2013年全球都在高喊大数据，可以说2013年是大数据的元年。很多研究机构、团队、公司都发布了大数据分析研究的数据报告与研究结果。2014年，正式开启了“大数据”驱动客户价值挖掘的“刺金时代”。大数据意味着"大营销"，数据驱动的CRM精准营销引擎将颠覆传统的营销决策模式及营销执行过程，使异常宽泛的"大营销"变得更精简、更高效。 IDC报告指出，大数据应用在2013年已经开始融入传统行业，加速其数字化转型，而CRM在这一进程中扮演了至关重要的角色，带动商业智能分析和应用市场的快速成长。如今，获得新生的CRM成为融合海量客户数据和传统客户关系管理的引擎，帮助企业从容拥抱“刺金时代”。

    传统行业的大数据应用则不同于互联网的数据应用，行业数据针对性强、关联性强，大数据应用复杂，跨度更大，跨部门，甚至跨行业需求更多。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、映射、记录和分析描述（反之亦然）；愈来愈多的行业领军企业更积极主动地把结合大数据的CRM营销分析运用到实际商业活动中，以提升市场竞争力、销售利润或改善用户体验。

    目前，不同行业中CRM应用到的数据分析技术很多、也很复杂，本文限于篇幅，不作详述。CRM应用数据挖掘其主要目的在于以下四个方面：客户细分、获取新客户、提升客户价值和保持客户以防止流失等方面。

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，提高客户对企业和产品的满意度，以获取更大的利润。

    客户细分可以采用分类的方法，也可以采用聚类的方法。比如，可以将客户分为高价值和低价值的客户，然后确定对分类有影响的因素，再将拥有相关属性的客户数据提取出来，选择合适的算法对数据进行处理得到分类规则。使用聚类的方法，则在之前并不知道客户可以分为几类，在将数据聚类后，再对结果数据进行分析，归纳出相似性和共性。

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，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。数据挖掘技术中的关联分析、聚类和分类功能可以很好地完成这种分析。

三、提升客户价值——交叉销售

    公司与其客户之间的商业关系是一种持续的、不断发展的关系。在客户与公司建立起这种双向的商业关系之后，可以有很多种方法来优化这种关系，延长这种关系的时间。在维持这种关系期间，增加互相的接触，努力在每一次互相接触中获得更多的利润。而交叉销售就是这种工具，即向现有的客户提供新的产品和服务的过程。

    在交叉销售活动中，数据挖掘可以帮助企业分析出最优的销售匹配方式。在企业所掌握的客户信息，尤其是以前购买行为的信息中，可能正包含着这个客户决定他下一个购买行为的关键，甚至决定因素。通过相关分析，数据挖掘可以帮助分析出最优的、最合理的销售匹配。相关分析的结果可以用在交叉销售的两个方面：一方面是对于购买频率较高的商品组合，找出那些购买了组合中大部分商品的顾客，向他们推销“遗漏的”商品；另一方面是对每个顾客找出比较适用的相关规律，向他们推销对应的商品系列。

四、保持客户——客户流失分析

    随着企业竞争越来越激烈，企业获取新客户的成本不断上升。对大多数企业而言，获取一个新客户的花费大大超过保持一个已有客户的费用，保持原有客户的工作越来越有价值，这已经成为大多数企业的共识。

    为保持优质客户，需要先辨识优质客户。通过前面的客户细分就可以完成这项工作，分析出客户盈利能力，辨识和预测客户的优劣。当能够辨识出客户的优劣时，首先根据已流失客户数据，可以利用决策树、神经网络等进行分析挖掘，发现流失客户特征；然后对现有客户消费行为进行分析，以确定每类客户流失的可能性，其中着重于发现那些具有高风险转移可能性并具有较高商业价值的客户，在这些客户转移到同行业其他服务商那里之前，采取相应的商业活动措施来保持住这些有价值的客户。

    随着大数据在CRM领域的落地应用，客户对数据挖掘的需求也逐渐提升，宝马、奔驰、欧莱雅、雅诗兰黛、辉瑞、麦当劳等客户在数据挖掘和分析方面投入了更多关注，在原有常规数据分析的基础上，我们开展了客户细分与精准定位、商业智能报表自动化、市场活动优化实施等诸多项目。

    上述四个部分完整地介绍了大数据在CRM中的营销应用，最后简单介绍一个欧唯特实施的成功案例来让大家增加些感性认识：

    2013年下半年，某国际知名生物制药公司完成了其客户数据系统的升级改造，采集的客户数据有了数倍的增长，由此客户对欧唯特提出了更高的要求，希望通过专业的大数据挖掘技术帮助其对对已有客户价值进行深度挖掘，精准营销。随后欧唯特大数据应用服务团队结合对该用户行业CRM的专业领域的特殊属性和通用大数据挖掘的方法建立了一系列符合该公司产品市场营销的数据模型并进行了后续的数据分析，包括：

    1.基于消费者个人资料、购买及活动参与度对消费者打标签及评分，实现消费者的个性化标签及沟通的精准定位；

    2.根据消费者响应偏好模型及其所处阶段状态，建立基于响应度分组的针对性沟通以提高沟通效率；

    3.作消费者购买行为预测，客户全生命周期价值预测及销售预测，提高营销策略的准确度及资源分配的效率。

    通过上述数据挖掘及分析，欧唯特最终为该客户提供了精准营销活动的咨询方案，活动响应率由0.03%提升至0.36%，提升了10倍，利润率提升为近两倍，收到了良好的市场反馈及经济效益。

    通过运用数据分析的相关技术，发现数据中存在的关系与规则，这一类数据挖掘及商业智能分析服务将为客户提供重要的决策参考，制定准确的市场策略，争取最优化的满足客户的需求，提高客户忠诚度和满意度、提升客户价值、提高公司收益，达到与客户的“双赢”局面。