CRM客户关系管理系统中的数据挖掘

商务数据转换为商务信息：数据是商务活动的基础。随着数据挖掘技术日趋成熟，CRM应用得到广泛推广，数据挖掘技术也日益成熟，数据挖掘技术也逐渐成为企业获取宝贵信息的重要手段。

CRM在对客户进行全面管理和服务的过程中，会记录会员各种类型的数据，例如基本数据、会员消费数据等；购物中心可根据会员的各种行为进行分析，协助员工进行会员管理，主要包括四个方面：

1.实行一对一营销。

这是我们常说的目标营销，近几年来，一对一营销越来越受到企业的青睐。“一对一行销”意味着要了解每个顾客，并与之建立长期的关系。

2.客户收益分析。

顾客基础上，顾客的赢利能力存在显著差异，在不了解顾客获利能力的情况下，难以制定有效的营销战略，以获得最有价值的顾客。CRM数据分析可用于预测客户获利能力的变化，从客户的交易历史中发现某些行为模式，从而预测客户的盈利水平，或发现盈利能力较高的新客户；

3.交叉销售。

CRM数据分析能帮你分析出最佳的、合理的销售组合，例如，经常购买的商品组，找到那些已经购买了大多数商品的消费者，将“缺失的”产品销售给他们，或通过分析，确定属于一种类别的顾客经常购买的商品，并将其销售给未购买的顾客。

4.把商业数据转变成信息。

客户关系管理数据是赢得市场的一个参考依据，将商业数据转换成商业信息能够提高商场管理者的判断能力和决策能力。例如。根据购物中心顾客平均单价，得出商场是要向高端还是向低端方向发展等等。

因此，要想提高商场的销售量，对CRM进行数据挖掘是一把不容忽视的利剑。

但我们数据分析的重点，主要是在这三个方面，对顾客群体进行细分，寻找最有价值的顾客，并分析其行为特征。通过具体分析成员结构、成员贡献、忠诚度、购买行为和体征等方面的具体分析策略，实现上述目标。

1.对成员结构进行分析细分客户基础。

可以根据地区的人数比例、年龄结构、各积分段比例把我们的成员分成各个组合。其次，按照我们前面文章中提到的二八原则，对最有价值的顾客群进行分类，实现目标营销。

2.成员价值分析，寻找有价值的客户。

要判断最有价值的客户群可以通过会员行为RFM来实现，即用最近购买的时间、次数、数量来说明，哪种消费频率、消费金额、利润贡献等，都是我们要重点关注的对象，这就是我们要重点服务的对象。

3.分析群体消费行为。

用价值分析对不同成员群体进行区分，如何对这些群体的消费行为进行分析？

4.对成员消费目标的分析。

在此基础上，要以商品属性为分析条件，根据不同类型成员的消费状况，从而了解不同类型客户的消费特点。举例来说，我们想知道服装类商品的主要消费群体是哪一类的会员群，这个会员类别的成员构成方式又是怎样的(如：年龄，年龄，或者说，如何划分会员属性)，针对这些会员的消费特点，可以采取一些更为积极有效的营销策略。

4.分析成员消费所占比例。

在规定的条件下，按照组织机构、商品种类等商品属性分析会员整体销售和会员销售，从而了解会员群体的消费偏好，并据此改进销售策略。

5.分析成员的消费偏好。

成员被划分为两个类别：绿区和红区。成员所标出的绿色区域内的商店销售额表现最佳并取得的积分和交易频率最高；会员所标出的商店销售业绩最差且在红色区域内所标出的积分及交易频率最低。可在此基础上分析会员对各类商品的偏好程度。

CRM中合理有效地运用数据挖掘技术，能够为客户提供准确的分类、忠诚、赢利、潜在用户等重要信息。因此，要增强企业高层管理者的决策能力，为其快速发展提供强有力的信息和技术保障。