以促成交易。数据是死的，但是如果能运用一些数学或统计模式，发现数据中存在的关系和规则，根据现有的数据预测未来的发展趋势，那么就可成为管理者的决策参考。
数据挖掘工具能够对将来的趋势和行为进行预测，从而很好地支持人们的决策，比如，经过对公司整个数据库系统的分析，数据挖掘工具可以回答诸如"哪个客户对我们公司的邮件推销活动最有可能作出反应，为什么"等类似的问题。有些数据挖掘工具还能够解决一些很消耗人工时间的传统问题，因为它们能够快速地浏览整个数据库，找出一些专家们不易察觉的极有用的信息。因此可以说CRM的成功在于成功的数据仓库、数据挖掘及知识发现。
3.3、 数据挖掘在CRM中的应用
比较典型的数据挖掘方法有关联分析、序列模式分析、分类分析、聚类分析等。它们可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。
①关联分析
关联分析，即利用关联规则进行数据挖掘。关联分析的目的是挖掘隐藏在数据间的相互关系，它能发现数据库中形如"90%的顾客在一次购买活动中购买商品A的同时购买商品B"之类的知识。
②序列模式分析
序列模式分析和关联分析相似，但侧重点在于分析数据间的前后序列关系。它能发现数据库中形如"在某一段时间内，顾客购买商品A，接着购买商品B，而后购买商品C，即序列A→B→C出现的频度较高"之类的知识，序列模式分析描述的问题是：在给定交易序列数据库中，每个序列是按照交易时间排列的一组交易集，挖掘序列函数作用在这个交易序列数据库上，返回该数据库中出现的高频序列。在进行序列模式分析时，同样也需要由用户输入最小置信度C和最小支持度S。
③分类分析
设有一个数据库和一组具有不同特征的类别(标记)，该数据库中的每一个记录都赋予一个类别的标记，这样的数据库称为示例数据库或训练集。分类分析就是通过分析示例数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其它数据库中的记录进行分类。
④聚类分析
聚类分析输入的是一组未分类记录，并且这些记录应分成几类事先也不知道，通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。它所采用的分类规则是由聚类分析工具决定的。采用不同的聚类方法，对于相同的记录集合可能有不同的划分结果。
应用数据挖掘技术，较为理想的起点就是从一个数据仓库开始，这个数据仓库里面应保存着所有客户的合同信息，并且还应有相应的市场竞争对手的相关数据。数据挖掘可以直接跟踪数据和并辅助用户快速作出商业决策，并且用户还可以在更新数据的时候不断发现更好的行为模式，并将其运用于未来的决策当中。
4、CRM的发展现状与前景
4.1、CRM的发展现状
CRM管理理念及其价值被越来越多的企业所重视，自1997年开始，全球的CRM市场一直处于爆炸性的快速增长之中。国内CRM起步较晚，但却依然显示出强劲的发展势头，其显著的价值提升能力已经得到业界的认同，即将进入发展的蓬勃期并将形成新的追踪热潮。
根据一份最近的研究报告显示，在受调查的企业中有2/3以上期望在未来的五年内改变其客户关系的管理模式，而有3/4以上的企业计划集成"面对客户"的信息管理系统及其组织的其它部分。
4.2、前景
CRM产品的未来走向预测：未来的CRM产品前台和后台的信息系统将进一步融合；呼叫中心的功能将大大扩充，真正地实现电话、www、Email、传真、无线通讯、直接接触等的融合，成为联系中心；基于网络的自助服务将成为企业向用户提供服务的重要方式……
作为一个跨知识管理、业务运作和电子商务等系统的融合概念，客户关系管理正以前所未有的速度发展，并且扩大着用户群体，在激烈的市场竞争中，CRM正在逐渐成为现代企业生存的根本和制胜的关键。

参考文献
1. http://www.ctiforum.com
2. http:/www.amteam.org
3. Alex Berson,Stephen Smith Kurt Thearling.构建面向CRM的数据挖掘应用.北京：人民邮电出版社，2001
4. Oracle中国有限公司.CallCenter & CRM Proposal.doc
5. Overview of Customer Relationship Management on Microsoft Business. http://www.microsoft.com/
6. Bill Schmarzo,David Harper.Making Every Customer Relationship Count

上一页  [1] [2] [3]