二、基于信息挖掘的动态客户细分方法

1.基于数据分析的客户信息挖掘技术

数据挖掘技术指的是从大型数据库中提取能够吸引人们兴趣的信息，包括概念、规则、模式等，这些信息要具有隐含性和潜在性。这一方法的应用分为以下几步：首先确定公司的业务对象，确定明确的信息挖掘目标群体。然后进行数据准备，包括选择适用于信息挖掘的数据库、对数据记性预处理、把数据转换为分析模型等。然后开始进行数据的挖掘，并对结果进行分析和解释[2]。

2.客户细分模型

首先要确定客户细分的目的就是把客户与多种概念之间的关系进行联系，比如高收入客户、高风险客户、保守客户等。然后建立客户的数据库，每个客户作为数据空间中的一点，以客户不同的属性为维度，构成一个多维空间。根据这一数据库中已知的分类概念，对客户进行数据挖掘，自动的归纳客户的属性和概念。根据这一过程，建立一个标准的客户细分DFM功能模型。这一模型主要分为三个部分，分别是数据、功能和方法。数据部分是由客户数据存储和概念构成的，客户数据包括公司客户的全部外在属性、内在属性和消费行为数据。概念包括公司制定的与客户相关的各种描述。客户数据与概念相互映射;功能包括客户价值分析、忠诚度分析、产品定位、信用风险、营销策略等。这些功能的实现都是通过对数据部分的分析来实现的，并且随着公司的发展和市场的变化，推这些概念和数据进行更新，实现动态的客户细分;方法层面是利用多种数据、统计模型建立客户与公司给定概念之间的关系，以实现对客户的数据挖掘与细分的准确性。包括贝叶斯分类法、决策树法、网络神经分类法等，将这些统计模型和分类方法进行统和，是整个系统的核心。这一系统的实现，将会直接对客户进行定位与识别、指导新产品的开发，并为企业的战略发展提供信息支持。这一系统的实现，离不开现代电子信息技术，我们要根据企业的类型进行相关软件的开发[3]。

编辑老师为大家整理了9000字客户关系论文，供大家参考。更多详情请点击工商管理。