随着企业CRM系统的不断完善，前、后台系统从接触中心所得到的数据日益增加，企业积累了大量的客户和产品销售数据。这些海量的数据使用传统的查询或分析工具往往不能识别其中有价值的信息，进而就不能为企业指定营销策略、开展营销活动提供决策支持，难以针对具体的客户开展一对一的服务。而数据挖掘恰好能够解决上述问题，所以数据挖掘在CRM中如何应用已经成为CRM领域一个非常热门的话题。

1 数据挖掘在CRM中的作用

数据挖掘可以应用到CRM的各个不同领域和阶段，具体来说，在CRM中，它可以应用在以下几个方面：

（1）一对一营销。企业内部员工必须首先认识到客户是企业永恒的宝藏，而不是本部门的一次交易。所以，每一次与客户接触都是了解客户的过程，也是客户体验企业的机会。因此，真正的关心客户，为每位客户设计相符的、个性化的建议，才能让客户体会到企业的价值。近年来，一对一营销之正在被众多的企业所青睐。一对一营销是指了解每一个客户，并同其建立起持久的关系。通过特征化和分类，数据挖掘可以把大量的客户分成不同的类，在每一个类里的客户具有相似的属性，而不同类里的客户的属性也不同。通过数据挖掘了解不同客户的爱好，提供有针对性的产品和服务，可以大大提高各类客户对企业和产品的满意度。

（2）客户盈利能力分析。在客户群中，客户的盈利能力肯很大的区别。如果不知道客户的盈利能力，就很难制定有效的营销策略，以获取最有价值的客户，或者提高有价值客户的忠诚度。数据挖掘技术可以用来预测在不同的市场活动情况下客户盈利能力的变化它从客户的交易历史记录中发现一些行为模式，并使用这些行为模式来预测客户盈利能力的高低，或者发现盈利能力较高的新客户。

（3）交叉销售（Cross-selling）.企业与客户之间的商业关系是一种持续的不断发展的关系。在客户与你建立起这种双向关系之后，可以使用很多方法使这种客户关系趋于完善，包括：延长这种关系的时间；在维持这样的关系期间增加互相的接触，在每一次互相接触中获得更多的利润。所有这些都可以通过交叉销售来实现交叉销售就是指你向现有客户提供新的产品和服务的营销过程。交叉销售是建立在双赢原则上的，对客户来讲，要得到更多更好满足他需求的服务且从中受益；对企业来讲，也会因销售额的增长而获益。

通过相关分析，数据挖掘可以帮助你分析出最优的合理的销售匹配，相关分析的结果可以用在交叉销售的两个方面：一方面是对于购买频率较高的商品组台，找出那些购买了组合中大部分商品的顾客，向他们推销"遗漏的"商品；另一方面是对每个顾客找出比较适用的相关规律，向他们推销对应的商品系列。通过聚类分析，可以确定属于某一类的顾客经常购买的商品，并向没有购买的此类顾客推销这些商品。

（4）客户的获取。在大多数商业领域中，业务发展的主要指标中都包括新客户的获取能力。新客户的获取包括发现那些对你的产品不了解的顾客，也可能是以前接受竞争对手服务的顾客。通过时这些客户的细分，可以帮助企业完成潜在客户的筛选工作。

（5）客户的保持。随着各个行业的竞争越来越激烈，企业获得新客户的成本不断地上升，因此保持原有客户就显得越来越重要。

一个企业的客户一般可分为三类：①无价值或低价值的客户；②不会轻易走掉的有价值的客户；③不断地寻找更优惠的价值和更好服务的有价值的客户。传统的市场活动是针对前两类客户的，而现代客户关系管理认为，特别需要用市场手段来维护的客户是第三类客户，这样做会降低企业运营成本，数据挖掘可发现易流失的客户，企业就可以针对客户的需求采取相应措施。

2 在CRM中实施数据挖掘应用

数据挖掘是一个比较复杂的应用，所以在CRM中实施数据挖掘需要经过审慎的考虑，这样才能够实施一个成功的数据挖掘应用，使CRM本身从中受益，在CRM中创建和实施一个数据挖掘应用需耍很多步骤，包括：

（1）确定如何使用数擗挖掘。数据挖掘是用来优化CRM,提高企业运营效率的，所以数据挖掘虚用必须能够与企业现有CRM流程或CRM的人工处理过程集成因此，首先需要理解现有的CRM流程（包括已经实现的CRM系统的流程和人工处理过程）,以确定在哪里可以使用数据挖掘来进行优化。

通常在一个CRM系统中实施数据挖掘应用时，我们不是同时针对CRM流程的各个环节开发数据挖掘应用，而是首先针对关键环节，或者需求较为强烈的环节优先进行部署。

（2）定义数据挖掘应用的用户。数据挖掘应用的用户组成通常比较复杂，他们包括经常使用系统但是仅使用一些简单功能的日常工作人员，也包括很少使用系统但市每次使用系统都需要完成大量分析、挖掘任务的企业高拱决策者；包括精通数据挖掘技术的专业人员，也包括毫无技术背景的普通用户。所以系统中用户的定义需要经过细致的用户需求分析，充分了解每一种用户的详细信息（技术背景、使用系统的频率，是否具有数据挖掘技术相关知识等等）、需求和愿望。

（3）定义所使用的数据并进行数据预处理。数据挖掘是否能够获得有价值的信息，很大程度上取决于输入数据的数量和质量。实施一个数据挖掘应用，首先应该针对数据库或数据仓库中的大量数据建立完善的数据字典，或称为元数据。使用数据字典，可以准确地从数据或数据仓库中找到数据挖掘应用所需的数据。但是，存储在数据库中的数据通常存在数据的不完整、不一致等一些情况，而且通常包含了许多挖掘时用不到的多余属性所以，在真正使用这些数据之前，需要对他们进行清理、转换、集成和属性归约。

（4）反复验证，数据挖掘是一个复杂的应用，对一个大犁数据挖掘应用的骑证需耍花费大量的时间，所以验证应该从较小的系统开始，对系统的验证可以纠正其中发生的错误，而目的有利于用户对数据挖掘应用的理解，帮助他们提出更合理、更有创见性的建议。

（5）用户培训它也是非常重要的一环，因为用户才是最终真正使用CRM系统和其中的数据挖拙应用的人，对用户的培训必须让他们知道对所使用的CRM系统的整体流样、功能以及数据挖拙应用在其中所起的作用，了解系统中所使用的数据的具体含义，最后指导他们对挖掘结果进行有效的访问和可视化。

在CRM中实施数据挖掘应用是一个持续的过程，不可能一蹴而就。随着CRM系统的不断扩展和数据资源的积累，很可能需要重新建立其中的数据挖掘模型或者创建新的数据挖掘应，我们相信，数据挖掘和CRM的结合必然会推动企业的发展，同时也为客户提供更优质的服务。