Hva er CRM -data mining?

Kundeforholdsadministrasjon (CRM) Data Mining refererer til prosessen med å søke gjennom databaser for kundeforhold og analysere data om kundeatferd samlet.Disse dataene hjelper markedsførere til å bedre fokusere kampanjene sine, noe som fører til økt kundebeholdning og salg.CRM -data mining er også kjent som datautforskning og kunnskapsoppdagelse.Det er to hovedkategorier assosiert med data mining: beskrivende analyse og prediktiv modellering.

Beskrivende analyse bruker segmentering og klynging for å bedre analysere et bestemt atferdsmønster blant en bestemt gruppe av kunder.Kunder kan grupperes i henhold til kjønn, alder, rase og andre kategorier.Hovedmålet med et segment er å gi markedsføreren en gruppe lignende kunder for mer effektivt å gruve dataene for nyttig innsikt.

Clustering Aggregates segmentgrupper.Hver klynge er gjensidig utelukkende og er preget av et sett med forhåndsbestemte egenskaper.For eksempel kan en klynge inkludere kvinner i alderen 18 til 25 år som kjøpte en visAnalyse, et bestemt sett med kundeatferd fører til et helt nytt sett med atferd.For eksempel kan en gruppe kunder bruke en betydelig sum penger på spatjenester, men ikke bruke mye penger på relaterte tjenester som hår og salongpleie.Denne typen CRM -data mining krever mer avansert statistisk analyse enn grunnleggende segmentering.

Prediktiv modellering er den mer populære av de to CRM -data mining -kategoriene.Det måler graden av korrelasjon mellom to kundeatferdsfaktorer og den statistiske påliteligheten av den korrelasjonen.Den prediktive modellen er bygget ved hjelp av en data mining -applikasjon som tildeler score til hver kunde, noe som indikerer sannsynligheten for at kunden vil oppføre seg på samme måte i fremtiden.For eksempel kan modellen hjelpe en markedsfører med å bestemme sannsynligheten for at en gift mannlig kunde mellom 31 og 42 år med barn vil kjøpe et bestemt merke av gressklipper i løpet av de neste seks månedene.

Spesifisitet er veldig viktig i CRM -datagruvedrift ved bruk av prediktive modeller.Det er flere typer metoder som brukes til dette formålet.En univariat modell sammenligner en enkelt variabel med flere andre variabler for å bestemme forholdet til den høyeste korrelasjonen.Chi-kvadratiske automatisk interaksjonsdeteksjonsanalyse (CHAID) og klassifisering og regresjonstrær (CART) -modeller viser beslutningstrær, der en variabel forårsaker forekomst av en eller flere variabler.En multivariat regresjonsmodell tester flere variabler mot hverandre for å evaluere mulige korrelasjoner.