Qu'est-ce que l'exploration de données CRM?

L'exploration de données de la gestion de la relation client (CRM) fait référence au processus de recherche dans les bases de données de la relation client et à l'analyse des données sur le comportement des clients recueillies. Ces données aident les spécialistes du marketing à mieux concentrer leurs campagnes, ce qui entraîne une augmentation de la rétention des clients et des ventes. L'exploration de données CRM est également connue sous le nom d'exploration des données et de découverte de connaissances. L'analyse descriptive et la modélisation prédictive sont deux catégories principales. Les clients peuvent être regroupés en fonction du sexe, de l'âge, de la race et d'autres catégories. L'objectif principal d'un segment est de fournir au marketing un groupe de clients similaires afin d'exploiter plus efficacement les données pour des informations utiles.

Les groupes de segments d'agrégats de regroupement. Chaque cluster s'exclut mutuellement et se caractérise par un ensemble de caractéristiques prédéterminées. Enposition, un cluster pourrait inclure des femmes âgées de 18 à 25 ans qui ont acheté un certain vernis à ongles au cours des deux dernières semaines de décembre 2010. Il s'agit d'un exemple de méthode qualitative CRM Data Mining.

Dans les segments non exclusifs, une autre forme d'analyse descriptive, un ensemble particulier de comportement client conduit à un complètement nouvel ensemble de comportements. Par exemple, un groupe de clients pourrait dépenser beaucoup d'argent pour les services de spa, mais ne pas dépenser beaucoup d'argent pour des services connexes tels que les soins de cheveux et de salon. Ce type d'exploration de données CRM nécessite une analyse statistique plus avancée que la segmentation de base.

La modélisation prédictive est la plus populaire des deux catégories d'exploration de données CRM. Il mesure le degré de corrélation entre deux facteurs de comportement des clients et la fiabilité statistique de cette corrélation. Le modèle prédictif est construit à l'aide d'une application d'exploration de données qui affecte SCOres à chaque client, indiquant la probabilité que le client se comporte de la même manière à l'avenir. Par exemple, le modèle peut aider un spécialiste du marketing à déterminer la probabilité qu'un client masculin marié entre 31 et 42 ans avec des enfants achètera une marque particulière de tondeuse à gazon au cours des six prochains mois.

La spécificité

est très importante dans l'exploration de données CRM à l'aide de modèles prédictifs. Il existe plusieurs types de méthodes utilisées à cet effet. Un modèle univarié compare une seule variable à plusieurs autres variables afin de déterminer la relation avec la corrélation la plus élevée. Les modèles d'analyse de détection d'interaction automatique du chi carré (CHAID) et de classification et de régression (CART) affichent des arbres de décision, où une variable provoque l'instance d'une ou plusieurs variables. Un modèle de régression multivariée teste plusieurs variables les uns contre les autres pour évaluer les corrélations possibles.