分析型顧客關係管理是顧客關係管理的一個分支，主要是指通過運用資料庫、統計工具、數據挖掘、機器學習、商業智慧型和數據報告等技術，獲取、分析及套用與顧客相關的各種數據信息以及接近顧客的方法手段。
基本介紹
- 中文名：分析型顧客關係管理
- 外文名：Analytical CRM
- 類型：分析方法
- 從屬關係：顧客關係管理的一個分支
簡介,顧客信息,客戶關係,相關介紹,解釋,運用,步驟,優勢,局限,
簡介
分析型CRM(Analytical CRM)：把大量來自運營型系統的交易數據進行整合，建立起統一的CRM信息資源庫，猶如人的大腦。主要是通過數據倉庫、客戶資料庫、客戶細分系統、報表和分析系統等技術。對客戶數據和客戶行為模式進行分析，進一步為企業決策和個性化服務提供智力支持。
分析型的電子政務CRM系統：把大量來自運營型電子政務CRM系統的數據進行整合，建立起統一的CRM信息資源庫，使電子政務系統實現在網路化服務跨越時空的同時，充分支持個性化服務。主要的技術有數據倉庫、WEB挖掘等。
顧客信息
更具體的顧客信息數據，如
顧客財務狀況（年收入、收益）
顧客的交易情況（產品情況和收入情況與利潤情況、支付方式、支付行為）
網路溝通情況（IP位址、登錄頁面、點擊流、訪問時長）
電話溝通情況（客服呼叫中心數據報告、銷售電話）
其他溝通情況（郵遞郵件、回復反饋）
顧客滿意程度（分別對產品、服務、公司）
公司在經營過程（銷售和服務、財務、市場）中通過其信息渠道（多渠道行銷）獲得以上顧客數據信息。 有些信息還能通過外部資源獲取，如市場調查數據和地址資料庫等。較為明智的做法是對顧客數據信息進行中心化存儲和管理，以避免多版本數據造成混亂。顧客數據應該做到真實和完整、準確和唯一（各顧客在資料庫里應該是唯一狀態，不能出現重複），並且具有易達性，數據需求者在需要的時候能夠方便地訪問和使用這些數據。 對那些將顧客關係管理放到戰略高度的公司來說，這點更是千真萬確毫無疑問的。
客戶關係
第一，基本型：銷售人員把產品銷售出去就不再與顧客接觸。
第二，被動型：銷售人員把產品銷售出去並鼓動顧客在遇到問題或有意見時給公司打電話。
第三，負責型：銷售人員在產品售出後不久打電話給顧客，檢查查您是否符合顧客的期望。銷售人員同時向顧客尋求有關產品的改進建議，以及任何特殊缺陷與不足。
第四，能動型：公司銷售人員不斷給顧客打電話，提供有關改進產品用途的建議或有關有用的新產品信息。
第五，夥伴型：公司不斷地與顧客共同努力，尋求顧客合理開支的辦法，或者幫助顧客更好地進行購買。
大多數公司在市場規模很大而且公司的單位邊際利潤比較小的情況下，實行基本型行銷，例如，麥當勞快餐就不可能給每位買主打電話，以表示對顧客購買豬柳蛋漢堡包的關注。而寶潔公司實行的則是被動型的行銷模式，因為寶潔公司雖然像麥當勞一樣不可能為每一位消費者打詢問電話，但它至少可以建立一個800免費熱線，鼓勵那些用了海飛絲或潘婷洗髮液的顧客在遇到問題或有意見時給公司打電話。
相關介紹
分析型CRM的運用 最佳化行銷效果。
顧客獲取、交叉銷售、向上銷售、顧客保持，等等。
顧客行為分析以促進產品和服務決策（如產品定價、新品開發）。比較：QualityFunctionDeployment質量功能展開。
管理決策，如財務預測、顧客收益分析。
顧客流失可能性分析。
分析型CRM的步驟
在顧客數據被收集和存儲之後，數據分析即可展開。這一分析過程通常包括以下幾個步驟：
1。問題公式化。我們想知道什麼。此問題是否可答（從技術、財務、組織等角度分析）。一些典型的顧客關係管理分析型問題：
顧客分類
獲取分析（各數據列表和資料庫的質量要求是什麼）
關係分析（期望顧客保持，交叉銷售和深度銷售及向上銷售的機會）
渠道或手段分析（通過哪些渠道或手段能夠獲得最佳結果）
2。分析準備（隨機樣本調查和相關變數、範例、分布、確定性數據設定）
3。確定性分析，運用：
統計技術（RegressionAnalysis回歸分析，DynamicRegression動態回歸，ExploratoryFactorAnalysis探索性因子分析，ExponentialSmoothing指數平滑法，ARIMA自回歸整合移動平均模型）
數據挖掘，以期發現數據中的非明顯性及非線性模式。
機器學習（人工智慧）技術，如：神經網路、基因算法、關聯規則及範例推理。
4。結果形象化，將分析結果以可理解的形式提供給其他用戶。
分析型CRM的優勢
於龐大的顧客資料庫中發現有用的數據信息。
分類顧客，預測顧客行為，選擇針對性強的市場渠道和手段。
分析型CRM的局限
某些技術方法過於複雜，不易理解。
仍處於早期發展階段。
解釋
顧客信息包括：
基本的顧客個人數據，如： 顧客姓名、工作單位、業務部門、通訊地址、電子郵件、電話、傳真、性別、國籍，等等。 更具體的顧客信息數據，如 顧客財務狀況（年收入、收益） 顧客交易情況（產品情況、收入情況、利潤情況、支付方式、支付行為） 網路溝通情況（IP位址、登錄頁面、點擊流、訪問時長） 電話溝通情況（客服呼叫中心數據報告、銷售電話） 其他溝通情況（郵遞郵件、回復反饋） 顧客滿意程度（分別對產品、服務、公司） 公司在其經營過程（銷售、服務、財務、市場）中通過其信息渠道（多渠道行銷）獲得以上顧客數據信息。 有些信息還可以通過外部資源獲取，如市場調查數據、地址資料庫等。一個較為明智的做法是對顧客數據信息進行中心化存儲和管理，以避免多版本數據造成的混亂。顧客數據應該做到真實、完整、準確和唯一（各顧客在資料庫中應該是唯一狀態，不能出現重複），並具有易達性，數據的需求者在需要的時候能夠方便地訪問和使用這些數據。 對於那些將顧客關係管理放到戰略高度的公司來說，這一點更是千真萬確毫無疑問的。
運用
最佳化行銷效果。 顧客獲取、交叉銷售、向上銷售、顧客保持，等等。 顧客行為分析以促進產品和服務決策（如產品定價、新品開發）。 比較： Quality Function Deployment質量功能展開。 管理決策，如財務預測、顧客收益分析。 顧客流失可能性分析。
步驟
在顧客數據被收集和存儲之後，數據分析即可展開。 這一分析過程通常包括以下幾個步驟：
1. 問題公式化。 我們想知道什麼。 此問題是否可答（從技術、財務、組織等角度分析）。 一些典型的顧客關係管理分析型問題：
顧客分類 獲取分析（各數據列表和資料庫的質量要求是什麼） 關係分析（期望的顧客保持，交叉銷售、深度銷售及向上銷售的機會） 渠道或手段分析（通過哪些渠道或手段能夠獲得最佳結果） 2. 分析準備（隨機樣本調查、相關變數、範例、分布、確定性數據設定）
3. 確定性分析，運用：
統計技術（Regression Analysis回歸分析， Dynamic Regression動態回歸， Exploratory Factor Analysis探索性因子分析， Exponential Smoothing指數平滑法， ARIMA自回歸整合移動平均模型） 數據挖掘，以期發現數據中的非明顯性及非線性模式。 機器學習（人工智慧）技術，如： 神經網路、基因算法、關聯規則及範例推理。 4. 結果形象化，將分析結果以可理解的形式提供給其他用戶。
優勢
於龐大的顧客資料庫中發現有用的數據信息。 分類顧客，預測顧客行為，選擇針對性強的市場渠道和手段。
局限
某些技術方法過於複雜，不易理解。 仍處於早期發展階段。
