迟到的学习，关于分析性CRM

起源于某银行的CRM系统测试，再到公司内部开发的分析型CRM产品，关于CRM，关于CRM中的数据挖掘、分析方法，再逐步的深入学习，虽然有些迟，但仍然需要学习。

 

下文主要摘自致信网中2004.7的“混乱”的分析型CRM市场一文的内容，目的是帮助自己学习了解。

 

大多数研究机构都预测分析型CRM市场将获得迅猛发展，但是业界对分析型CRM却没有一个标准的定义。 


分析型CRM的定义 

在分析型CRM的市场上，目前对于一些术语的定义很不规范，每一个软件供应商都有不同的定义。分析型CRM的定义，从简单的概念（例如报告和报表）到更为复杂的主题，例如利润贡献率、数据挖掘和实时个性化，以及它们之间的交叉。绝大多数供应商把自己的分析能力过于夸大，而且有的供应商在它们的产品定义上很不统一，这样就加剧了分析型CRM市场的“混乱”。那么，正确的定义是什么呢？ 

通常的CRM应用软件含有分析型和运营型CRM的功能，CRM的目标在于：在维护客户满意度的同时最大化整体客户利润贡献率。在此，我们把分析型CRM定义为：用来对客户信息进行智能化分析和应用的关键功能；分析型CRM也可以看作是一种用来连结运营型面向客户的应用软件（例如销售、服务和Web渠道）和分析型后台系统、商务智能解决方案、客户数据挖掘的“粘合剂”；另外，分析型CRM也可以看作是用来确保“前端实时性客户交互”与“后端对‘如何改善下一次客户交互’分析”之间反馈循环的技术。 

分析型CRM的组成 

分析型CRM经常容易被混淆，是因为它包括许多不同的组分，而且有许多组分在通常情况下并不看作是CRM解决方案的成分，或者传统的CRM软件供应商并没有能够提供这些功能。值得注意的是，我们在此并不是要强调把所有的分析功能都融入到一套分析型CRM解决方案中，而是强调分析型CRM解决方案可能会包括以下组分。 

（1）数据仓库 

数据仓库技术以及一个全面的客户数据仓库是分析型CRM运作的关键所在。理想状况下，企业应当拥有一个存储所有客户交易、行为、偏好、客户利润贡献率、客户价值和客户细分的数据仓库；但是现实是，大多数企业已经建立了数据库，却很难一开始就协调好不同来源的数据。数据仓库技术包括提取、转换和上载（ETL）功能，它可以从传统系统移进和移出数据，也可将独立的数据集市转为综合的客户数据仓库。 

（2）数据增进 

这是一个广义的分类，包括数据清理、数据增加、客户利润贡献率分析等功能。数据清理包括清理、标准化并连结传统系统上的数据。数据增加包括增加外部数据，例如人口统计学信息或空间信息。客户利润贡献率分析可用来确认历史的、现今的和设计的客户价值，然后使用它来改善客户细分，并实施客户战略。客户利润贡献率分析是分析型CRM最重要、最难以得到评估的组分之一。 

（3）数据挖掘、个性化和细分化  

这些解决方案是相关的，但有时存在很大的不同，因为它们获得答案的过程存在差异性。一般地，它们使用不同的模型化技术（主要用来预测、定制、为客户提供更好的信息）来运作同样的任务。 

（4）商务智能 

商务智能解决方案包括从查询、OLAP分析，到标准化报告、平衡记分卡。商务智能将为用户提供访问客户信息的入口，并且对于不同的用户要分别对待。商务智能是理解分析性信息的窗口。 

（5）营销或促销 

营销或促销管理应用软件通常被认为与分析型和运营型软件的关联性很大。营销应用软件通过创建、执行和跟踪客户信息，来实时管理营销流程。市场营销的执行意图与运营型或客户导向的CRM解决方案关系非常密切。 

（6）数据移动、工作流以及与其他CRM应用系统的集成 

最后一种类别的组分是用来将分析型解决方案和运营型解决方案整合为一个全面的、无缝的完整解决方案的桥梁。XML作为一种用于集成的标准的出现，将成为一个巨大的“使能器”。工作流和基于业务规则的能力也很关键。最终，CRM应用套件应当最小化集成问题，但是这需要花费时间和金钱来将现有系统转换为新系统。 

分析型CRM市场到底该如何？ 

从短期来看，它意味着： 

分析型CRM市场将保持专业细分化。 

分析型CRM对于真正理解客户需求、获得较高的投资回报率（ROI）非常必要和关键。 

公司购买解决方案，前提是软件厂商应当对分析型CRM功能进行客观评价。 

很难有软件公司能够提供融合所有分析方法的解决方案，也就是说，很少有软件厂商能够满足企业的所有业务需求。 

公司应当通过定义分析型CRM的远景来为未来作规划，但实施应当在一个可控的状态下进行。 

从长期来看，分析型CRM和运营型CRM的配合将越来越密切。但是，出现的可能还是“多供应商”解决方案，因为企业所需要的解决方案具有很高的复杂性。