Hvad er CRM-datamining?

CRM-datadrift (mining relations management management) refererer til processen med at søge gennem databaser med kundeforhold og analysere data om indsamlet kundeadfærd. Disse data hjælper marketingfolk med at fokusere bedre på deres kampagner, hvilket fører til øget kundebeholdning og salg. CRM-data mining er også kendt som data-efterforskning og opdagelse af viden. Der er to hovedkategorier forbundet med data mining: deskriptiv analyse og forudsigelig modellering.

Beskrivende analyse bruger segmentering og klynger til bedre at analysere et sæt opførselsmønster blandt en bestemt gruppe af kunder. Kunder kan grupperes efter køn, alder, race og andre kategorier. Hovedmålet med et segment er at give marketingmedarbejderen en gruppe lignende kunder for mere effektivt at udnytte dataene til nyttig indsigt.

Clustering aggregater segmentgrupper. Hver klynge er gensidigt eksklusiv og er kendetegnet ved et sæt forudbestemte egenskaber. For eksempel kan en klynge omfatte hunner i alderen 18 til 25 år, der købte en bestemt neglelak i de sidste to uger af december 2010. Dette er et eksempel på kvalitativ metode til CRM-dataudvinding.

I ikke-ekskluderende segmenter, en anden form for beskrivende analyse, fører et bestemt sæt kundeadfærd til et helt nyt sæt adfærd. For eksempel kunne en gruppe kunder bruge et betydeligt beløb på spa-tjenester, men ikke bruge en masse penge på relaterede tjenester såsom hår og salonpleje. Denne type CRM-dataudvinding kræver mere avanceret statistisk analyse end grundlæggende segmentering.

Prediktiv modellering er den mere populære af de to kategorier for CRM-data mining. Den måler graden af ​​sammenhæng mellem to kundeadfærdsfaktorer og den statistiske pålidelighed af denne korrelation. Den forudsigelige model er bygget ved hjælp af en data mining-applikation, der tildeler score til hver kunde, hvilket angiver sandsynligheden for, at kunden vil opføre sig på samme måde i fremtiden. For eksempel kan modellen hjælpe en marketingmedarbejder med at bestemme sandsynligheden for, at en gift mandlig kunde mellem 31 og 42 år med børn vil købe et bestemt mærke af græsslåmaskine inden for de næste seks måneder.

Specificitet er meget vigtig ved CRM-data mining ved hjælp af forudsigelige modeller. Der er flere typer metoder, der bruges til dette formål. En univariat model sammenligner en enkelt variabel med flere andre variabler for at bestemme forholdet til den højeste korrelation. Chi-Squared automatisk interaktionsdetekteringsanalyse (CHAID) og klassificerings- og regressions træer (CART) modeller viser beslutningstræer, hvor en variabel forårsager forekomsten af ​​en eller flere variabler. En multivariat regressionsmodel tester flere variabler mod hinanden for at evaluere mulige korrelationer.