用数据挖掘提升电信CRM能力

　　CRM在需求下变动

　　电信运营商CRM系统的规划和实施主要解决的问题是：销售过程管理、销售预测、订单管理和销售分析，主要管理对象为企业的大客户。

　　销售过程管理即对业务人员与客户的接触纪录进行管理。电信运营商的大客户销售管理也是分行业、分区域，因此往往容易形成多级客户管理的模式，如何让不同层级的员工更好地了解企业与客户的沟通，从而及时满足客户需求并获取销售机会，成为重要的管理问题。

　　因此，企业需要通过CRM系统来解决业务人员的客户拜访进程纪录、费用管理及销售漏斗管理等问题。其管理数据包括：客户联系人决策树、客户交互纪录、费用等;销售漏斗的管理包括：各客户所处的不同状态、预计签单额、跟单销售人员等；订单管理即对客户购买的产品/服务、价格、期限、SLA协议进行管理;销售分析则是对销售状况按产品、时间、员工、价格、趋势等做OLAP分析。

　　在提供以上关键应用解决方案的同时，项目组也要对该运营商的其他系统作充分调研，让业务部门最大程度地建立全面的客户视图。包括与营销管理系统、Call-Center、OSS、流程管理系统等接口，通过这些系统与CRM系统的数据交换，让业务部门实时了解企业与客户的交互。

　　换位的缺陷

　　可以肯定的是，以上的这些工作在帮助运营商提升客户关系管理能力方面起了非常重要的作用。但随着电信市场的竞争，尤其是资费竞争使客户忠诚度日渐下降，加之运营商在CRM方面的认识不断深化，数据挖掘技术在国内的兴起，我们又不得不换一个视角来思考问题。

　　销售过程的管理能够了解客户深层次的需求吗？对于电信企业上百万的住宅用户如何进行销售过程的管理？销售过程管理，使企业只能通过表面的交互来了解客户，不能深入洞察客户的需求。

　　电信运营商现有的CRM系统已经帮助企业积累了大量数据：客户基本信息、客户联系人决策关系、客户交互纪录、销售费用、销售状态、产品、价格、趋势、Call-Center交互纪录、甚至账务信息等。面对日益激烈的资费竞争，如何深入应用这些信息，提升企业客户洞察能力，发掘客户需求，提升客户满意度，进而利用客户的消费趋势和规律发掘新客户，成为摆在各电信运营商面前的实际问题。

　　引入数据挖掘

　　电信企业有其先天性的IT优势，大量的数据包括：客户基本信息、产品/服务使用信息、各种通话时长、各种通话费用、通话时间偏好、与企业互动信息等，都可拿来作为分群的变量(维度)。

　　用数据挖掘技术对客户进行分群与OLAP的根本区别在于，前者能够帮助企业以更全面的视角洞察客户，同时发现一些隐藏在数据背后的商业机会；而OLAP则是根据人的主观意图，通过向数据库发出指令，从数据库中得到一个结果。

　　“预测”则是通过对客户过去在发生某种行为前一段时间的特定表现，来预测其他客户发生该行为的可能性。其主要应用包括流失预测、购买倾向预测、市场活动响应预测，通过预测模型可以大大提高流失中客户挽留率，提高市场活动响应率，从而保证企业持续增长的收入，提高营销活动的命中率。

　　同样，可以通过客户离网前的行为特征构建流失预测模型，对即将流失的客户做挽留；也可以通过对现有CRM系统中，业务人员的客户拜访行为对签单成功率的影响构建预测模型，改善业务人员客户拜访水平；通过以往销售人员的客户拜访费用构建预测模型，预测下阶段费用预算；通过销售漏斗所处的阶段与是否签单的关系，预测市场部门的市场活动所需投入等。

　　通过以上分析可以看到，数据挖掘技术已经不再仅仅局限于客户接触层面的客户关系管理，它已经真正深入到客户的消费行为和消费喜好，从更加深入全面的角度洞察客户、理解客户价值，继而基于这种洞察，在合适的时间通过合适的渠道向合适的客户提供量身定做的产品套餐。