Слайд 2Функциональность CRM
CRM (Customer Relationship Management) – управление взаимоотношениями с клиентами - технологическая
концепция, позволяющая компаниям строить свою маркетинговую и сбытовую политику с максимальной эффективностью.
CRM – оптимизация планирования, маркетинга, продаж и обслуживания
CRM – стратегия удержания и привлечения прибыльных клиентов
Слайд 3Признаки технологии CRM
Наличие единого хранилища информации и системы
Синхронизированость управления множественными каналами взаимодействия
Постоянный анализ собранной информации о клиентах и принятии соответствующих управленческих решений – например, ранжировании клиентов
Слайд 4Предпосылки целесообразности работы с CRM-системой:
Затраты на привлечение нового клиента в 5-10 раз
больше, чем на удержание существующего
Увеличение процента удержания клиентов на 5% увеличивает прибыль компании на 25-55%
Клиент – рекламный канал компании
Закон Парето
Заключить сделку с уже имеющимся клиентом легче (и следовательно дешевле) в 5-10 раз, чем добиться этой же сделки с новым покупателем
Слайд 5ЗАКОН ПОРЕТО
20% покупателей обеспечивают 80% прибыли
Слайд 6CRM целесообразно применять предприятиям:
работающим с большим количеством клиентов, для которых характерны повторяющиеся
процессы;
обладающим распределенными отделами по работе с клиентами: продаж, маркетинга, сервиса;
работающим на высоко конкурентных рынках, когда актуально освоение новых технологий.
Слайд 7Преимущества внедрения CRM:
Увеличение эффективности взаимодействия с клиентами
Сокращение операционных расходов и повышение эффективности
взаимодействия между подразделениями компании
Автоматизация маркетинга и формирования отчетности
Усовершенствование бизнес-анализа и управления знаниями
Слайд 8Структура интегрированного CRM-решения
Слайд 9CRM: основные составляющие
Управление контактами
Управление деятельностью
Управление связью
Прогнозирование
Управление возможностями
Управление заказами
Управление документацией Анализ продаж
Формирование
базы данных о характеристиках продуктов
Информационное обеспечение маркетинга
Слайд 10Архитектура СRM-решений на примере
Siebel eBusiness
клиенты CRM-системы
сетевое рабочее место под управлением ОС
Windows;
тонкий Windows-клиент (работа через интернет-браузер);
портативный клиент (работа вне сети с последующей синхронизацией);
HTML-клиент - для клиентов и партнеров;
мобильные устройства (класса Palm Pilot и т.п.).
Слайд 11Стратегии получения знаний
Приобретение знаний
Извлечение знаний
Обнаружение знаний в БД
Слайд 12Классификация
Operational CRM (Оперативные);
Analytical CRM (Аналитические);
Collaborative CRM (Объединяющие).
Слайд 16Классификация
CRM
Локальная
Сетевая
Одномодульная
Многомодульная
WEB
Оперативные
Аналитические
Коллаборативные
BoxCRM
Enterprise CRM
Малые и
средние
eCRM
Слайд 17Определение
Data Mining — это процесс обнаружения в комплексе данных ранее неизвестных,
нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности
Слайд 18Два направления Data Mining
массовый продукт для бизнес-приложений;
инструменты для проведения
уникальных исследований
Слайд 19Основные требования к новым подходам DM:
1) способность находить логические правила
неограниченной сложности в данных высокой размерности;
2) умение обобщать найденные логические правила и осуществлять поиск их оптимальной композиции.
Слайд 20Типы закономерностей
Ассоциация
Последовательность
Классификация
Кластеризация
Прогнозирование
Слайд 21Алгоритмы
Деревья решений (ID3)
Ограниченного перебора (WizWhy)
Метод поиска логических закономерностей( If
then)
Регрессии
Нейронные сети
Алгоритм нахождения ближайшик К соседий
Кластеризация и тд
Слайд 23Три стратегии получения знаний
Приобретение знаний
Извлечение знаний
Обнаружение знаний из БД
Слайд 25Алгоритмы кластеризации
Find Dependecies (FD) - N-мерный анализ распределений
Find Clusters (FC) -
N-мерный кластеризатор
Слайд 26Алгоритмы классификации
Classify (CL) - классификатор на основе нечеткой логики
Discriminate (DS)
- Дикриминация
Decision Tree (DT) - дерево решений
Decision Forest (DF) - леса решений
Слайд 27Алгоритмы ассоциации
Market Basket Analysis (BA) - метод анализа "корзины покупателя"
Transactional
Basket Analysis (TB) - транзакционный анализ "корзины"
Слайд 28Алгоритмы Визуализация
Link Analysis (LA) - анализ связей
Symbolic Rule Language (SRL)
- язык символьных правил
Слайд 29Модули для построения числовых моделей и прогноза числовых переменных
Модуль Find Laws
(FL) - построитель моделей
PolyNet Predictor (PN) - полиномиальная нейронная сеть
Stepwise Linear Regression (LR) - пошаговая многопараметрическая линейная регрессия
Memory based reasoning (MR) - метод "ближайших соседей"
Слайд 30Этапы формирования отчета в DATA MINING