來源:  北京軟件開發公司 

    CRM可以劃分為三種類型：操作型CRM、協作型CRM和分析型CRM。其中操作型CRM主要包括銷售自動化、營銷自動化和服務自動化等，是CRM的基礎功能模塊；協作型CRM主要提供了企業與用戶之間的溝通渠道，包括呼叫中心等模塊；而分析型CRM對客戶信息進行統計和分析，發現潛在的規律從而輔助決策，而數據倉庫技術是分析型CRM的重要支撐點。

    分析型CRM目前使用領域

    分析型CRM是一種處理大容量的客戶數據的方法，使企業營銷決策人員獲得可靠的信息支持策略和作戰商業決策。雖然分析型CRM系統能夠提高企業的核心競爭力，但是并不是每一個企業都能具備實施分析CRM系統的實力和必要性。目前，國內外分析型CRM系統的成功案例主要集中在保險、銀行、證券 、電信以及大型零售業等領域。

    分析型CRM系統的技術支持

    乾元坤和認為—個分析型CRM系統的研制和實施應該強調以下幾點：一是以客戶為中心；二是建立企業的前臺與后臺的應用集成；三是實現營銷自動化、銷售人員管理自動化、客戶服務與支持自動化；四是實現市場、銷售、客戶方面的統計分析和決策支持功能。高性能的決策支持技術是分析型CRM必要的組成部分，分析型CRM所需要的核心技術應該包括數據倉庫、數據挖掘、OLAP、先進的決策支持技術。其中數據倉庫、數據挖掘、聯機分析處理都是進行科學決策實施的手段和基礎。

    分析型CRM系統內容

    數據挖掘是指從大型數據庫或數據倉庫中提取隱含的、未知的、非凡的及有潛在應用價值的信息或模式，它是數據庫研究中的一個很有應用價值的新領域，融合了數據庫、人工智能、機器學習、統計學等多個領域的理論和技術。

    從CRM軟件所搜集的數據是最能幫助企業了解客戶的，所謂的“一對一”營銷也是注重在了解客戶的需求，以便投其所好促成甲乙。如果能運用一些數字或統計模式，發現數據中存在的關系和規則，根據現有的數據預測未來的發展趨勢，那么久可以為管理者提供決策支持。

    1.客戶特征分析

    分析型CRM能夠統計大量的客戶信息，并支持對客戶進行多維的特征分析。在銀行、保險、電信、傳媒、零售等行業，客戶的數據量是龐大的。要對這些客戶數據進行分析，就要求分析工具能夠處理大量的客戶信息。每個客戶的屬性描述包括地址、年齡、性別、證件號碼、收入、職業和教育程度等多個字段。分析型CRM必須能夠支持對多維特征的組合性分析，快速給出符合分析條件的客戶名單和數量。

    2.客戶行為分析

    分析型CRM能夠處理復雜的數據，并支持對客戶行為進行分析。現有客戶的基礎信患來源于企業的現有業務系統，因此，結合客戶信息對某一類客戶群的消費行為進行分析是很有意義的，這要求CRM中的分析工具可以從多個數據庫中抓取信息，并形成復雜的數據簇。在此基礎上，可以分析某類客戶的消費行為。行為分析是比特征分析更為復雜的分析，因為它涉及到行業知識和分析模型的結合。

    3.建模和參數調整

    特征分析和行為分析形成以客戶為中心的數據庫，除了特征分析和行為分析，預測正在日益成為強大的分析功能。在詳細了解消費行為之后，很自然地要對數據的參數進行某些調整。

    4.數據挖掘

    客戶信息的錄入和儲存方式是數據，但是，對于決策者來講，獨立的單個的數據的意義并不大，更重要的是信息和知識。現有的數據挖掘方已經能夠按照內置邏輯語言進行歸納和演繹。例如，根據模型數據，系統以達成最高利潤為目標，提供建議進行的價格優化政策。通過輸入抽樣調查的測試數據，系統可以根據呼出電話的反饋率、直接郵件的反饋率、電視廣告反饋率、巡展的反饋率等數據，確定最佳的市場活動模式，以最低的成本獲得最好的市場活動效果。