Che cosa è il CRM Data Mining?

Customer relationship management (CRM) data mining si riferisce al processo di ricerca attraverso database relazioni con i clienti e l'analisi dei dati sul comportamento dei clienti raccolti. Questi dati aiutano marketing per orientare meglio le loro campagne, il che porta ad una maggiore fidelizzazione dei clienti e le vendite. CRM data mining è anche conosciuto come l'esplorazione dei dati e scoperta della conoscenza. Ci sono due categorie principali associati a data mining: analisi descrittiva e modellazione predittiva.

Analisi descrittiva utilizza la segmentazione e il clustering di analizzare meglio un modello di serie di comportamento tra un particolare gruppo di clienti. I clienti possono essere raggruppati in base a sesso, età, razza, e altre categorie. L'obiettivo principale di un segmento è di fornire il marketing con un gruppo di clienti simili per miniera più efficacemente i dati per intuizioni utili.

Clustering aggrega gruppi di segmenti. Ciascun cluster è mutuamente esclusivo ed è caratterizzata da un insieme di caratteristiche predeterminate. Ad esempio, un cluster potrebbe includere età femmine 18 a 25 che hanno acquistato un certo smalto durante le ultime due settimane di dicembre 2010. Questo è un esempio di metodo qualitativo dati CRM mining.

Nei segmenti non di esclusione, un'altra forma di analisi descrittiva, un particolare insieme di comportamento del cliente porta a un nuovo insieme di comportamenti. Ad esempio, un gruppo di clienti potrebbe spendere una notevole quantità di denaro per servizi termali, ma non spendere un sacco di soldi per servizi connessi come i capelli e la cura del salone. Questo tipo di dati mining CRM richiede un'analisi più avanzate statistica di segmentazione di base.

Predictive modellazione è la più popolare delle due categorie di data mining CRM. Misura il grado di correlazione tra due fattori di comportamento dei clienti e l'affidabilità statistica di tale correlazione. Il modello predittivo è costruito utilizzando un'applicazione mining che assegna punteggi per ciascun cliente, che indica la probabilità che il cliente si comporterà nello stesso modo in futuro. Ad esempio, il modello può aiutare un marketer per determinare la probabilità che un cliente maschio sposato di età compresa tra 31 e 42 con i bambini tra acquisterà una particolare marca di tosaerba entro i prossimi sei mesi.

La specificità è molto importante nei dati CRM mining utilizzando modelli predittivi. Esistono diversi tipi di metodi utilizzati per questo scopo. Un modello univariata confronta una singola variabile a diverse altre variabili per determinare il rapporto con la più elevata correlazione. Chi-Squared interazione automatica analisi di rilevamento (CHAID) e di classificazione e di regressione alberi alberi decisionali (CART) modelli di visualizzazione, in cui una variabile causa l'istanza di una o più variabili. Un modello di regressione multivariata test più variabili contro l'altro per valutare eventuali correlazioni.