CRMデータマイニングとは

顧客関係管理（CRM）データマイニングとは、顧客関係データベースを検索し、収集された顧客行動に関するデータを分析するプロセスを指します。 このデータは、マーケティング担当者がキャンペーンに集中するのに役立ち、顧客維持と販売の増加につながります。 CRMデータマイニングは、データ探索および知識発見とも呼ばれます。 データマイニングに関連する主なカテゴリは、記述分析と予測モデリングの2つです。

記述分析では、セグメンテーションとクラスタリングを利用して、特定の顧客グループ間の一連の行動パターンをよりよく分析します。 顧客は、性別、年齢、人種、およびその他のカテゴリに従ってグループ化できます。 セグメントの主な目的は、有用な洞察を得るためにデータをより効果的にマイニングするために、マーケティング担当者に類似した顧客のグループを提供することです。

クラスタリングはセグメントグループを集約します。 各クラスターは相互に排他的であり、一連の所定の特性によって特徴付けられます。 たとえば、クラスターには、2010年12月の最後の2週間に特定のマニキュアを購入した18〜25歳の女性を含めることができます。これは、定性的方法のCRMデータマイニングの例です。

記述分析の別の形式である非除外セグメントでは、特定の顧客行動のセットがまったく新しい行動のセットにつながります。 たとえば、顧客のグループはスパサービスに多額のお金を費やすことができますが、ヘアケアやサロンケアなどの関連サービスに多額のお金を費やすことはできません。 このタイプのCRMデータマイニングでは、基本的なセグメンテーションよりも高度な統計分析が必要です。

予測モデリングは、2つのCRMデータマイニングカテゴリの中で最も人気があります。 2つの顧客行動要因間の相関の程度と、その相関の統計的信頼性を測定します。 予測モデルは、各顧客にスコアを割り当てるデータマイニングアプリケーションを使用して構築され、顧客が将来同じように動作する可能性を示します。 たとえば、モデルはマーケターが31〜42歳の子供を持つ既婚男性顧客が今後6か月以内に特定のブランドの芝刈り機を購入する確率を判断するのに役立ちます。

予測モデルを使用したCRMデータマイニングでは、特異性が非常に重要です。 この目的に使用される方法にはいくつかの種類があります。 単変量モデルは、最高の相関関係を決定するために、単一の変数を他のいくつかの変数と比較します。 カイ二乗自動相互作用検出分析（CHAID）および分類および回帰ツリー（CART）モデルは、1つの変数が1つ以上の変数のインスタンスを引き起こす決定ツリーを表示します。 多変量回帰モデルは、いくつかの変数を相互にテストして、可能な相関を評価します。