Wat is CRM -datamining?

Data Mining (Customer Relationship Management (CRM) verwijst naar het proces van zoeken via klantrelatie -databases en het analyseren van gegevens over verzamelde klantgedrag. Deze gegevens helpen marketeers om hun campagnes beter te concentreren, wat leidt tot verhoogde klantbehoud en verkoop. CRM -datamining staat ook bekend als gegevensverkenning en kennisontdekking. Er zijn twee hoofdcategorieën geassocieerd met datamining: beschrijvende analyse en voorspellende modellering.

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 hoofddoel van een segment is om de marketeer een groep vergelijkbare klanten te bieden om de gegevens voor nuttige inzichten effectiever te ontnemen.

clustering aggregaten segmentgroepen. Elk cluster is elkaar uitsluiten en wordt gekenmerkt door een reeks vooraf bepaalde kenmerken. Voor inStand, een cluster kan vrouwtjes van 18 tot 25 jaar zijn die een bepaalde nagellak hebben gekocht in de laatste twee weken van december 2010. Dit is een voorbeeld van kwalitatieve methode CRM-datamining.

In niet-exclusieve segmenten, een andere vorm van beschrijvende analyse, een bepaald aantal klantgedrag leidt tot een volledig nieuwe set van gedrag. Een groep klanten kan bijvoorbeeld een aanzienlijk bedrag uitgeven aan SPA -diensten, maar niet veel geld uitgeven aan gerelateerde diensten zoals haar- en salonzorg. Dit type CRM -datamining vereist meer geavanceerde statistische analyse dan basissegmentatie.

Voorspellende modellering is de meer populaire van de twee CRM -dataminingcategorieën. Het meet de mate van correlatie tussen twee klantgedragsfactoren en de statistische betrouwbaarheid van die correlatie. Het voorspellende model is gebouwd met behulp van een datamining -toepassing die SCO toewijstRes voor elke klant, wat aangeeft de kans dat de klant zich in de toekomst op dezelfde manier zal gedragen. Het model kan bijvoorbeeld een marketeer helpen om de kans te bepalen dat een getrouwde mannelijke klant tussen de 31 en 42 jaar met kinderen binnen de komende zes maanden een bepaald merk gazonmaaier zal kopen.

specificiteit is erg belangrijk in CRM -datamining met behulp van voorspellende modellen. Er zijn verschillende soorten methoden die voor dit doel worden gebruikt. Een univariate model vergelijkt een enkele variabele met verschillende andere variabelen om de relatie met de hoogste correlatie te bepalen. Chi-kwadraat automatische interactiedetectie-analyse (CHAID) en classificatie- en regressiebomen (CART) -modellen tonen beslissingsbomen, waarbij één variabele het exemplaar van een of meer variabelen veroorzaakt. Een multivariate regressiemodel test verschillende variabelen tegen elkaar om mogelijke correlaties te evalueren.