4、客户获得和保持

        数据挖掘可以帮助企业识别出潜在的客户，提高客户对营销活动的响应。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类分析。根据企业给定的客户资料以及其他输入，数据挖掘系统可以建立“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感兴趣的客户，进而达到获取客户的目的。

        数据挖掘可用于客户流失分析。时序分析、神经网络和粗糙集等数据挖掘技术可以用于此类分析。利用数据挖掘工具可以已经流失的客户建模，识别导致他们的流失模式，然后用这些模式找出当前客户中类似的情况，以便企业采取相应措施防止流失，进而达到保持客户的目的。

        在进行客户获取和保持的数据挖掘时，一定要对企业服务和产品的市场有清晰的认识。如果企业产品的目标客户相对专业和稳定，那么数据挖掘工作的重点可以放到维持已建立的客户关系上，用长期忠诚客户的口碑效应增强竞争优势。当企业产品面对的是新兴变动的客户群体，不断地获取新客户才是数据挖掘的重点。预测潜在客户对企业销售推广活动的反映可以使用有效的营销资源得到最合理的利用。

        5、客户满意度分析

        数据挖掘可以帮助企业进行客户满意度分析。一方面，神经网络等算法可以定量地衡量客户满意度，并产生度量标准和公式。另一方面，决策树等算法可以从客户购买、维修、意见、建议、投诉等众多的环节中识别出关键影响因素，从而制定改进策略，提高客户满意度。

        利用数据挖掘分析客户对企业产品/服务的满意度，可以帮助企业了解客户的需求和期望，发现企业在产品、服务和管理上的不足，为企业改善 经营策略、提高客户忠诚度指明方向。

        6、客户管理系统（客户管理软件CRM）中应用数据挖掘的困难

        从以下两个方面来讨论客户管理系统（客户管理软件CRM）中应用数据挖掘的困难。

        1）技术因素

        尽管人们已经系统地开展了数据挖掘研究，市场上充斥了各种客户管理系统（客户管理软件CRM）数据挖掘软件，然而数据挖掘在客户管理系统（客户管理软件CRM）中的应用仍然不够成熟。导致这种现状的原因是多方面的。首先，数据挖掘技术是基于机器学习的智能活动，机器学习所能模拟的智能活动和人类的复杂信息处理能力相比仍是原始的，并且缺乏适应能力。其次，数据挖掘技术本质上是用历史数据来预测未来，它的应用情况严重依赖于数据输入。数据的完整性、数据的噪音、数据的格式，甚至数据的体量都严重影响数据挖掘算法应用的效果。最后，当前的数据挖掘工具无论从过程自动化，还是从知识判读上都需要有经验的数据分析师参与，特别是有丰富领域知识的专家来参与。否则，即使数据挖掘为客户管理系统（客户管理软件CRM）提供大量输出，由于无法判读这些输出的价值并做出行动策划，数据挖掘应用的效果仍然停留在信息部门之内，而不能给企业带来实际价值。由于这几方面的因素互相缠绕，数据挖掘在客户管理系统（客户管理软件CRM）中的应用仍然处于搜索阶段，需要企业不断地积累经验，并不断地改善技术。

        2）隐私问题

        数据挖掘在客户管理系统（客户管理软件CRM）中的应用一定要把握好隐私探索的尺度，以保持精益管理和客户感知之间的微妙平衡。数据挖掘在客户管理系统（客户管理软件CRM）中的应用是一个商业过程，它能让企业收集或购买的客户数据发挥最大价值，但消费者也许讨厌自己成为被精细打量并严格控制的目标。企业在将数据挖掘应用到客户管理系统（客户管理软件CRM）时会遇到两个挑战；第一，客户是否会感到隐私受到了侵犯；第二，企业的行为是否会造成法律纠纷。第一个问题在广泛应用互联网的今天成为了一个非常敏感的话题。第二个问题对于保险等特殊行业尤其严峻。精准营销和定制化服务本来就是基于经济学的价格歧视原来来进行的。数据挖掘将这个趋势变得更加复杂和难以理解，而且无所不在。所以，隐私问题也导致企业在将数据挖掘应用到客户管理系统（客户管理软件CRM）时要步步为营，谨慎应对。