方程客户关系管理(CRM)解决方案

　　方程CRM解决方案，主要提供对已经收集的各种客户资料进行分析。它包括以下特点和功能:

　　1. 能够统计大量的客户信息并支持对客户进行多维的特征分析;

　　系统能够支持对多维的组合性的分析，可以快速给出符合分析条件的客户名单和数量。

　　2. 能够处理复杂的数据并支持对客户进行行为分析;

　　可以结合客户信息对某一类客户群的消费行为进行分析，可以从多个数据库中抓取并形成复杂的data cube。在此基础上，我们可以分析某类客户的消费行为，例如:电信行业可以分析经常打漫游电话的人群具备什么样的客户特征;年龄在30岁左右，月收入在5000以上的女性是否是长途电话消费主体，她们的通话习惯时段是从几点到几点;是否周末的长途漫游消费有明显不同于周日的特征等等。

　　3. 具有自定义的建模方式和参数调整的功能;

　　除了特征分析和行为分析，预测正在日益成为强大的分析功能必须提供的应用。在详细了解了消费行为之后，很自然地，我们会想到对数据的参数进行某些调整，例如，价格的变化，如果调整周末的消费费率，对整体收入会带来什么影响?如果我们着力吸引那些能够带来高价值的客户，那么初期的投入应当在什么范围内?客户的消费点临近什么值得时候开始成为"正利润"客户?其生命周期至少要在多长时间以内才具有成为"忠诚客户"的潜力?现有的模型分析很大程度上是为企业的市场研究和分析人员提供，有助于他们能够更理性地制定市场细分策略。

　　4. 能够进行融合了人工智能的数据挖掘。

　　客户信息的录入和储存方式是数据(data)，但是，对于决策者来讲，独立的单个的数据的意义并不大，更重要的是信息(information)和知识(knowledge)。现有的数据挖掘方法已经能够支持进行按照内置逻辑语言进行归纳和演绎。例如，根据模型数据，系统建议以达成最高利润为目标进行的价格优化政策。输入抽样调查的道的测试数据，可以根据呼出电话的反馈率、直邮的反馈率、电视广告反馈率、巡展的反馈率等数据确定最佳的市场活动模式，以最低的成本获得最好的市场活动效果。

　　5. 多渠道的数据源和整合(Aggregate multi-access of data)

　　整合现存放在不同数据库中相互关联的原始数据;

　　能够进行关联性的查询;

　　对大数据量的查询速度要求较高，因此必须进行移动和联接大量数据和实时处理数据的速度之间的平衡

　　6.对历史数据进行分析(Multi-dimensional analysis of historical data)

　　从历史数据中选择不同的角度考察消费行为;

　　评估客户价值，细分客户群;

　　利用数据验证行业经验;

　　针对不同的客户群发掘消费特点;

　　定期地将原始数据抓取到与运营系统分离的数据仓库中并完成分析图表，可以有效地降低等待时间;

　　平衡分析的灵活自定义和分析结果的反馈速度;

　　7.收益/客户消费预测(Predictive revenue/consumer forecast)

　　建立数据模型，对不同的客户群预测消费量;

　　调整重要参数，估计对收益或利润的影响;

　　对市场活动的效果进行预测;

　　从不同的纬度进行知识发现;

　　8.优化方法(Optimization method)

　　利用数据模型进行优化，适合确立价格策略;

　　通过设置商业规则，进行复杂的市场划分

　　平衡市场活动的费用和效益;

　　采用AI(人工智能)方法验证行业经验;

　　方程CRM解决方案的实施过程:

　　理解业务:最初的阶段，着眼于了解业务特点，并把它还原成为数据分析的条件和参数。例如:在零售行业中，方程CRM的第一个步骤是了解客户购买的频率，购买频率和每次消费金额之间是否有明显的相关关系。

　　分析数据:这个阶段着眼于对现有的数据进行规整。可以发现，在不少行业中，可分析的数据和前面提出的分析目标是不匹配的。例如:......More↓↓↓