客户关系管理版教学课件第7章.ppt

《客户关系管理版教学课件第7章.ppt》由会员分享，可在线阅读，更多相关《客户关系管理版教学课件第7章.ppt（54页珍藏版）》请在三一办公上搜索。

1、,客户关系管理第七章,中的数据管理与客服中心,01 CRM的客户数据,02 数据仓库技术,03 数据挖掘技,04 数据挖掘技术的应用,本章主要内容,CONTENTS,部门：XXX 汇报人：xxx,05 客户服务中心,06 案例：广发银行呼叫中心语音大数据分析系统建设,01 掌握客户数据的类型及收集方法,本章学习重点和难点,部门：XXX 汇报人：xxx,02 了解客户数据收集过程中对客户隐私管理问题,03 掌握数据仓库和数据挖掘的有关含义,04 掌握数据挖掘技术对的商业贡献,05 掌握数据挖掘技术在中的应用流程,06 正确理解客户服务中心的定义、类型及作用,案例导入,客户数据的作用 美国公司对大

2、量新生的三口之家周末家庭采购记录进行的数据分析发现，啤酒和尿布的购买时间和购买主体有着惊人相仿性。众所周知，啤酒是成年男子的杯中物，尿布则是婴儿的必需品，喝啤酒的人是不带尿布的，带尿布的人也不可能喝啤酒，二者看似难以发生商业联系。客户资料的细化分析揭穿了其中的秘密：原来，美国大量的年轻母亲在周末都喜欢放松一下身心，而孩子的尿布却需要在周末进行大量补充，购买尿布的差事自然就落到孩子父亲的肩上，而这些年轻的爸爸在超级市场选好尿布之余，总是要顺带给自己拎上几罐啤酒。 每一个独到的商业发现都有其对应的市场价值。这家美国公司随即采取了行动，将原本分散在两层的啤酒和尿布集中到了一起摆放，使那些周末才出现在

3、超市里的年轻父亲节约了采购时间。与此同时，该公司主动向这些年轻的三口之家提供包括啤酒和尿布在内的周末送货上门服务。如此一来，该百货零售公司的销售额同比上涨了多。 思考题： 请思考关于CRM，本案例给你带来了怎样的启示？为什么说客户数据是CRM的灵魂？,CRM的客户数据,客户是企业竞争的基础，而客户数据是系统的灵魂，对数据的处理和分析是 的主要任务和功能。在客户数据库中，收集和管理包括商品、客户和潜在客户等表示客户 “基本状态”的信息，帮助企业完成消费者分析，确定目标市场，进行销售管理，并跟踪市场产品销售状况。,01,. 客户数据的类型,CRM的客户信息一般从销售过程、客服过程、业务推广过程或其

4、他多种形式获得。从商业活动行为的需要来看，有一个对客户了解、针对性促销、产生交易的过程，行为过程产生了不同的数据类型，据此把客户数据分为3类。,）客户描述性数据此类数据是描述客户或消费者的数据类型，它通常是表格型的摘要数据，用关系数据库的术语来说，就是一个客户数据中的不同列。由于是客户的基本信息，变动不是很快，可在较长一段时间使用。）市场促销性数据市场促销性数据表示对每个客户进行了哪些促销活动，详细设计取决于数据库系 统的复杂程度）客户交易数据描述企业和客户相互作用的所有数据都属于客户交易数据。这类数据和促销活动的数据一样，都 会随时间迅速变化。因此，通常是将它们存放在特殊的数据库结构中，要求

5、这种存储结构能方便地支持带有时间标记的交易数据的更新和改变。,. 客户数据的采集,在企业的信息化过程中，越来越多的企业数据管理作为重要的工作内容，而客户数据的采集则是最重要的第一步。这一个阶段主要的目标就是要保证客户数据的准确、及时，如果数据质量无法保证，后续的数据处理和分析则往往达不到预期的效果。 对一个成熟的数据库系统来说，其信息数据来源要求稳定而又可靠，必须建立多渠道集成的客户信息收集平台（如图所示），它的功能不仅是了解顾客需求、接收产品反馈信息，还担负着企业与顾客的接口作用。,. 客户的隐私问题及保护措施,不管如何为客户数据建立内部数据结构，在从外部获取客户数据时，客户的隐私问题永远是

6、企业应考虑的重要步骤，它是客户最为关心的问题。而且随着CRM系统功能的更加强大，这个问题变得更加重要。 人们对规模数据收集的担心，必然会扩展到对这些数据的任何分析。客户数据使用的 法律问题也许会成为CRM的一个绊脚石，尤其大数据时代加剧了个人对隐私的关注。在欧美国家，客户数据隐私的法律问题已在研究和试行，以“良好信息使用”为原则的观点逐渐被 接受，在客户数据收集时更强调客户的授权主动性。 在建立针对CRM的数据库时，尽管不知道将来对保护消费者隐私的法律取向如何，还是要有一些针对性指导方针，以避免诸多将来可能碰到的问题。在当前的法律的技术水平上，可采取以下措施：）使用匿名身份信息）尽量使用汇总数

7、据）信息只用于市场定位或评估）尽可能不合并数据源,在法律对如何使用客户隐私数据作出更好的规定之前，不存在一个可以解决所有相关问题的方案。但是存在一个通用的体系结构可以为数据分析提供帮助。这个结构如图所示：,. 客户数据库的建立,企业需要建立以客户为单位而不是以产品为单位的客户数据库，这实际上需要对客户数据进行适当的整合，并且企业需要根据客户的购买行为对客户进行分类，以便提供个性化的服务。,）客户数据库的特点,在CRM应用中，数据处理主要集中于客户数据库，与其他类型的数据库相比，客户数据库具有以下一些特点：（）动态的、整合的顾客数据管理和查询系统（）基于数据库支持的顾客关系格式或结构系统（）基于

8、数据库支持的忠诚顾客识别系统（）基于数据库支持的顾客购买行为参考系统（）个性化服务,）客户数据的分类,. 客户数据库的建立,）客户数据的分类,尽管企业可能期望客户数据库中有尽可能多的客户群体和客户类型，但一般情况下，客户数据库只包括以下种客户类型：现有客户潜在客户流失的客户分销商,. 客户数据库的建立,）客户数据信息处理,由于从目标客户群收集的数据一般是离散的、非结构化的、待验证的，其中充斥着许多无效甚至容易起误导作用的信息。这就需要采用科学的方法来清洗、提炼这些海量的数据， 达到去粗取精的目的，从而为企业各个层级的部门提供经营、决策上的支持。一般而言，客户信息处理有个步骤：,校验,结构化,借

9、助数据仓库进行数据的使用和分析,）构建客户数据库,客户数据库是使用和挖掘客户信息的核心，它的建立是一切数据分析的基础，在建立时 应遵循以下几条原则：按照可预见未来所需的信息量，尽可能多地考虑预期客户购买产品的情况和购买后的反应。深入策划客户数据库的组成部分，应保留一定的弹性，以满足未来变化的需要。 建立数据库，不需要因谋求建立一个详细完备的数据库而推迟建成时间，可先建成一 个小而实用的数据库，在管理客户数据库中获得经验，并对其评价，不断改进。 构建客户数据库时，让尽可能多的部门和人员参与。一方面使信息采集科学完备；另 一方面让数据库的使用者充分了解设计者的思想。,数据仓库技术,随着计算机技术的

10、广泛应用和发展，人们已不再满足于仅仅执行简单的数据事务操作， 而要求对现有的数据进行系统的组织、理解、分析和推理，从而迅速而准确地获取关联信息， 为战略决策提供依据。数据仓库就是针对上述问题而产生的一种技术方案，它是基于大规模数据库的决策支持系统环境的核心。,02,. 数据仓库概述,传统的数据库技术是以单一的数据资源，即数据库为中心，进行事务处理、批处理、决策分析等各种数据处理工作，主要划分为两大类：操作型处理和分析型处理（或信息型处理）。 近年来，随着数据库技术的应用和发展，人们尝试对DB中的数据进行再加工，形成一个综合的、面向分析的环境，以更好支持决策分析，从而形成了数据仓库技术（Data

11、 Warehouseing，DW）。作为决策支持系统（Decision Making Support System，DSS），数据仓库系 统包括：数据仓库技术、联机分析处理技术（On Line Analytical Processing，OLAP）和数据挖掘技术（Data Mining，DM）。,数据仓库定义,数据仓库概念始于20世纪80年代中期，首次出现是在号称“数据仓库之父”William H . Inmon的建立数据仓库一书中。随着人们认识的不断完善，给出了更精确的定义：即“数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合”。,数据仓库弥补了原有的数据库的

12、缺点，将原来的以单一数据库为中心的数据环境发展为一种新环境：体系化环境，如图所示：,. 数据仓库概述,数据仓库具备个关键特征：面向主题（Subject oriented）集成（Integrated）时变（Time Variant）不可修改（Nonvolatile）,据数据仓库所管理的数据类型和它们所解决的企业问题范围，一般可将数据仓库分为：企业数据仓库（EDW）操作型数据库（ODS）数据市集（Data Mart）,与关系数据库不同的是，数据仓库并没有严格的数学理论基础，也没有成熟的基本模式，且更偏向于工程，具有强烈的工程性。因此，在技术上人们习惯于从工作过程等方面来分析，并按其关键技术分为：数

13、据的抽取数据的存储和管理数据展现 总之，数据仓库并非是一个仅仅存储数据的简单信息库数据仓库实际上是一个“以大型数据管理信息系统为基础的、附加在这个数据库系 统之上的、存储了从企业 所有业务数据库中获取的综合数据的、并能利用这些综合数据为用户提供经过处理后的有用信息的应用系统”。,. 数据仓库概述,联机事务处理（OlTP） 联机事务处理（On Line Transaction Processing，OlTP）是传统的关系型数据库的核心应用，主要执行基本的插入、删除等联机事务和查询处理，其基本任务就是及时、安全地将当前事务所产生的记录保存下来。 为实现OLTP，在外部接口部分，DBMS使用标准的S

14、QL数据库语言。在DBMS内部则实现了事务管理，支持事务的并发和恢复，并使每一事务都满足所谓的ACID特性。原子性（Atomicity）一致性（Consistency）隔离性（Isolation）持续性（Durability）,数据仓库的体系结构,. 数据仓库的实施,数据仓库的开发流程:,实施数据仓库应注意的问题:与传统业务系统不同，数据仓库是面向管理决策层应用的，必须有系统自身的最终用 户企业决策层的参与。由于数据仓库的访问和查询往往能够通过工具来提供，因此数据仓库的功能取决于系统的规划和设计。在对待原始数据的问题上，需要坚持一个原则，就是不拘泥于业务系统的现状。数据的抽取、转换和装载是一项

15、技术含量不高但却非常烦琐的工作，在系统实施过程 中建议由专门小组或人员负责数据抽取的工作，将其纳入统一的管理和设计，不仅考虑原始 数据源的类型，还必须考虑抽取的时间和方式,. 数据仓库的实施,实施数据仓库应注意的问题:与传统业务系统不同，数据仓库是面向管理决策层应用的，必须有系统自身的最终用 户企业决策层的参与。由于数据仓库的访问和查询往往能够通过工具来提供，因此数据仓库的功能取决于系统的规划和设计。在对待原始数据的问题上，需要坚持一个原则，就是不拘泥于业务系统的现状。数据的抽取、转换和装载是一项技术含量不高但却非常烦琐的工作，在系统实施过程 中建议由专门小组或人员负责数据抽取的工作，将其纳入

16、统一的管理和设计，不仅考虑原始数据源的类型，还必须考虑抽取的时间和方式。用户对数据仓库的认识常常从报表起步，但数据仓库并不是为业务报表而设计的。系统的实施需要明确的计划和时间表，新的技术和产品可以分阶段加入，但要避免无休止的测试和选型。,. 多维数据仓库中度量的建模,设计和建立数据库是成功地创建数据仓库的一个关键步骤，这一步涉及的数据来自多 种数据源，并且要把它们合并成一个单独的逻辑模型。数据仓库常常使用星型模式和雪花型模式来存储数据，作为OLAP工具管理的基础， 以便尽可能快地响应复杂查询下面就两种存储模式分别说明数据仓库中度量的建模。,星型模式是最流行的实现数据仓库的设计结构。星型模式通过

17、使用一个包含主题的事实表和多个包含事实的非正规化描述的维度表来执行典型的决策支持查询。一旦创建了事实表，那么可以使用OLAP工具预先计算常用的访问信息。星型模式的结构如图所示：,星型模式,雪花模式,雪花模式是星型模式的一种扩展形式，在这种模式中，维度表存储了正规化的数据，这 种结构通过减少磁盘读的数量而提高查询性能。雪花模式的结构示意图如图所示：,. 数据仓库的执行策略,数据仓库中的两个概念：数据集市（Data Mart）。数据集市是一个针对某个主题的经过预统计处理的部门级分析数据库，如销售数据集 市、营销数据集市、库存集市和财务集市等。元数据（Metadata）。元数据为数据中的数据，即描述

18、数据的数据。,随着数据仓库技术的发展，如今数据仓库的执行策略已经从最初的“自上而下”模式发 展成为多种形式。,1-1.自上而下模式,1-2.有反馈的自上而下模式,. 数据仓库的执行策略,2-1.自下而上模式,2-2.有反馈的自下而上模式,3-1.平行开发模式,3-1.有反馈的平行开发模式,. 联机分析处理（OLAP）,联机分析处理（On Line Analytical Processing，OLAP）是在1993年由关系型数据库模型 的发明者E.F.Cood博士提出的。OLAP支持通过多维的方式对数据进行分析、查询和生成报表，其基本功能是对用户当前及历史数据进行分析以辅助领导决策。即OLAP

19、应当提交对共享的多维信息的快速分析，其中包含个关键特征：多维 快速 分析 共享 信息,传统的OLTP（On Line Transaction Processing，联机事务处理系统）是事件驱动，面向应用的。其特点是：响应时间要求高；用户数量庞大，面向的对象主要是操作人员；数据库的操作基本依靠索引进行。OLAP（On Line Analytical Processing，联机分析）是基于数据仓库的信息分析处理过程， 是数据仓库的用户接口部分。OLAP是跨部门、面向主题的，其基本特点有基本数据来源于多个数据源的数据；响应时间合理；用户数量相对较少，其用户主要是业务决策与管理人员； 数据库的各种操作

20、不能完全基于索引进行。,数据挖掘技术,数据挖掘是近年来随着人工智能和数据库技术的发展而出现的一门新兴技术。它是从大量的数据中筛选出隐含的、可信的、新颖的、有效的信息的高级处理过程。 数据挖掘是面向事实的，在数据挖掘中，数据分为训练数据、测试数据和应用数据3大部分，而这3部分的比例依据经验来确定（例如1:1:8）。数据挖掘力图在训练数据中发现事实，并以测试数据作为检验和修正理论的依据，而最后把知识应用于数据中。,03,. 数据挖掘的含义,技术角度的定义,数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的但又是潜在有

21、用的信息和知识的过程。,商业角度的定义,数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数 据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。,因此，数据挖掘可以描述为：按企业既定业务目标，对大量的企业数据进行探索和分析， 揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。,.2 数据挖掘的作用和意义,数据挖掘工具能从庞杂的信息中筛选出有用的数据，以公正客观的统计分析快速准确地得知企业经营的信息，从而找出销售模式，正确掌握未来的经营动态。从CRM的整体结构来说，数据挖掘是整个CRM最重要的一个阶段，也是构成商业智能整体解决

22、方案的基础。数据挖掘是CRM中的关键性阶段，透过数据挖掘，能有效地提供行销、销售和服务的决策支持，让工作人员得到充分的信息而展开行动，并于适当的时间和地点给客户提供适当的产品及服务。“数据挖掘”也让消费者更有能力找到真正需要的东西。他们可以用全球语义信息网 （Global Semantic）的红色链接轻而易举地找到相关的产品和它们的特性。,.3 数据挖掘的发展历程,随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。,.4 数据挖掘的任务,挖掘知识的类型在多数文献和“数据挖

23、掘”软件中称为数据挖掘任务。,总结规则挖掘。它所要做的是从客户指定的数据中挖掘出（从不同的角度或在不同的层次上）平均值极小值极大值、总和、百分比等。关联规则挖掘。它所要做的是从客户指令的数据库中挖掘出满足一定条件的依赖性关系。分类规则挖掘。它所做的是在已知训练信息的特征和分类结果的基础上，为每一种类别找到一个合理的描述或模型，然后再用这些分类的描述或模型来对未知的新数据进行分类。群集规则挖掘。它又称为无监督式的分类，其目的在于实事求是地，即客观地按被处理对象的特征分类，有相同特征的对象被归为一类。预测分析。当分类的工作偏向于插入漏掉的数据、预测数据分类或发展的趋势时，此时的工作即为预测分析。趋

24、势分析。趋势分析又称为时间序列分析，它是从相当长时间的发展中发现规律与趋势偏差分析。偏差分析又称为比较分析，它找出一系列判别式的规则，以区别客户设置的两个不同类别,.5 数据挖掘的基本方法,）统计分析方法,）人工神经网络,）决策树,统计分析方法主要用于完成知识总结和关系型知识挖掘。对关系表中各属性进行统计分析，找到它们之间存在的关系。在关系表的属性之间一般存在两种关系：第一种是函数关系（能用函数公式表示的确定性关系），第二种是相关关系，即不能用函数公式表示的关系。,决策树可用于分类。利用信息论中的信息增益寻找数据库中具有最大信息量的字节， 建立决策树的一个结点，再根据字段的不同取值建立树的分支

25、。典型的决策树方法有“分类回归树”（Classification And Regression Trees，CART）、ID3、C45、卡方自动归纳法（Chi Squared Automatic Induction）、卡方自动互动侦测器（Chi Squared Automatic Interaction Detector）等技术 产生的有效模型。,人工神经网络用于分类、群集、特征挖掘、预测和模式识别。人工神经网络可分为种：前馈式网络反馈式网络自组织型网络,.5 数据挖掘的基本方法,）粗糙集,）联机分析处理技术（OLAP）,）基因算法,基因算法用于分类、关系型规则挖掘等。基因算法模仿人工选择培育

26、良种的思路，从一 个初始规则集合（知识基因）开始，逐步通过交换对象成员（杂交、基因突变）产生群体（繁 殖），评估并择优复制（物竞天择、适者生存、不适应者淘汰），优胜劣汰，逐代积累计算，最终得到最优化的知识集。,粗糙集用于数据简化（比如，删除与任务无关的记录或字段）、数据意义评估、对象相似性或共性分析、因果关系及范式挖掘等。条件属性上的等价类与决策属性上的等价类之间有 种情况：下近似包含上近似和的交集并非空集无关和的交集为空集。,用具体图形将信息模式、数据的关联或趋势呈现给决策者，使客户能交互式地分析数据 的关系，而OLAP技术将人的观察力和智力融入挖掘系统中，极大地改善了系统挖掘的速度和深度。

27、,.6 数据挖掘方法的应用举例,.6 数据挖掘方法的应用举例,实际中最常见的两种挖掘方法，书中已经给出举例应用，让读者有一个初步的了解。,）关联规则挖掘）分类规则挖掘举例,当前推出的数据挖掘软件有很多，其实现的功能、方法都不同。鉴于对软件的评价标 准，选择介绍如下：,） （数据挖掘软件）数据挖掘软件）数据分析工具箱） 数据挖掘建模工具） 数据挖掘建模工具,数据挖掘技术的应用,数据挖掘就是探索客户行为规律的过程。数据挖掘技术目前已越来越多地被应用于CRM系统中，成为客户细分、客户赢利能力分析、交叉营销和客户维护的基础。并且，在客户生命周期的不同阶段都有不同的应用,04, 数据挖掘客户关系管理中的

28、应用,对客户数据的分析更多体现在数据挖掘工具的使用上，数据挖掘在客户关系管理系统中体现出重要的商业价值。现在国内外推出的诸多客户关系管理产品中，数据挖掘都作为一个重要的模块嵌在其中，单纯的操作型客户关系管理已被逐渐淘汰。,）客户的细分,一个真正的细分必须满足以下条件：完整性，数据库中的每一个消费者都必须属于一个细分群；互斥性，数据库中的任何一个消费者不能同属多个细分群。如图就是一个利用决策树来进行细分群的例子，挖掘的数据之间保持了互斥性和完整性。, 数据挖掘客户关系管理中的应用,）客户的赢利能力分析,在进行挖掘应用之前，先必须对客户价值进行分析。按照市场营销的理论，商家要从客户的角度来衡量商品

29、的价值。这种价值也就是消费者由于购买商品而获得的价值，国外学 者将其定义为“消费者可见价值”（）： （7.1）,可见费用。为购买价格、咨询费、培训费、运输费、安装费、修理费及维护费等； 可见利益。为商品效用、售后服务、提供保险、质量保证及技术支持等。,在分析消费者可见价值时，须考虑这种关系所包含的不可见的价 值，即：关系利益关系费用。故式（7.1）应扩展为客户关系价值（）：RB关系利益。给消费者带来诸如安全、信用、可靠等；RS关系费用。的商家忽略消费者所付出的。, 数据挖掘客户关系管理中的应用,）交叉营销,）客户的保持,商家与客户建立的商业关系是一种持续的不断发展的关系，良好的客户关系对商家利

30、润的贡献是很大的。因此一旦建立成这种双向关系后，商家会尽量优化这种关系：延长关系的时间，关系期内增加接触，每次接触中获取更多的利润。做交叉营销的分析时，数据挖掘可分为3个步骤：首先对个体行为进行建模其次用预 测模型来对数据进行评分再次是优化阶段，根据追求目标的不同，可以采取简单的质朴的方法（如以得分高低选择），也可以融合其他一些经济信息，用平均效益的方法使总体经济效益最大化。,客户的保持是客户关系管理的核心内容，也往往是考核客户关系管理系统成功与否的 首要指标。在研究客户的保持这个问题时，首先要对影响企业客户保持能力的因素加以分析，以下是一些常见的影响因素：客户购买行为要受到来自文化、社会环境

31、、个人特性、心理等方面的影响。客户满意与客户保持有着非线性的正相关关系。客户在考虑是否转向其他供应商时必然要考虑转移的成本。客户关系具有明显的生命周期的特征。, 数据挖掘技术在客户生命周期各阶段的应用,在客户生命周期的各个过程中，不同阶段包含了多种重要的事件。数据挖掘技术可在客户生命周期的各个阶段加以应用，包括争取新客户、让已有客户创造更多的利润、保留原有老客户等，从而提高企业的客户关系管理能力。如右图展示了数据挖掘技术在客户生命周期事件中的典型应用。, 中实施数据挖掘的基本步骤,如果进一步将 分析应用需求进行技术型整理，可以归纳出以下几类数据挖掘需求：数据描述和总结。对历史数据描述和总结，可

32、以看清过去发生了什么。 数据分类。数据分类可以提高市场细分的可操作性和可管理性。预测。给出一个或一批预测输入，其结果会如何？ 数据相关性发现。一种行为的发生有很大可能性触发另一种行为。数据依赖性分析。一种行为的发生以另一种行为为前提。,如图是数据挖掘的过程图，基本上由个步骤组成，下面对每一步骤分别说明,）确定分析和预测目标。在进行数据挖掘之前，首先要明确企业的业务目标，即通过数据挖掘解决什么样的问题，达到什么目的）了解数据。确定了要解决的问题以及可以测量的目标之后，必须对数据挖掘的基础数据进行初步 了解。）数据准备。这一阶段是对已确定的基本数据进行必要的转换、清理、填补以及合并工作。）数据相关

33、性前期探索。）模型构造。包括：选择适用的挖掘技术。建立培训数据和测试数据。利用培训数据采用相应算法建立模型。模型解释。）模型评估和检验。这个阶段对所建立的模型用测试数据进行测试，计算误差率，以确定模型的可信度。）部署和应用, 中实施数据挖掘的基本步骤, 应用数据挖掘技术是优化客户关系管理的关键,利用数据 挖掘技术优化客户关系管理已经成为领域一个非常热门的话题。数据挖掘应用起来比较复杂，因此在中实施数据挖掘需要经过审慎的考虑，以保证实施成功，使企业从中受益。,）确定如何使用数据挖掘）具备一定的商业智能和分析能力）定义数据挖掘应用的用户）定义所使用的数据并进行数据预处理）反复验证及用户培训,在中实

34、施数据挖掘应用是一个持续的过程，不可能一蹴而就。随着系统的 不断扩展和数据资源的不断积累，很可能需要重新建立其中的数据挖掘模型或者创建新的 数据挖掘应用。, 案例：数据挖掘技术在的应用,从以下五个方面对7-Eleven案例进行阅读，并完成下述案例分析题。）挑战）业务影响）数据源）为什么选择作为数据分析工具）应用效果案例分析题 数据挖掘对起到了什么作用？ 对于其他零售商超， 应用数据挖掘技术有哪些成功的经验和值得思考的 教训？,客户服务中心,早在20世纪80年代，欧美等国的电信企业、航空公司、商业银行为了密切与用户的联 系及广泛应用计算机技术，利用电话作为与用户交互联系的媒体，设立了呼叫中心，实

35、际上就是建立了针对用户的服务中心。 此呼叫中心利用计算机技术、计算机网络技术和电话通 信技术，为客户提供自动语音应答服务和人工接听服务，包括信息查询、业务咨询、业务受理、质量投诉和处理、信息发布等全方位客户服务功能，还实现了内部使用的服务分类统计和分析、服务质量监控和考核等功能。,05, 客户服务中心的概况,）客户服务中心的定义,客户服务中心的定义可从多种角度给出，这里从两方面给出。从管理的方面，客户服务中心是一个促进企业营销、市场开拓并为客户提供友好的交互式服务的管理与服务系统。从技术的方面，客户服务中心是围绕客户采用计算机电话集成技术建立起来的客户关照中心,）客户服务中心的发展,据客户服务

36、中心核心技术的变化，可以将客户服务中心的发展过程分为以下个阶段,第一代客户服务中心客户代表。这一阶段是客户服务中心的雏形阶段，也就是热线电话阶段, 客户服务中心的概况,）客户服务中心的发展,第二代客户服务中心客户代表。第一代客户服务中心在人工接听电话的基础上增加了基于（Interactive Voice Response，交互式语音应答）技术的全自动语音应答服务，即将一些简单的、容易理解的业务通过自动语音应答的服务方式提供标准化的应答口径为客户解释,第三代客户服务中心客户代表 。为了适应客户个性化的需求，客户服务中心又进一步应用技术提供了电话与计算 机的集成（语音与数据的协同传送），从而就形成

37、了第三代客户服务中心。,第四代客户服务中心客户代表Internet。第四代客户服务中心是目前应用的主流。其主要特点是在第三代客户服务中心的基础 上集成了。, 客户服务中心的概况,）客户服务中心的类型,目前，现代化的客户服务中心主要包括互联网客户服务中心、多媒体客户服务中心、可视化多媒体客户服务中心、 虚拟客户服务中心类：（）互联网客户服务中心（Internet Call Center，ICC）（）多媒体客户服务中心（Multimedia Call Center，MCC）（）可视化多媒体客户服务中心（Video Multimedia Call Center，VMCC）（）虚拟客户服务中心,）客户

38、服务中心的作用,总体上来说，系统中，客户服务中心在企业中的作用主要表现在以下几个方面：（）提高客户服务水平（）获取客户信息、了解客户需求（）改善内部管理（）创造利润, 技术简介,）技术的定义,客户服务中心是基于技术的应用系统。（Computer Telephony Integration）即计算机与电话集成技术，是在现有的通信交换设备上，综合计算机和电话的功能，使其能提供更加完善、先进的通信方法,）的主要功能,功能主要集中在话务控制与媒介处理两大方面。话务控制的功能有电话的建立及 中断、话路的选择及网络界面控制等。媒介处理的功能则主要是话音传真处理，另外还有 数字处理等。, 客户服务中心的设计

39、与建设,）系统客户服务中心的结构,客户服务中心成为一项结合语音通信，数据通信和数据处理技术，使企业能够处理灵活性和实时性很强的业务，并减少业务开支的业务方式（）自动呼叫分配子系统排队机（Automatic Call Distribution）（）服务器（Computer Telecommunication Integration）（）交互式语音应答（Interactive Voice Response）（）人工坐席子系统（）系统管理子系统（）数据库子系统,）客户服务中心的建设,（）建立自己的客户服务中心系统的模式：“外包”模式。“独建”模式。（）构建一个客户服务中心系统的具体步骤明确有关的目标

40、 制订有关的技术方案 完成有关的详细设计 系统设计与实现 系统测试 系统运行 系统维护, 客户服务中心的设计与建设,）客户服务中心的管理,客户服务中心的管理是把客户服务中心由传统的成本中心转化为利润中心的关键，主要包括以下几个大方面（）战略管理（）运营管理（）人员管理（）绩效管理总之，客户服务中心的绩效管理者应根据企业业务运营的实际情况，以客户为中心，以帮助客户解决问题为出发点，设计客户代表的绩效管理考核指标来进行考核和管理。,）客户服务中心的应用,客户服务中心应用领域较广，其中以电信客户服务中心为代表。其余还有如银行业、电话银行、网络银行服务中心、证券公司、航空和铁路运输公司、旅游平台的呼叫

41、中心、商业机构（电话购物）、跨国公司（服务中心）、邮政业等。,）建设客户服务中心的挑战与困难,当引入整个企业时，客户服务中心的建设也会遇到各种各样的挑战。客户服务中 心成功的关键取决于以下几方面： （）能否完整设计出客户联系流程（）能否与企业内部其他系统实现集成（）能否分步骤有计划地推进系统建设, 客户服务中心的设计与建设,随着时代的发展，企业在社会中的作用从提供产品到提供服务，企业之间 的竞争也从产品竞争发展到服务竞争的新格局，业出现了新一代服务中心客户交互中心 （Customer Interactive Center，）。系统是一个面向客户，以人为本，能够为客户提供个性化、综合性服务的服务

42、中心系统。以下对CIC的功能、特点以及应用场景进行阐述,）的功能,数字化电话程控交换功能,数字化自动呼叫分配功能,交互式语音应答功能,集成消息和语音功能的邮件系统,传真服务,Internet功能,报表生成管理功能,实时监控和管理功能, 客户服务中心的设计与建设,）的特点,完善而全面的虚拟客户服务中心解决方案,强大、独立的自动语音资源功能,快速简单生成新业务的支撑能力,卓越的客户服务接入能力,先进灵活的系统结构,基于智能网技术的客户互动中心与基于平台的客户服务中心系统比较，有着不可比拟的独特优点。基于智能网技术的呼叫中心拥有先进的、灵活的系统结构、完善的呼叫控制、 灵活的系统生成。, 客户服务中

43、心的设计与建设,）的应用,（）网络电话,（）文字交谈,（）用户留言,（）同步,（）高级E-mail服务,（）微信平台服务,（）呼叫中心移动端,（）外包式客户服务中心,在企业与客户的互动过程中，可以利用多种渠道。互动形式已经改变了传统的单一的语音方式，而是通过网络电话、文字交谈、用户留言、同步、高级服务、微信平 台服务、呼叫中心移动端、外包式客户服务中心种方式实现互动。,案例：广发银行呼叫中心语音 大数据分析系统建设,06,请大家仔细阅读完案例以后，回答下面几个问题：呼叫中心语音大数据分析系统帮助广发银行解决了哪些问题，实施效果如何？ 思考呼叫中心对于银行业的作用和价值。,本章小结,06,系统的

44、应用让企业积累了大量的客户数据，如何从海量数据中获取有用的信息成 为决策者的一个重要问题，分析型的优势便凸现出来。数据仓库和数据挖掘技术作为从这些信息中获取有价值的知识的重要工具，可以为企业高层决策者提供准确的客户分类、 忠诚度、赢利能力、潜在用户等有用信息，指导他们制订最优的企业营销策略，降低企业运营成本，增加利润，加速企业的发展。 客户服务中心作为企业与客户联络及数据分析的纽带，介绍了客户服务中心的发 展、类型与作用；技术的定义和主要功能；客户服务中心的设计与建设问题；新一代的客 户交互中心的功能、特点及应用。系统中一个完整的客户服务中心一般由（程控 交换机）、（自动呼叫分配）、（交互式语音应答）系统、（计算机电话集成）系统、数 据库系统、呼叫管理系统、业务处理系统以及坐席（业务代表）等组成。企业建立自己的客户 服务中心系统，可以有“外包”与“独建”两种模式。客户服务中心管理主要从战略管理、运 营管理、人员管理、绩效管理个方面来考虑。客户服务中心成功的关键因素有能否完整设 计出客户联系流程，能否与企业内部其他系统实现集成，能否分步骤有计划地推进系统 建设。,谢谢观看,