Wat is CRM-datamining?
Customer mining management (CRM) datamining verwijst naar het proces van zoeken door klantrelatiedatabases en het analyseren van gegevens over verzameld klantgedrag. Deze gegevens helpen marketeers hun campagnes beter te richten, wat leidt tot meer klantenbinding en verkoop. CRM-datamining wordt ook wel data-exploratie en kennisontdekking genoemd. Er zijn twee hoofdcategorieën verbonden aan datamining: beschrijvende analyse en voorspellende modellen.
Beschrijvende analyse maakt gebruik van segmentatie en clustering om een bepaald gedragspatroon bij een bepaalde groep klanten beter te analyseren. Klanten kunnen worden gegroepeerd op basis van geslacht, leeftijd, ras en andere categorieën. Het belangrijkste doel van een segment is om de marketeer een groep vergelijkbare klanten te bieden om de gegevens effectiever te ontginnen voor nuttige inzichten.
Clustering aggregeert segmentgroepen. Elk cluster is wederzijds exclusief en wordt gekenmerkt door een reeks vooraf bepaalde kenmerken. Een cluster kan bijvoorbeeld vrouwen in de leeftijd van 18 tot 25 zijn die in de laatste twee weken van december 2010 een bepaalde nagellak hebben gekocht. Dit is een voorbeeld van kwalitatieve CRM-datamining.
In niet-uitsluitende segmenten, een andere vorm van beschrijvende analyse, leidt een bepaalde reeks klantgedrag tot een geheel nieuwe reeks gedragingen. Een groep klanten kan bijvoorbeeld een aanzienlijk bedrag uitgeven aan spadiensten, maar niet veel geld uitgeven aan gerelateerde diensten zoals haar- en salonverzorging. Dit type CRM-datamining vereist een meer geavanceerde statistische analyse dan basissegmentatie.
Voorspellende modellering is de meest populaire van de twee categorieën CRM-datamining. Het meet de mate van correlatie tussen twee klantgedragfactoren en de statistische betrouwbaarheid van die correlatie. Het voorspellende model is gebouwd met behulp van een datamining-applicatie die scores toekent aan elke klant, waarmee wordt aangegeven dat de klant zich in de toekomst op dezelfde manier zal gedragen. Het model kan bijvoorbeeld een marketeer helpen om de waarschijnlijkheid te bepalen dat een getrouwde mannelijke klant tussen de 31 en 42 jaar met kinderen een bepaald merk grasmaaier binnen de komende zes maanden zal kopen.
Specificiteit is erg belangrijk in CRM-datamining met voorspellende modellen. Er zijn verschillende soorten methoden die voor dit doel worden gebruikt. Een eenduidig model vergelijkt een enkele variabele met verschillende andere variabelen om de relatie met de hoogste correlatie te bepalen. Chi-Squared automatische interactie detectie analyse (CHAID) en classificatie- en regressiebomen (CART) modellen tonen beslissingsbomen, waarbij een variabele de instantie van een of meer variabelen veroorzaakt. Een multivariate regressiemodel test verschillende variabelen tegen elkaar om mogelijke correlaties te evalueren.