17.3.2 CRM系统中数据挖掘的应用
1）数据挖掘在客户分类中的应用
客户分类是指将所有的客户分成不同的类的过程。对客户进行分类，有利于针对不同类型的客户进行客户分析，分别制定客户服务策略。
客户分类可以采用分类的方法，也可以采用聚类的方法。分类的方法是预先给定类别，比如将客户分为高价值客户和低价值客户，或者分为长期固定客户和短期偶然客户等。然后，确定对分类有影响的因素，将拥有相关属性的客户数据提取出来，选择合适的算法（如决策树、神经网络等）对数据进行处理，得到分类规则。经过评估和验证，就可将规则应用在未分类客户上，对客户进行分类。聚类的方法则是一种自然聚集的方式，在数据挖掘之前并不知道客户可以分为哪几类，只是根据要求确定分成几类（有些算法需要人为确定输出簇的数目）。将数据聚类以后，再对每个簇中的数据进行分析，归纳出相同簇中客户的相似性或共性。
比如，酒店在长期的产品服务提供中，积累了大量的数据信息，包括消费者市场的地理变量、人口统计学资料、心理变量、消费行为变量等。酒店将众多的信息资源综合起来，以便在数据库里建立起一个完整的客户背景。在客户背景信息中，大批客户可能在规模、所需服务、消费的增长率上具有相似性，因而，形成了具有共性的客户群体。经过聚类分析，可以发现他们的共性，掌握他们的消费理念，为他们提供有针对性的服务，进而引导他们的消费行为，提高酒店的综合服务水平，并可以降低服务成本，取得更高的收益。通过客户细分，酒店可以准确地把握现有客户的状况，采取不同的服务、推销和价格策略来稳定有价值的客户，转化低价值的客户，消除没有价值的客户。
客户分类可以对客户的消费行为进行分析，也可以对客户的消费心理进行分析。酒店可以对不同行为模式的客户提供不同的产品内容，对不同消费心理的客户使用不同的促销手段等。客户分类也是其他客户分析的基础，在分类后的数据中挖掘更有针对性，可以得到更有意义的结果。
2）数据挖掘在客户识别和客户保持中的应用
（1）数据挖掘在客户识别中的应用
识别客户是酒店发现潜在客户、获取新客户的过程。新客户包括以前没听过或没使用过酒店产品的人、以前不需要酒店产品的人甚至是竞争对手的客户。由于酒店掌握的新客户的信息并不多，所以酒店应采取一些必要的手段（如在广告宣传的同时进行问卷调査或网上调查等）来获取潜在客户的信息，这些信息应该包括地址、年龄、收入范围、职业、受教育程度和消费习惯等。
在得到这些相关信息后，酒店应该通过一些小规模的实验观察潜在客户对酒店产品的不同反应。根据反馈结果建立数据挖掘预测模型，找到对产品最感兴趣的客户群。挖掘结果会显示潜在客户的名单，同时可根据潜在客户的信息分析出哪种类型的人最可能是潜在客户。得到了这样的分析结果后，在寻找潜在客户时就有了指导方向。比如，分析结果表明大多数酒店潜在客户是年龄在25～35岁来度假的情侣，那么在下一步宣传和获取客户阶段就可以有针对性地设计广告和确定宣传地点。同时，还可以根据潜在客户的特点分析酒店产品的优势。
（2）数据挖掘在客户保持中的应用
客户识别是获取新客户的过程，而客户保持则是留住老客户、防止客户流失的过程。由于酒店对老客户的信息掌握得比较详细，而对潜在客户的信息掌握得很少，所以对于酒店来说，获取一个新客户的成本远比保留一个老客户的成本高得多。在目前开放的商业环境下，酒店间的竞争越来越激烈，客户保持也就成为酒店面临的一个重要的难题。
在客户保持过程中，首先要对已经流失的客户数据进行分析，找到流失客户的行为模型，同时分析客户流失的原因。比如，一家酒店的大量流失客户都是周边的商务客源，可能是由于当地新开的一家同星级酒店攫取了这部分的市场份额，那么酒店就应因此调整市场策略——推出新的商务套餐或调整价格以达到保留客源的目的。
根据已经流失的客户的特点，还可以预测现有客户中有流失倾向的客户。对于这些客户，酒店应该及时调整服务策略，针对用户分类后得到的用户特点采取相应的措施挽留客户。挽留一个老客户，竞争对手就减少了一个新客户；而流失一个客户，就为竞争对手带去了一个新客户。因此，客户保持是客户关系管理中极为重要的一个部分。(https://www.daowen.com)
3）数据挖掘在客户忠诚度分析中的应用
客户忠诚度是提高酒店客户关系管理的一个重要目标。忠诚度高的客户会不断地购买酒店产品和服务，不论产品和服务的质量是不是最好、价格是否有折扣。酒店获得一个忠诚客户无疑会大大降低成本（广告成本、折扣成本等），同时会提高酒店的竞争力（因为忠诚客户只购买你的产品而排斥你的竞争对手的产品）。
数据挖掘在客户忠诚度分析中主要是对客户持久性、牢固性和稳定性进行分析。比如，酒店经常通过办理会员卡、建立客户会员制度的方式来跟踪客户的消费行为。通过对客户会员卡信息进行数据挖掘，可以记录客户的购买序列，将同一客户在不同时期和不同营销活动中购买的商品分组为序列，对序列模式进行数据挖掘可用于分析客户的购买趋势，从而对客户的忠诚度进行区分，同时可以预测出客户忠诚度的变化，据此对价格、商品的种类以及销售策略加以调整和更新，以便留住老客户，吸引新客户。
对客户持久性、牢固性和稳定性的分析主要是运用时间序列模型中的趋势分析方法。趋势分析包含趋势走向、周期走向与变化、季节性走向与变化、不规则的随机走向几个方面的分析。通过趋势分析可以了解客户在过去一段时间内的消费趋势。结合数据的分析结果和预测结果就可以判断一个客户的持久性、牢固性和稳定性，继而确定客户的忠诚度。
4）数据挖掘在客户盈利率分析中的应用
客户盈利率是一个定量评价客户价值的指标。它是根据规定的评价尺度，通过对客户数据计算得到一个确定结果的过程，因此，客户盈利率的计算并不需要数据挖掘。数据挖掘技术在客户盈利率分析中的应用主要体现在“分析”。酒店可以运用数据挖掘技术预测在不同的市场竞争环境和市场活动环境下客户盈利率的变化，目的是找到最合适的市场环境，使酒店的客户盈利达到最优。
客户盈利率的概念否定了“给酒店带来的总收入越高的客户价值越大”的观点。高价值客户是那些酒店投入较少成本就可以获得高收益的客户。这个概念同时反映了提高客户忠诚度的重要意义。研究表明，一个酒店80%的利润是由只占其客户总数20%的客户创造的，这部分客户就是有价值的优质客户。为了弄清谁才是有价值的客户，就需要按照客户的创利能力来划分客户，进而改进客户关系管理。应用数据挖掘技术来解决这个客户分类问题是相当有用的。
就酒店来说，客户数量并不是越多越好，并不是所有的客户都是有价值的，即不是所有的客户都会给酒店带来利润，有些客户只会增加酒店的成本，而不会给酒店带来利润。
为了识别出最有价值的客户，酒店可以选取客户为酒店带来的收入结合客户是否是新开拓客户作为变量，将酒店客户分成：①新开拓高消费类型客户：此类客户需要销售人员高度重视及不断地沟通，以发展及维护客户关系；②长期稳定高消费类型客户：此类客户与酒店有长期的合作关系，可以说是酒店的忠诚客户，销售人员需重视客户的每一次消费，保证酒店的服务质量，并重视客户的反馈意见且需及时解决客户所提出的问题；③新开拓中型消费类型客户：此类客户需要销售人员不断地沟通从而挖掘其消费潜力并稳定其消费频率及消费水平；④曾消费类型客户：此类客户没有持续性的消费，销售人员需要分析其原因，是客户流失，还是客户的消费具有时间性，再针对原因进行营销；⑤一般消费类型客户，这类客户对酒店的产出贡献较少，可投入较少的酒店资源进行维护。
对于忠诚度高的客户，酒店不必花费额外的成本吸引客户，而他们给酒店带来的效益是很高的（因为他们不会只选择促销产品，或在产品打折时消费）。客户忠诚度越高，酒店的客户盈利率也越高。所以，数据挖掘在分析客户忠诚度的过程中也对客户盈利率的提高有一定的影响。
5）数据挖掘在个性化营销中的应用
个性化营销是在客户分类的基础上进行的。针对不同类型的客户，酒店可以采用不同的政策和销售方式。交叉销售也是个性化营销的一种形式。交叉销售和购物篮分析不同，购物篮分析是对客户已经购买的产品进行分析，找到产品之间的联系，而交叉销售是根据客户已经购买的产品预测他将要或可能要购买的新产品。数据挖掘技术的应用目标是建立预测模型，找到适合交叉销售的商品。
通过对CRM中数据挖掘的应用介绍可以看出，在CRM的各个方面几乎都要用到数据挖掘技术。CRM要求对大量的客户数据进行分析和管理，而数据挖掘技术刚好提供了这样一个分析工具。因此，数据挖掘技术的正确应用对CRM系统功能的全面实现具有重要的意义。
