资料探勘在顾客关系管理上的应用.ppt

資料探勘在顧客關係管理上的應用 本章大綱 第一節 顧客關係管理的源起 第二節 顧客關係管理的概念 第三節 資料探勘應用在顧客關係管理的原則 第四節 資料探勘應用在顧客關係管理的技術 第五節 資料探勘應用在顧客關係管理上的現況 第一節 顧客關係管理的源起 顧客的價值 顧客的知識 顧客的關係 顧客的價值 顧客終身價值(Customer Lifetime Value) 是指在未來一段時間之內，企業或廠商可以從個別顧客獲得之利潤的淨現值 企業可以依據資料庫中顧客的購買記錄，算出每位顧客可能貢獻於企業的終身價值。 利用資料探勘的技術，企業對顧客進行價值分析，並針對不同價值的顧客進行不同的資源分配，以及採取不同的行銷策略。 顧客的知識 顧客知識內涵 顧客的知識(c2) 顧客知識範疇 顧客的知識(c3) 顧客的關係 第二節 顧客關係管理的概念 顧客管理關係的定義 顧客關係管理的流程 顧客管理關係的實施 顧客管理關係的定義 「顧客關係管理」的目的是企業運用完整的資源，不是以追求市場佔有率為目標，而是讓組織內部隨時都能接收到完整的顧客資訊，並且主動的與顧客接觸，提供顧客最佳的服務，共享完整的顧客資訊，並累積顧客創造的價值，來幫助企業達成長久獲利的目標。 顧客關係管理的流程 顧客關係管理執行成敗的重要階段 了解顧客 鎖定目標 銷售產品 專業服務 圖 9-2：CRM 的四個階段 顧客關係管理的流程(c2) 顧客關係管理的程序 知識發掘 市場規劃 顧客互動 分析與修正 圖 9-3：顧客關係管理程序 顧客管理關係的實施 分析環境 建構願景 制定策略 流程重整 建置系統 運用資訊 知識週期 第三節 資料探勘應用在顧客關係管理的原則 資料探勘與顧客關係管理的整合 資料探勘在顧客關係管理的應用 資料探勘與顧客關係管理的整合 資料探勘應用在顧客關係管理上有三大分析方向 顧客特性 目標市場 市場分析 圖 9-4：資料探勘應用模式 資料探勘在顧客關係管理的應用 顧客忠誠度分析 市場購物籃分析 交叉銷售與購買傾向分析 新客戶與潛在客戶分析 購買週期與購買序向分析 顧客區隔 直效郵件分析 第四節 資料探勘應用在顧客關係管理的技術 購物籃分析（Market Basket Analysis, MBA） 記憶基礎理解（Memory Based Reasoning, MBR） 群集偵測（Automatic Cluster Detection） 連結分析（Link Analysis） 決策樹（Decision Tree） 類神經網路（Neural Network） 遺傳演算法（Genetic Algorithms） 線上即時分析（OLAP） 購物籃分析 購物籃分析是與群集分析的意義是相同的，都屬於同質分組的一種形式，著眼點在於找出可以一起販售的商品組合。 當消費者買某些商品，或在短時間內接連著購買某些商品，我們就可應用關聯規則（Association Rule）說明了實體產品之間的關聯性和產品合的機會。 記憶基礎理解 記憶基礎理解會依據訓練資料先做分析，之後再丟入新資料時，記憶基礎理解會先找出新資料的「鄰近資料」（Neighbor），然後根據鄰近資料，對新資料進行解釋，及產生分類項和預測項。 群集偵測 比對資料以找出相近資料的技術。 當資料為雜亂、或包含太多變數、太多維度時，這時就可以先以群集偵測來將資料做概廓的分類，相似的群集可以提供切入點給資料瞭解和如何運用。 連結分析 圖形理論（graph theory） 搜尋資料之間的關連並且依據此關聯發展出分析模型。 例如分析電話通話型態。 決策樹 決策樹在眾多探勘方法之中是相當受到歡迎的分類和預測的工具。 以樹形圖來做表達的基礎，圖形中具有規則性，規則可以利用文字來表示，可以讓人很輕易的瞭解。 類神經網路 透過訓練資料的輸入來學習，並產生分類與預測的模型。 類神經網路也可以透過自我組織圖（SOMs, self-organizing maps）和相關結構，以運用在非監督式資料採礦和時間序列分析。 遺傳演算法 基因演算法適合於做最適化的問題。 優點 結果易於應用 比類神經網路更可產生可解釋的結果 可強化記憶基礎理解和類神經網路的運作 缺點 過程編碼上有困難 運算成本極高 線上即時分析 以多維度資料為基礎而將資料呈現給使用者以方便他們了解資料和發現重要規律的方式。 線上分析處理是由使用者所主導，使用者先有一些假設，然後利用線上分析處理來查證這些假設。 第五節 資料探勘應用在顧客關係管理上的現況 在銀行與金融服務機構上的應用 在醫療機構上的應用 在電信產業上的應用