Vad är CRM Data Mining?

Kundförhållanden (CRM) databrytning avser processen att söka genom kundrelationsdatabaser och analysera data om samlade kundbeteende.Dessa uppgifter hjälper marknadsförare att bättre fokusera sina kampanjer, vilket leder till ökad kundbehållning och försäljning.CRM -data mining är också känd som datautforskning och kunskapsupptäckt.Det finns två huvudkategorier förknippade med data mining: beskrivande analys och prediktiv modellering.

Beskrivande analys använder segmentering och kluster för att bättre analysera ett fast beteendemönster bland en viss grupp kunder.Kunder kan grupperas efter kön, ålder, ras och andra kategorier.Huvudmålet med ett segment är att förse marknadsföraren med en grupp liknande kunder för att mer effektivt bryta data för användbar insikt.

Clustering Aggregates Segment Groups.Varje kluster är ömsesidigt exklusivt och kännetecknas av en uppsättning förutbestämda egenskaper.Till exempel kan ett kluster inkludera kvinnor i åldrarna 18 till 25 som köpte en viss nagellack under de senaste två veckorna i december 2010. Detta är ett exempel på kvalitativ metod CRM-databrytning.

I icke-uteslutande segment, en annan form av beskrivandeAnalys, en viss uppsättning kundbeteende leder till en helt ny uppsättning beteenden.Till exempel kan en grupp kunder spendera en betydande summa pengar på spa -tjänster, men inte spendera mycket pengar på relaterade tjänster som hår och salongvård.Denna typ av CRM -databrytning kräver mer avancerad statistisk analys än grundläggande segmentering.

Förutsägbar modellering är den mer populära av de två CRM -data mining -kategorierna.Den mäter graden av korrelation mellan två kundbeteendefaktorer och den statistiska tillförlitligheten för denna korrelation.Den prediktiva modellen är byggd med hjälp av en applikation för data mining som tilldelar poäng till varje kund, vilket indikerar sannolikheten för att kunden kommer att bete sig på samma sätt i framtiden.Till exempel kan modellen hjälpa en marknadsförare att bestämma sannolikheten för att en gift manlig kund mellan 31 och 42 år kommer att köpa ett visst märke av gräsklippare inom de kommande sex månaderna.

Specificitet är mycket viktig i CRM -dataGruvdrift med prediktiva modeller.Det finns flera typer av metoder som används för detta ändamål.En univariat modell jämför en enda variabel med flera andra variabler för att bestämma förhållandet med den högsta korrelationen.Chi-kvadratiska automatiska interaktionsdetekteringsanalys (CHAID) och klassificerings- och regressionsträd (CART) -modeller visar beslutsträd, där en variabel orsakar förekomsten av en eller flera variabler.En multivariat regressionsmodell testar flera variabler mot varandra för att utvärdera möjliga korrelationer.