. The method mentioned above has been applied to a dataset from China Telecom, which acquired some useful management measures and suggestions. Some propositions for further research is also suggested.     

基于数据挖掘技术的电信客户流失预测

电信客户流失是我国电信企业发展中所面临的一个严重的问题,为此需要在客户流失之前作出预测,并通过相应营销手段挽留客户,该文主要讨论通过数据挖掘技术建立客户流失预测模型,以此获取即将离网的用户,并通过预测分析过程中的相关数据确定用户类型,作为营销手段选择的主要依据。     

Mining for trigger events with survival analysis

This paper discusses a new application of data mining, quantifying the importance of responding to trigger events with reactive contacts. Trigger events happen during a customer’s lifecycle and indicate some change in the relationship with the company. If detected early, the company can respond to the problem and retain the customer; otherwise the customer may switch to another company. It is usually easy to identify many potential trigger events. What is needed is a way of prioritizing which events demand interventions. We conceptualize the trigger event problem and show how survival analysis can be used to quantify the importance of addressing various trigger events. The method is illustrated on four real data sets from different industries and countries.     

Mining changes in customer behavior in retail marketing

During the past decade, there have been a variety of significant developments in data mining techniques. Some of these developments are implemented in customized service to develop customer relationship. Customized service is actually crucial in retail markets. Marketing managers can develop long-term and pleasant relationships with customers if they can detect and predict changes in customer behavior. In the dynamic retail market, understanding changes in customer behavior can help managers to establish effective promotion campaigns. This study integrates customer behavioral variables, demographic variables, and transaction database to establish a method of mining changes in customer behavior. For mining change patterns, two extended measures of similarity and unexpectedness are designed to analyze the degree of resemblance between patterns at different time periods. The proposed approach for mining changes in customer behavior can assist managers in developing better marketing strategies.     

一种基于Web数据挖掘的ICRM系统设计与实现

该系统利用Web数据挖掘技术获取客户供给信息、客户需求信息、客户咨询信息，再结合企业自己的综合数据库，并在Internet上利用email、短信等方式，来满足客户的需要，进行相应的客户关系管理。