Co to jest eksploracja danych CRM?

Eksploracja danych zarządzania relacjami z klientem (CRM) odnosi się do procesu przeszukiwania baz danych relacji z klientami i analizowania zgromadzonych danych o zachowaniach klientów. Dane te pomagają marketerom w lepszym ukierunkowaniu kampanii, co prowadzi do zwiększenia utrzymania klientów i sprzedaży. Eksploracja danych CRM jest również znana jako eksploracja danych i odkrywanie wiedzy. Istnieją dwie główne kategorie związane z eksploracją danych: analiza opisowa i modelowanie predykcyjne.

Analiza opisowa wykorzystuje segmentację i klastrowanie, aby lepiej analizować ustalony wzorzec zachowań wśród określonej grupy klientów. Klienci mogą być pogrupowani według płci, wieku, rasy i innych kategorii. Głównym celem segmentu jest dostarczenie marketerowi grupy podobnych klientów w celu bardziej efektywnego wydobywania danych w celu uzyskania przydatnych informacji.

Klastrowanie agreguje grupy segmentów. Każdy klaster wyklucza się wzajemnie i charakteryzuje się zestawem wcześniej określonych cech. Na przykład klaster może obejmować kobiety w wieku od 18 do 25 lat, które kupiły określony lakier do paznokci w ciągu ostatnich dwóch tygodni grudnia 2010 r. Jest to przykład jakościowej metody eksploracji danych CRM.

W nie wykluczających segmentach, inna forma analizy opisowej, określony zestaw zachowań klientów prowadzi do zupełnie nowego zestawu zachowań. Na przykład grupa klientów może wydać znaczną ilość pieniędzy na usługi spa, ale nie wydać dużo pieniędzy na powiązane usługi, takie jak pielęgnacja włosów i salonów. Ten typ eksploracji danych CRM wymaga bardziej zaawansowanej analizy statystycznej niż podstawowa segmentacja.

Modelowanie predykcyjne jest bardziej popularną z dwóch kategorii eksploracji danych CRM. Mierzy stopień korelacji między dwoma czynnikami zachowania klienta a wiarygodnością statystyczną tej korelacji. Model predykcyjny jest budowany przy użyciu aplikacji do eksploracji danych, która przypisuje oceny każdemu klientowi, wskazując prawdopodobieństwo, że klient zachowa się w ten sam sposób w przyszłości. Na przykład model może pomóc marketerowi w określeniu prawdopodobieństwa, że ​​klient będący w związku małżeńskim w wieku od 31 do 42 lat z dziećmi kupi daną kosiarkę danej marki w ciągu najbliższych sześciu miesięcy.

Specyfika jest bardzo ważna w eksploracji danych CRM przy użyciu modeli predykcyjnych. W tym celu stosuje się kilka rodzajów metod. Model jednowymiarowy porównuje pojedynczą zmienną z kilkoma innymi zmiennymi w celu ustalenia związku z najwyższą korelacją. Modele automatycznej detekcji interakcji chi-kwadrat (CHAID) oraz drzewa klasyfikacji i regresji (CART) wyświetlają drzewa decyzyjne, w których jedna zmienna powoduje wystąpienie jednej lub więcej zmiennych. Model regresji wielowymiarowej testuje względem siebie kilka zmiennych, aby ocenić możliwe korelacje.