Che cos'è il data mining di CRM?
Il data mining della gestione delle relazioni con i clienti (CRM) si riferisce al processo di ricerca attraverso i database delle relazioni con i clienti e l'analisi dei dati sul comportamento dei clienti raccolti. Questi dati aiutano gli esperti di marketing a focalizzare meglio le loro campagne, il che porta ad una maggiore fidelizzazione e vendita dei clienti. Il data mining di CRM è anche noto come esplorazione dei dati e scoperta della conoscenza. Esistono due categorie principali associate al data mining: analisi descrittiva e modellazione predittiva.
L'analisi descrittiva utilizza la segmentazione e il clustering per analizzare meglio un determinato modello di comportamento tra un particolare gruppo di clienti. I clienti possono essere raggruppati in base a sesso, età, razza e altre categorie. L'obiettivo principale di un segmento è fornire al marketer un gruppo di clienti simili al fine di estrarre in modo più efficace i dati per approfondimenti utili.
Clustering aggrega gruppi di segmenti. Ogni cluster si esclude a vicenda ed è caratterizzato da un insieme di caratteristiche predeterminate. Ad esempio, un cluster potrebbe includere donne di età compresa tra 18 e 25 anni che hanno acquistato un certo smalto per unghie nelle ultime due settimane di dicembre 2010. Questo è un esempio di data mining CRM con metodo qualitativo.
Nei segmenti non esclusivi, un'altra forma di analisi descrittiva, una particolare serie di comportamenti dei clienti porta a una serie completamente nuova di comportamenti. Ad esempio, un gruppo di clienti potrebbe spendere una notevole quantità di denaro in servizi spa, ma non spendere molti soldi in servizi correlati come la cura dei capelli e del salone. Questo tipo di data mining CRM richiede analisi statistiche più avanzate rispetto alla segmentazione di base.
La modellazione predittiva è la più popolare tra le due categorie di data mining CRM. Misura il grado di correlazione tra due fattori di comportamento del cliente e l'affidabilità statistica di tale correlazione. Il modello predittivo viene creato utilizzando un'applicazione di data mining che assegna punteggi a ciascun cliente, indicando la probabilità che il cliente si comporterà allo stesso modo in futuro. Ad esempio, il modello può aiutare un operatore di marketing a determinare la probabilità che un cliente maschio sposato di età compresa tra 31 e 42 anni con figli acquisterà un particolare marchio di tosaerba entro i prossimi sei mesi.
La specificità è molto importante nel data mining di CRM utilizzando modelli predittivi. Esistono diversi tipi di metodi utilizzati per questo scopo. Un modello univariato confronta una singola variabile con diverse altre variabili al fine di determinare la relazione con la massima correlazione. I modelli di analisi di interazione automatica Chi-Squared (CHAID) e di alberi di classificazione e regressione (CART) visualizzano alberi di decisione, in cui una variabile provoca l'istanza di una o più variabili. Un modello di regressione multivariata verifica diverse variabili una contro l'altra per valutare possibili correlazioni.