資料探勘在顾客关系管理上的应用.ppt

《資料探勘在顾客关系管理上的应用.ppt》由会员上传分享，免费在线阅读，更多相关内容在PPT专区-天天文库。

1、第九章資料探勘在顧客關係管理上的應用1本章大綱第一節顧客關係管理的源起第二節顧客關係管理的概念第三節資料探勘應用在顧客關係管理的原則第四節資料探勘應用在顧客關係管理的技術第五節資料探勘應用在顧客關係管理上的現況2第一節顧客關係管理的源起顧客的價值顧客的知識顧客的關係3顧客的價值顧客終身價值(CustomerLifetimeValue)是指在未來一段時間之內，企業或廠商可以從個別顧客獲得之利潤的淨現值企業可以依據資料庫中顧客的購買記錄，算出每位顧客可能貢獻於企業的終身價值。利用資料探勘的技術，企業對顧客進行價值分析，並針對不同價值的顧客進行不同的資源分配，以及採取不同的行銷策略。4顧客的知識顧

2、客知識內涵種類內容基本知識顧客之分類、公司願景、產業資料、營運資料、研發狀況、設備投資、產能及整合規劃交易知識連絡資料、交易量、訂貨資料服務知識產品維修狀況、售後服務情形、購買歷史、銷售管道、客服紀錄特性知識信用狀況、企業文化、採購參與者特性、採購部門特性、及企業顧客之聲譽偏好知識產品偏好及購買意願強度、預期產品需求、知覺價值、知覺定位、消費情境、採購決策參與者偏好促銷知識顧客的回應、促銷活動記錄、媒體通路、廣告配銷5顧客的知識(c2)顧客知識範疇層級意義範疇顧客的資料初級資料基本交易資料、記錄顧客的資訊系統化資料顧客需求、期望、策略顧客的知識開創資訊的價值及意義顧客知識管理知識的智慧創造新

3、知識的效果及價值開發新產品需求、個人服務6顧客的知識(c3)7顧客的關係發展階段顧客對象顧客互動發展重點獲取階段新有顧客促銷活動差異化增進階段目前客戶交叉銷售關係強化維持階段忠誠客戶創意銷售顧客導向8第二節顧客關係管理的概念顧客管理關係的定義顧客關係管理的流程顧客管理關係的實施9顧客管理關係的定義「顧客關係管理」的目的是企業運用完整的資源，不是以追求市場佔有率為目標，而是讓組織內部隨時都能接收到完整的顧客資訊，並且主動的與顧客接觸，提供顧客最佳的服務，共享完整的顧客資訊，並累積顧客創造的價值，來幫助企業達成長久獲利的目標。10顧客關係管理的流程顧客關係管理執行成敗的重要階段了解顧客鎖定目標銷

4、售產品專業服務11圖9-2：CRM的四個階段12顧客關係管理的流程(c2)顧客關係管理的程序知識發掘市場規劃顧客互動分析與修正13圖9-3：顧客關係管理程序14顧客管理關係的實施分析環境建構願景制定策略流程重整建置系統運用資訊知識週期15第三節資料探勘應用在顧客關係管理的原則資料探勘與顧客關係管理的整合資料探勘在顧客關係管理的應用16資料探勘與顧客關係管理的整合資料探勘應用在顧客關係管理上有三大分析方向顧客特性目標市場市場分析17圖9-4：資料探勘應用模式18資料探勘在顧客關係管理的應用顧客忠誠度分析市場購物籃分析交叉銷售與購買傾向分析新客戶與潛在客戶分析購買週期與購買序向分析顧客區隔直效郵

5、件分析19第四節資料探勘應用在顧客關係管理的技術購物籃分析（MarketBasketAnalysis,MBA）記憶基礎理解（MemoryBasedReasoning,MBR）群集偵測（AutomaticClusterDetection）連結分析（LinkAnalysis）決策樹（DecisionTree）類神經網路（NeuralNetwork）遺傳演算法（GeneticAlgorithms）線上即時分析（OLAP）20購物籃分析購物籃分析是與群集分析的意義是相同的，都屬於同質分組的一種形式，著眼點在於找出可以一起販售的商品組合。當消費者買某些商品，或在短時間內接連著購買某些商品，我們就可應用

6、關聯規則（AssociationRule）說明了實體產品之間的關聯性和產品合的機會。21記憶基礎理解記憶基礎理解會依據訓練資料先做分析，之後再丟入新資料時，記憶基礎理解會先找出新資料的「鄰近資料」（Neighbor），然後根據鄰近資料，對新資料進行解釋，及產生分類項和預測項。22群集偵測比對資料以找出相近資料的技術。當資料為雜亂、或包含太多變數、太多維度時，這時就可以先以群集偵測來將資料做概廓的分類，相似的群集可以提供切入點給資料瞭解和如何運用。23連結分析圖形理論（graphtheory）搜尋資料之間的關連並且依據此關聯發展出分析模型。例如分析電話通話型態。24決策樹決策樹在眾多探勘方法之

7、中是相當受到歡迎的分類和預測的工具。以樹形圖來做表達的基礎，圖形中具有規則性，規則可以利用文字來表示，可以讓人很輕易的瞭解。25類神經網路透過訓練資料的輸入來學習，並產生分類與預測的模型。類神經網路也可以透過自我組織圖（SOMs,self-organizingmaps）和相關結構，以運用在非監督式資料採礦和時間序列分析。26遺傳演算法基因演算法適合於做最適化的問題。優點結果易於應用比類神經網路更可產生可解釋的