1. CRM概述 

    随着信息技术的发展和网络技术的快速进步，传统的商业模式发生了根本性的变化。在很多行业，所提供的产品和服务日益商品化，产品的同质化倾向越来越强，独特的竞争优势越来越难以获得，业务比以前更具有竞争性。与此同时，客户的期望也在快速变化。由于计算机、通讯技术和网络的飞速发展，客户完全可以控制要选择谁、何时选择和如何选择，客户选择摆脱了传统的地理关系的限制，变成了“点击鼠标的一瞬间”:客户对随时随地得到服务的要求更高，对质量、个性化和价值的要求更挑剔。在这种环境下，客户的亲和力和忠诚度成为取得成功的重要因素，建立和维持客户关系成为企业取得竟争优势的最重要的基础。为了提高客户满意度，企业必须完整掌握客户信息，准确把握客户要求，快速响应个性化需求，提供便捷的购买渠道、良好的售后服务与经常性的客户关怀等。而在传统的企业管理中，来自销售、客户服务、市场、制造、库存等部门的信息分散在企业内，客户信息的分散性和片段性使得无法对客户有全面的了解，就是在同一个企业内部对客户的定义和理解也极不相同，各部门难以在统一的信息的基础上面对客户。这种客户信息的分散性和片段性对企业的经营活动造成了极大的困扰，浪费了很多的资源，失去了很多的机会，在市场竞争中处于不利的地位。而客户关系管理(CRM)系统正是解决这一难题的一套高效信息管理系统，因此CRM应运而生成为这一时代的世纪宠儿。

    CRM 首先是一种管理理念。它起源于西方的市场营销理论，产生于美国，并得到了迅速发展。理念的核心是将企业的客户(包括最终客户、分销商和合作伙伴)作为最重要的企业资源，通过完善的客户服务和深入的客户分析来满足客户的需求，保证客户终生价值的实现。

    CRM 又是一种新型管理机制。它要求企业从“以产品为中心”的模式向“以客户为中心”的模式转移。也就是说，企业关注的焦点应从内部运作转向客户关系，企业的业务流程和组织流程重点应从“产品”转向“客户“。

    CRM 也是一种管理软件和技术。它将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其它信息技术紧密结合在一起，为企业的营销、销售、客户服务和决策支持等领域提供一个业务自动化的解决方案，使企业拥有一个基于电子商务的、面对客户的前沿，从而顺利实现由传统企业模式到以电子商务为基础的现代企业模式的转化。

    综上所述 ，CRM就是一种企业经营模式，它围绕“客户”开展企业的各项业务，充分与信息技术相结合，经过深入的研究和分析客户行为，针对不同客户制定出相应的营销、销售和服务策略，从而提高客户满意度，改善客户关系，在实现客户价值最大化的前提下，实现企业和客户的双赢。

    2. 数据挖掘在CRM中应用概述

    数据挖掘技术是一个应用范围较广的技术，目前主要应用在银行、电信、零售(如超级市场)等商业领域。数据挖掘所能解决的客户关系管理中典型问题包括:数据库营销(Database Marketing)、客户群体细分(CustomerSegmentation& Classification)、客户背景分析(Profile Analysis)、交叉销传(Cross-selling)等市场分析行为，以及客户保持分析(Churn Analysis),客户信用记分(CreditSc oring)、欺诈发现(FraudD etection)等。

    下面简要介绍CRM中常见的几种应用:

    2.1  客户的保持

    对于一些行业门槛较低的行业(如零售业，服务业等)和竞争对手十分强劲的行业(如电信，银行等)，客户资源对于企业的运营资本和经营效益有十分巨大的影响。获得一个新客户的开支越来越大，而保持原有客户的工作也越来越有价值。同一个客户的商业关系越持久，收取与其建立商业关系的初期投资和获取利润的时间也越长.从客户身上获得的利润就越多。从经济人的角度看，客户为了求得更低的费用以及更完美的服务主动寻求其他服务商的行为任何时候都在发生，同样从企业经营的目的来看，每个服务商寻找潜在客户的商业行为从未停止。于是商业合作关系的建立与撤销成为经济社会十分常见的现象.这种客户从一个服务商转向到另一个服务商的行为不妨称为客户转移。为了分析出哪些主导因素导致客户转移并有针对性的挽留那些有离开倾向的客户的商业行为被称为客户保持。

    现在各个行业的竞争都越来越激烈，企业获得客户的成本正不断地上升，因此保持住自己的客户不被竞争企业抢走是企业制胜的关键因素。比如在美国，移动通讯企业每获得一个新用户的平均成本时300美元，而挽留一个客户的成本可能是仅仅打一个电话。成本上的差异在各行业可能会不同，在金融行业、通讯业、高科技产品销售业，这个数字是非常惊人的，但无论什么行业，5-8倍以上的差异是业界公认的。不幸的是，客户流失位夭都存在企业的当前客户中定位出最有可能流失的客户，分析这些客户流失的可能原因，然后针对这些客户采取一些挽留措施来避免他们的流失，这比争取同样多的新客户要容易和便宜得多。影 响 客 户流失的因素可能是多种多样的，随着时间的变化这些因素也可能发生变化，数据挖掘技术综合分析这些因素对客户流失的影响，最终得到判断客户是否可能流失的模型用这个模型去衡量每一个客户，就能找出那些可能会流失的客户。

    客户保持中数据挖掘技术的选择

    1.为已经流失的客户建立模型，识别导致他们转移的模式。

    2.利用已经建立的模式发现当前客户中类似的客户

    3.采取相应的措施防止这部分客户的流失

    2.2   交叉营销

    公司和其客户之间的商业关系是一种持续不断的发展的关系，其间伴随着双方商业合作范围的扩展与收缩。如何更好的加强这种双向的合作，在可能的条件下与客户开展尽可能多的商业合作从而实现更大的商业利润是交叉营销所要达到的目的。向现有客户提供新的产品和服务的营销过程我们称之为交叉营销.交叉营销是建立在双赢的基础之上的，客户因得到更好更多的符合其需求的服务而获益在实际的商业操作中可以有很多方法来优化这种关系.例如一个金融服务商A和一个房地产商B建立了合作关系。那么就增加了向对方现有客户样提供自己的产品和服务的机会。而他们的利润都有增加，即因为A的经济保证使得B有更多的潜在客户和已有客户更有条件享受B的服务，而A也在此过程中实现了更多的盈利。使用 数 据 挖掘技术的关联规则模式可以帮助我们找出客户最适合的服务种类，来进行针对性的营销活动。使用数据挖掘技术进行交叉营销的分析一般是从分析现有客户的购买行为数据开始。对客户的喜好进行分析，从而为开展新的业务提供有价值的思路。

    2.3   客户获取

    潜在客户一直是企业在扩展经营范围，挖掘经营潜力过程中一个十分重要的工作重点。这项工作要求有十分细致的分析和大量繁重的客户数据搜集整理工作以及准确的数据挖掘工具与挖掘方法的选择.进行数据挖掘的现实基础在于市场营销学的市场细分原理，其基本假定是“消费者过去的行为是其今后消费倾向的最好说明”。通过收集 、加工和处理涉及消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费个体下一步的消费行为，然后以此为基础，对所识别出来的消费群体进行特定内容的定向营销，这与传统的不区分消费者对象特征的大规模营销手段相比，大大节省了营销成本，提高了营销效果，从而为企业带来更大的利润。

    2.4  客户细分

    针对不同的分析需求，可以对客户按照自然属性(年龄、职业、区域、职称、文化程度等)和行为属性(呼叫行为、消费行为等)进行群体划分，以便市场经营与决策人员针对不同的用户群采用不同的市场策略。客户分群的主要目标是:发现不同客户群体的特征。分析在某一目标下，按贡献度划分的客户群体分布。客户 分 群 的原理是将客户的属性采用分类分析技术分为若千类，对具有某一类行为特征的用户，分析其基本信息，找出客户属性与客户基本特征之间的潜在关系.分类将一组客户按照相似性划归成若干类别，使得属于同一类别的客户之间的距离尽可能小，而不同类别客户之间的距离尽可能大。对客户进行分类后，统计分析各个类别的行为特性，按照各个行为类别贡献度的大小对各个类别进行排序。客户 细 分 特性按不同的目标有不同的客户群体分布，如消费行为在贡献度不同的客户群体中的分布百分比，呼叫行为的分布情况等等。

    在CRM 系统中，划分客户指的是在充分I解企业的客户的基础上，包括客户的赢利情况、客户的信用等级、客户的背景等等，将客户划分成为一个个客户群，以便针对不同的客户群采取不同的服务，甚至达到个性化服务。

    1.客户盈利能力分析

    每个客户对企业利润上的贡献都是不同的，常见的准则是20%的客户给企业带来80吮的利润，因此在企业的角度我们决不应该对所有客户都一视同仁，而应该根据他对企业重要程度采取不同的策略，比如为企业最有价值的客户提供特别的服务，提高他们的满意度，想办法使他们不要流失，当企业的客户服务资源有限时，优先满足最有价值客户，等等。所有这些都需要一个前提，那就是能够区分出企业的当前客户中那些是最有价值的、哪些是价值稍低的，这些同样需要数据挖掘技术，利用他给每个客户一个表明其盈利能力的分数，以后在对此客户采取任何行动之前都要参考这个分值，从而使企业的盈利能力最大化。

    2.欺诈检测

    客户经常发生诈骗行为，如恶性透支等，这些给银行和商业单位带来了巨大的损失。对这类诈骗行为进行预测，哪怕正确率很低的预测，都会减少发生诈骗的机会，从而减少损失。进行诈骗检测主要是通过总结正常行为和诈骗行为之间的关系，得到可能影响诈骗行为的一些因素，比如手机使用者的年龄、性别、本地/外地、租用/购买、欠费金额、12个月平均话费趋势等等，这样当某项业务符合这些特征时，可以向决策人员提出警告。欺诈检测的另一个手段是聚合(Clustering)。在这里，客户被聚合算法分组为不同的部分，然后，那些不适合分到任何一群的客户则被检测到有欺诈的可能性;例如:不正常的消费方式很可能是欺诈活动很好的指标。