Apa itu penambangan data CRM?

Penambangan Data Manajemen Hubungan Pelanggan (CRM) mengacu pada proses pencarian melalui database hubungan pelanggan dan menganalisis data tentang perilaku pelanggan yang dikumpulkan.Data ini membantu pemasar untuk lebih memfokuskan kampanye mereka, yang mengarah pada peningkatan retensi dan penjualan pelanggan.Penambangan data CRM juga dikenal sebagai Eksplorasi Data dan Penemuan Pengetahuan.Ada dua kategori utama yang terkait dengan penambangan data: analisis deskriptif dan pemodelan prediktif.

Analisis deskriptif menggunakan segmentasi dan pengelompokan untuk lebih menganalisis pola perilaku yang lebih baik di antara kelompok pelanggan tertentu.Pelanggan dapat dikelompokkan sesuai dengan jenis kelamin, usia, ras, dan kategori lainnya.Tujuan utama dari suatu segmen adalah untuk memberi pemasar sekelompok pelanggan serupa untuk lebih efektif menambang data untuk wawasan yang bermanfaat.

Grup segmen agregat pengelompokan.Setiap cluster saling eksklusif dan ditandai dengan serangkaian karakteristik yang telah ditentukan.Misalnya, sebuah cluster dapat mencakup wanita berusia 18 hingga 25 tahun yang membeli cat kuku tertentu selama dua minggu terakhir bulan Desember 2010. Ini adalah contoh metode penambangan data CRM kualitatif.

di segmen non-eksklusi, bentuk lain dari deskriptif deskriptifAnalisis, serangkaian perilaku pelanggan tertentu mengarah pada serangkaian perilaku yang sama sekali baru.Misalnya, sekelompok pelanggan dapat menghabiskan sejumlah besar uang untuk layanan spa, tetapi tidak menghabiskan banyak uang untuk layanan terkait seperti perawatan rambut dan salon.Jenis penambangan data CRM ini membutuhkan analisis statistik yang lebih canggih daripada segmentasi dasar.

Pemodelan prediktif lebih populer dari dua kategori penambangan data CRM.Ini mengukur tingkat korelasi antara dua faktor perilaku pelanggan dan keandalan statistik korelasi itu.Model prediktif dibangun menggunakan aplikasi penambangan data yang memberikan skor untuk setiap pelanggan, menunjukkan kemungkinan bahwa pelanggan akan berperilaku dengan cara yang sama di masa depan.Misalnya, model ini dapat membantu pemasar untuk menentukan probabilitas bahwa pelanggan pria yang sudah menikah berusia antara 31 dan 42 tahun dengan anak -anak akan membeli merek mesin pemotong rumput tertentu dalam enam bulan ke depan.

Spesifisitas sangat penting dalam data CRMPenambangan menggunakan model prediktif.Ada beberapa jenis metode yang digunakan untuk tujuan ini.Model univariat membandingkan variabel tunggal dengan beberapa variabel lain untuk menentukan hubungan dengan korelasi tertinggi.Analisis Deteksi Interaksi Otomatis Chi-Squared (CHAID) dan model Klasifikasi dan Regresi (CART) menampilkan pohon keputusan, di mana satu variabel menyebabkan contoh dari satu atau lebih variabel.Model regresi multivariat menguji beberapa variabel satu sama lain untuk mengevaluasi kemungkinan korelasi.