与大数据相结合的CRM营销分析（上）

        随着各行业O2O全渠道数据可获取性的不断增强以及数据采集自动化技术快速发展，大量用户线上行为数据能够通过线下数据以数字化方式来预测、记录和分析描述，反之则亦然。

        同时，越来越多的企业更积极地把结合大数据的CRM客户关系管理系统营销分析运用到实际商业活动中，以提升企业的市场竞争力、销售利润或改善用户体验。通过CRM系统进行数据挖掘其主要目的，可以归结以下几点：客户细分、获取新客户、提升客户价值和保持客户防止流失等。

一、CRM实施的前提——客户细分

        客户细分就是把客户根据其性别、收入、交易行为特征等属性细分为具有不同需求和交易习惯的群体，同一群体中的客户对产品的需求的及交易心理等方面具有相似性，而不同群体间差异较大。客户群体细分可以使企业在市场营销中制定正确的营销策略，通过对不同类别客户提供有针对性的产品和服务，提高客户对企业及产品的满意度，以做到利润最大化。

二、获取新客户——客户响应分析

        在大多数商业领域中，业务发展的主要指标里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，他们可能是你的产品的潜在消费者，也可能是以前接受你的竞争对手服务的顾客。在寻找新客户之前，企业应该确定哪些客户是可能的潜在客户、哪些客户容易获得、哪些客户较难获得，从而使企业有限的营销资源得到最合理的利用。

        因此，预测潜在客户对企业销售推广活动的反应情况是客户获得的前提。由于潜在客户的数量日益庞大，如何提高市场促销活动的针对性和效果成为获取新客户的关键问题。数据挖掘可以帮助企业识别出潜在的客户群，提高客户对市场营销活动的响应率，使企业做到心中有数、有的放矢。

        根据企业给定的一系列客户资料及其他输入，CRM系统中的数据挖掘工具可以建立一个“客户反应”预测模型，利用这个模型可以计算出客户对某个营销活动的反应指标，企业根据这些指标就可以找出那些对企业所提供的服务感兴趣的客户，进而达到获取客户的目的。

        更多其他内容，请阅读《与大数据相结合的CRM营销分析（下）》