¿Qué es la minería de datos CRM?
La minería de datos de gestión de relaciones con el cliente (CRM) se refiere al proceso de búsqueda a través de bases de datos de relaciones con el cliente y analizar datos sobre el comportamiento del cliente recopilado. Estos datos ayudan a los especialistas en marketing a enfocar mejor sus campañas, lo que lleva a una mayor retención y ventas de los clientes. La minería de datos CRM también se conoce como exploración de datos y descubrimiento de conocimiento. Hay dos categorías principales asociadas con la minería de datos: análisis descriptivo y modelado predictivo.
El análisis descriptivo utiliza segmentación y agrupación para analizar mejor un patrón establecido de comportamiento entre un grupo particular de clientes. Los clientes pueden agruparse de acuerdo con el género, la edad, la raza y otras categorías. El objetivo principal de un segmento es proporcionar al vendedor un grupo de clientes similares para extraer de manera más efectiva los datos para obtener información útil.
Grupos de segmentos de agrupación de agrupación. Cada grupo es mutuamente excluyente y se caracteriza por un conjunto de características predeterminadas. Porque enPostancia, un grupo podría incluir mujeres de entre 18 y 25 años que compraron un cierto esmalte de uñas durante las últimas dos semanas de diciembre de 2010. Este es un ejemplo de método cualitativo CRM Data Mining.
en segmentos no exclusivos, otra forma de análisis descriptivo, un conjunto particular de comportamiento del cliente conduce a un conjunto completamente nuevo de comportamientos. Por ejemplo, un grupo de clientes podría gastar una cantidad significativa de dinero en servicios de spa, pero no gastar mucho dinero en servicios relacionados como el cuidado del cabello y el salón. Este tipo de minería de datos CRM requiere un análisis estadístico más avanzado que la segmentación básica.
El modelado predictivo es la más popular de las dos categorías de minería de datos CRM. Mide el grado de correlación entre dos factores de comportamiento del cliente y la confiabilidad estadística de esa correlación. El modelo predictivo se crea utilizando una aplicación de minería de datos que asigna SCORES a cada cliente, lo que indica la probabilidad de que el cliente se comporte de la misma manera en el futuro. Por ejemplo, el modelo puede ayudar a un vendedor a determinar la probabilidad de que un cliente masculino casado entre las edades de 31 y 42 años con hijos comprará una marca particular de cortacésped en los próximos seis meses.
La especificidad es muy importante en la minería de datos CRM utilizando modelos predictivos. Existen varios tipos de métodos utilizados para este propósito. Un modelo univariado compara una sola variable con varias otras variables para determinar la relación con la correlación más alta. El análisis de detección de interacción automática de chi cuadrado (Chaid) y los modelos de clasificación y regresión (CART) muestran árboles de decisión, donde una variable provoca la instancia de una o más variables. Un modelo de regresión multivariante prueba varias variables entre sí para evaluar posibles correlaciones.