Аналитический CRM на базе Data Mining и OLAP
Добыча денег из 1С: Предприятия и Sales Expert
CRM (Customer Relationship Management) - управление отношениями с клиентами.
Операционный CRM - система регистрации данных об операциях связанных с взаимоотношениями с клиентами
Аналитический CRM - система изучения, поиска закономерностей и прогнозирования поведения клиентов на основе Data Mining и OLAP.
Data Mining ("Добыча Данных") - система поиска закономерностей в данных и прогнозирования тенденций
OLAP (OnLin
e Analytical Processing) - система анализа данных в виде сводных таблиц по произвольным разрезам
Как добыть денег из Data Mining?
Данная статья о том, как с помощью аналитического CRM и Data Mining можно зарабатывать деньги. Статья должна быть особенно полезна для компаний, которые уже приобрели Microsoft SQL Server 2000 и одновременно с этим бесплатно получили средства Data Mining. Технология Data Mining позволяет сравнительно легко заработать денег маркетологам и сбытовикам, а также разработчикам аналитических систем. Предлагаемая статья предпочтительно рассчитана на тех, кто уже прочитал обзорные материалы по CRM и хочет узнать как быстро и с приличной отдачей сделать бизнес-решение. В частности я ожидаю, что маркетолог уже имеет представление о CR
M, а разработчик прочитал обзорный материал по Microsoft Analytical Services из MS SQL 2000. Cтатья посвящена аналитическим CRM на основе Data Mining, которые быстро внедряются с большим эффектом. Мы рассмотрим конкретное бизнес-решение на основе операционной CRM-системы Sales Expert и 1С: Предприятия для MS SQL 2000.Как можно заработать на Data Mining и CRM маркетологу и сбытовику? Если кратко, можно быстро и не дорого узнать закономерности поведения клиентов. Зная эти закономерности можно значительно повысить эффективность маркетинга и сбыта. Соответственно компания внедрившая CRM и Data Mining получает серьезные конкурентные преимущества, а маркетологи и сбытовики получают больше денег в виде процентов.
Как можно заработать на Data Mining и CRM разработчику? Для значительного круга задач маркетинга и сбыта с помощью Data Mining от Microsoft можно быстро и с низкой себестоимостью сделать эффективное решение. Рынок автоматизированных маркетинговых исследований не насыщен качественными услугами, поэтому соотношение работа/оплата относительно других видов разработки достаточно велико.
Что нужно знать для обогащения на Data Mining и CRM? Нужно знать ограничения и возможности данных технологий и границы их эффективной применимости. Только при этом условии разработчик сможет производить быстро и качественно аналитические решения, с которых маркетолог сможет получить свои дивиденды.
Примеры быстро внедряемых Data Mining-решений с высокой окупаемостью
Задача |
Метод получения денег |
Используемая технология |
От чего зависит перспективность наших клиентов? |
Выяснить главные факторы влияния на клиентов, сосредоточится на них - увеличить продажи и свои заработки. |
Data Mining (Microsoft Decision Tree) OLAP с DM-Dimension |
Каковы потребительские корзины клиентов? |
Выяснить к какому типу относится клиент и каковы характерные покупки для данного клиента, предложить клиентам нужные им товары - увеличить продажи и свои заработки. |
Data Mining (Microsoft Clustering) |
Каков образ моих клиентов? |
Выяснить характерные признаки своих клиентов по типам. Сразу определять нового клиента по типу, предлагать что ему нужно, не тратить время на тех, кто не является клиентом по видимым критериям. Повышение эффективности продаж - увеличение заработков. |
Data Mining (Microsoft Clustering) |
Какое сочетание каких действий сейлов приводит к эффективным продажам? |
Выяснить удачные сочетания действий приводящих к продажам: сейл и вид рекламы, сейл и вид клиента и т.д. Сосредоточить сейлов на самых эффективных для них действиях. Повышение эффективности продаж - увеличение заработков. |
Data Mining (Microsoft Decision Tree) OLAP с DM-Dimension |
Ограничения Data Mining, критерии оценки клиента
Data Mining вовсе не панацея и не всемогущая технология. Как и любой другой инструмент, он имеет свои ограничения и сферу применимости. Незнание ограничений и особенностей Data Mining ведет к тому, что разработчик и клиент зря теряют время и деньги
на бесполезных экспериментах.Наиболее легко с технологической и организационной точки зрения можно получить хорошие результаты, сосредоточившись на изучении характеристик клиента
средствами Data Mining. Следует отметить, что решение других задач, как правило, в 3-5 раз более трудоемко. Например, выявление факторов влияющих на получение прибыли примерно в 4 раза более трудоемко, чем выявление факторов влияющих на перспективность клиента. Поэтому мы рекомендуем начать внедрение Data Mining с клиент-ориентированных задач.Вы сможете сравнительно просто узнать закономерности в поведении клиентов при соблюдении следующих условий:
Формулирование критериев оценки клиента требуют большого опыта.
Data Mining коварен и капризен: на маленьких тестовых данных закономерности могут выявляться хорошо, но на реальных данных из тысяч документов те же подходы оказываются нерабочими. Рекомендуем заказать небольшой консалтинг по учету информации о клиентах. Неудачно сформулированные критерии превратят информацию вводимую пользователями в ненужный мусор из которого Data Mining не сможет вытащить нужные закономерности и прогнозы. Кроме того, критерии оценки клиентов должны поддаваться возможности сбора с организационной точки зрения.Приведу классический набор критериев оценки клиента, которые можно найти в таких CRM-системах как Sales Expert или "Град Контакты".
Указанные данные обычно собираются методом анкетирования клиентов. Для разработчика поясню: это поля-справочники формы "Клиент" или "Контрагент".К данным критерием следует добавить еще не менее 5ти исходя из специфики бизнеса. Обращаем внимание, что "малозначительные" на первый взгляд критерии могут оказаться определяющими. Например, пол и возраст начальника закупочного отдела клиента могут оказаться важными факторами влияющими на продажи.
Data Mining как раз и является средством открытия неожиданных и неизвестных закономерностей в поведении клиента.
Easy Money. Быстрое внедрение аналитического CRM на базе Sales Expert и 1С
Рассмотрим как организовать недорогое внедрение аналитического CRM и Data Mining с быстрым возвратом инвестиций.
Как было указано выше, для внедрения аналитического
CRM нужно иметь заполненные карточки клиентов с богатым набором информации. Обычно такие карточки хранятся в операционной CRM-системе типа Sales Expert или могут быть заполнены в учетных системах типа 1С: Предприятия. Сформулируем необходимые шаги для успешного внедрения.Интересное наблюдение, пользователи
1C: Предприятия для MS SQL 2000 уже имеют купленное средство Data Mining и для внедрения аналитического CRM- решения требуется только некоторый проблемный и IT-консалтинг в области управления продажами. Указанный набор услуг может получить в компании Поликом Про. Если вы заинтересовались Data Mining рекомендуем посетить сайт www.polikom.ru, там доступна регистрация на бесплатные семинары по Data Mining и CRM.
Легких вам денег, коллеги!
Владимир Иванов