Was ist CRM Data Mining?

Data Mining (Customer Relationship Management) (CRM) bezieht sich auf den Prozess der Suche durch Kundenbeziehungsdatenbanken und die Analyse von Daten zum gesammelten Kundenverhalten.Diese Daten helfen Marketern, ihre Kampagnen besser zu fokussieren, was zu einer erhöhten Kundenbindung und -verkäufe führt.Das CRM -Data -Mining wird auch als Datenerforschung und Wissensentdeckung bezeichnet.Mit Data Mining sind zwei Hauptkategorien verbunden: Beschreibende Analyse und prädiktive Modellierung.

Deskriptive Analyse verwendet Segmentierung und Clusterbildung, um ein festgelegtes Verhaltensmuster unter einer bestimmten Gruppe von Kunden besser zu analysieren.Kunden können nach Geschlecht, Alter, Rasse und anderen Kategorien gruppiert werden.Das Hauptziel eines Segments ist es, dem Vermarkter eine Gruppe ähnlicher Kunden zu bieten, um die Daten für nützliche Erkenntnisse effektiver zu messen.

Clustering -Aggregate -Segmentgruppen.Jeder Cluster schließt sich gegenseitig aus und ist durch eine Reihe vorgegebener Eigenschaften gekennzeichnet.Zum Beispiel könnte ein Cluster Frauen im Alter von 18 bis 25 Jahren einschließen, die in den letzten zwei Wochen Dezember 2010 einen bestimmten Nagellack gekauft habenAnalyse führt eine bestimmte Gruppe von Kundenverhalten zu einem völlig neuen Verhaltensweisen.Zum Beispiel könnte eine Gruppe von Kunden einen erheblichen Geldbetrag für Spa -Dienste ausgeben, aber nicht viel Geld für verwandte Dienstleistungen wie Haare und Salonpflege ausgeben.Diese Art von CRM -Data -Mining erfordert eine fortgeschrittenere statistische Analyse als die grundlegende Segmentierung.Es misst den Korrelationsgrad zwischen zwei Kundenverhaltensfaktoren und der statistischen Zuverlässigkeit dieser Korrelation.Das Vorhersagemodell wird unter Verwendung einer Data Mining -Anwendung erstellt, die jedem Kunden Punkte zuweist, was die Wahrscheinlichkeit angibt, dass sich der Kunde in Zukunft auf die gleiche Weise verhalten wird.Zum Beispiel kann das Modell einem Vermarkter helfen, die Wahrscheinlichkeit zu bestimmen, dass ein verheirateter männlicher Kunde zwischen 31 und 42 Jahren mit Kindern innerhalb der nächsten sechs Monate eine bestimmte Marke von Rasenmähern erwerben wird.

Die Spezifität ist in CRM -Daten sehr wichtigBergbau mit Vorhersagemodellen.Für diesen Zweck werden verschiedene Arten von Methoden verwendet.Ein univariiertes Modell vergleicht eine einzelne Variable mit mehreren anderen Variablen, um die Beziehung zur höchsten Korrelation zu bestimmen.Die automatischen Interaktionserkennungsanalyse (CHI-Quadratmodelle) sowie Klassifizierungs- und Regressionsbäume (CART) -Modelle zeigen Entscheidungsbäume auf, wobei eine Variable die Instanz einer oder mehrerer Variablen verursacht.Ein multivariates Regressionsmodell testet mehrere Variablen gegeneinander, um mögliche Korrelationen zu bewerten.