客户管理系统（客户管理软件CRM）体现了一对一的市场营销，也包括了销售自动化和规范化的思想，所以在客户管理系统（客户管理软件CRM）中数据挖掘可以担当导向作用。与此同时，在现代的信息环境下只有应用数据挖掘方法，企业才能将海量的数据库转变为描述客户特征的图像，才能按图索骥识别出客户的行为模式，从而能发现客户、服务客户和保持客户。随着商业行为越来越多地融入到互联网当中，同时也需要更快地响应客户，数据挖掘技术就显得更加重要了。下面介绍六类数据挖掘在客户管理系统（客户管理软件CRM）的典型应用，以及数据挖掘应用的困难。

        1、客户群体分类

        数据挖掘能够完成客户群体的分类工作。数据挖掘中的决策树和聚类等算法可以把大量客户分成不同的群体。通过对数据库中收集和存储的大量客户消费信息进行分析和处理，数据挖掘可以通过分类确定特定类别消费群体或个体消费兴趣、习惯、倾向和需求，进而推断出下一步消费行为。客户群体分类是目前数据挖掘在客户管理系统（客户管理软件CRM）中最成熟、最广泛的应用形式。

        数据挖掘应用到客户群体分类时，应用全面结合企业战略目标和规划。分类方案过于复杂导致难以理解和实施，方案过于简单或只是基于小样本会导致应用的局限。

        2、交叉销售分析

        数据挖掘可以帮助企业分析出最优的交叉销售匹配方式。聚类分析能够发现对特定产品感兴趣的用户 群；神经网络能够预测客户购买新产品的可能性；关联规则能发现客户倾向于关联购买哪些商品。实际中，一般先分析现有客户的购买行为和消费习惯；然后用数据挖掘算法对不同销售方式下的个体行为进行建模；接着用模型对客户将来的消费行为进行预测，对每一种销售方式进行评估；最后用模型对新客户的数据进行分析，以决定哪一种交叉销售方式最合适。

        数据挖掘和交叉销售的结合要建立在客户和企业双赢的基础上。一方面，数据挖掘要通过支持关联销售和扩展销售来更好地满足客户需求；另一方面，当客户的购买习惯发送变迁时也能通过数据挖掘反馈到企业，以改变或改进产品/服务。

        3、客户信用分析

        数据挖掘技术可以有效地分析出客户的信用状况，预测出可能发生的欺诈风险。数据挖掘中的离群点检测、神经网络和聚类等分析方法可以预测出客户欺诈发生的可能性、原因、程度及防范措施等，使得企业可以准确及时地对各种欺诈风险进行进行监视、评估、预警和管理，进而采取有效的规避和监督措施控制欺诈风险。数据挖掘中的差异分析技术能让企业从大量历史数据中分析出客户的信用等级，使企业能够对不同信用等级的客户采取不同的贷款业务营销方案。

        客户信用数据挖掘主要应用于银行和保险等行业的客户管理系统（客户管理软件CRM）中。此类数据挖掘的特点是拥有高质量的客户数据，包括全面的客户资金流动、消费习惯和资产状况等，所以这些行业数据挖掘应用相对成熟，但很难扩展到其他行业。