یکی از جملات معروف در CRM این است که “جذب مشتری جدید، بسیار گران‌تر از نگهداشتن مشتری فعلی و پیش‌گیری از ریزش اوست”. هنگامی که یک مشتری ارزشمند، سازمان را ترک می‌کند، همه به این فکر می‌افتند که آیا علائمی وجود نداشت تا بتوان نارضایتی او را پیش‌بینی کرد؟

مثال زیر به شما توضیح می‌دهد که چگونه Data Mining در CRM کاربرد دارد و باعث افزایش سودآوری سازمان شود:

یک شرکت را در نظر بگیرید که اطلاعات مشتریانش را در CRM نگه می‌دارد و داده‌های بسیاری را برای توصیف رفتار مشتریان و اطلاعات شخصی آنان ذخیره می‌‌کند. همه مشتریانی که در دو سال گذشته با شرکت در ارتباط بودند، مورد بررسی قرار می‌گیرند و به دو دسته فعال و غیر فعال تقسیم می‌شوند.

مشتریان فعال کسانی هستند که در حال حاضر از شرکت خرید دارند و مشتریان غیر فعال، دیگر خرید نمی‌کنند. مدل پیش‌بینی در Data Mining، شباهت‌های بین مشتریان غیر فعال را از بین انبوه داده‌ها استخراج می‌کند و با توجه به الگوهای به دست آمده، احتمال رویگردانی هر مشتری را در دو سال آینده، محاسبه می‌نماید.

الگوهای کشف شده از میان این داده‌ها، مشخص می‌کند مشتریانی که قصد ترک شرکت را دارند، چه رفتاری را انجام می‌دهند. به کارگیری تکنیک‌های داده‌ کاوی در CRM به سازمان‌ها کمک می‌کند تا با تحلیل رفتار مشتریان، آن دسته از مشتریان که بالاترین احتمال ترک را دارند، شناسایی کنند و با ارائه پیشنهاد‌های ویژه، آنان را راضی و حتی وفادار نمایند.

Data Mining در CRM کاربردهای بسیاری دارد که در مطالب بعدی به آن خواهیم پرداخت.

?
نوشته:  مجید برقی
گروه مدیریت ارتباط با مشتری @DrCRM