搜索
第1章客户关系管理概述1.1客户关系管理的含义1.1.1客户关系管理的产生1.1.2客户关系管理的含义1.2客户关系管理系统的类型1.2.1按目标客户分类1.2.2按应用集成度分类1.2.3按系统功能分类1.1客户关系管理的含义1.1.1客户关系管理的产生•客户资源价值的重视（管理理念的更新）、•客户价值实现过程需求的拉动•信息技术的推动图1.1CRM产生的原因1.1.2客户关系管理的内涵综合所有CRM的定义，我们可以将其理解为理念、技术、实施三个层面。其中，理念是CRM成功的关键，它是CRM实施应用的基础和土壤；信息系统、IT技术是CRM成功实施的手段和方法；实施是决定CRM成功与否、效果如何的直接因素。三者构成CRM稳固的“铁三角”图1.2CRM铁三角1.2客户关系管理系统的类型1.2.1按目标客户分类以全球企业或者大型企业为目标客户的企业级CRM；以200人以上、跨地区经营的企业为目标客户的中端CRM；以200人以下企业为目标客户的中小企业CRM。1.2.2按应用集成度分类CRM专项应用、CRM整合应用、CRM企业集成应用1.2.3按系统功能分类操作型CRM、合作型CRM、分析型CRM第2章客户关系管理理论基础2.1关系营销理论2.2客户生命周期及其价值2.3客户满意陷阱及其成因2.4客户智能与客户知识2.1.1关系营销的涵义与特征所谓关系营销，是把营销活动看成是一个企业与消费者、供应商、分销商、竞争者、政府机构及其他公众发生互动作用的过程，其核心是建立和发展与这些公众的良好关系。2.1.2关系营销的涵义与特征关系营销的本质特征：（１）双向沟通（２）合作（３）双赢（４）亲密（５）控制。2.1.2关系营销的中心——客户忠诚•1947年由美国学者塞利弗和肯切尔在研究社会判断理论时提出的“涉入理论”。•客户忠诚的前提是客户满意，而客户满意的关键条件是客户需求的满足。•对客户满意研究的最新进展是斯普林格、麦肯齐和奥尔沙夫斯基通过实验和数理分析，重新检验了形成客户满意的决定因素之后所建立的客户满意理论模型。2.1.3关系营销梯度推进层次贝瑞和帕拉苏拉曼归纳了三种创造客户价值的关系营销层次。•一级关系营销它维持客户关系的主要手段是利用价格刺激增加目标市场客户的财务利益。•二级关系营销即增加目标客户的财务利益，同时也增加他们的社会利益。•三级关系营销增加结构纽带，与此同时附加财务利益和社会利益。2.2.1客户生命周期•客户生命周期是指当一个客户开始对企业进行了解或企业欲对某一客户进行开发开始，直到客户与企业的业务关系完全终止且与之相关的事宜完全处理完毕的这段时间。•客户的生命周期性可分为潜在客户期、客户开发（发展）期、客户成长（维系）期、客户成熟期、客户衰退期、客户终止期共六个阶段。2.2.1客户生命周期2.2.2企业客户群体生命周期的计算企业客户群体的生命周期与单一客户生命周期不同的是，它计算出的是企业整个客户群体的平均生命周期，具体采用客户流失率来计算。企业客户流失率是指企业客户单位时间内流失的数量占总客户量的比率。2.3客户满意陷阱及其成因2.3.1客户满意陷阱的含义2.3.2基本期望、潜在期望与客户满意陷阱2.3.1客户满意陷阱的含义•美国学者Reicheld和Sasser的研究表明，客户忠诚度提高5%，行业的平均利润率提高25%~85%。•许多企业采取大量的措施提高客户的满意度，希望籍此提高客户忠诚度。但是实践和研究发现，客户满意度并不等于忠诚度，许多行业存在着高满意度，低忠诚度的现象，这就是所谓的客户满意陷阱。2.3.2基本期望、潜在期望与客户满意陷阱图2.2客户满意度与客户忠诚度关系曲线图2.5两种期望的满意水平与客户忠诚的关系图2.4.1客户智能及其体系框架客户智能，是创新和使用客户知识、帮助企业提高优化客户关系的决策能力和整体运营能力的概念、方法、过程以及软件的集合。图2.6客户智能体系框架第3章客户关系管理能力3.1客户关系管理能力的界定3.2客户关系管理能力评价指标体系3.3客户关系管理能力对企业绩效的影响3.4提升企业客户关系管理能力的措施3.1客户关系管理能力的界定3.1.1客户关系管理能力的含义3.1.2客户关系管理能力的构成3.1.3影响客户关系管理能力的因素3.1.1客户关系管理能力的含义企业以实施客户关系管理为导向，在经营活动中配置、开发和整合企业内外的各种资源，主动利用、分析和管理客户信息，迅速满足客户个性化需求，从而建立、发展和提升客户关系，形成竞争优势的知识和技能的集合。3.1.2客户关系管理能力的构成•客户洞察能力•创造和传递客户价值的能力•管理客户关系生命周期的能力3.1.3影响客户关系管理能力的因素•信息技术•高层领导•企业文化•人类资源•组织设计•供应链伙伴3.2客户关系管理能力评价指标体系客户关系管理能力评价指标•客户洞察能力•创造和传递客户价值的能力•管理客户关系生命周期的能力3.3客户关系管理能力对企业绩效的影响对企业绩效影响的调节因素：（1）客户需求和偏好的变动程度（2）行业竞争程度（3）行业技术变动程度（4）经济的繁荣程度3.4提升企业客户关系管理能力的措施3.4.1实施企业文化的变革3.4.2人力资源管理变革3.4.3组织结构变革3.4.4信息技术的引入3.4.5供应链伙伴的选择第4章客户关系管理软件系统4.1CRM软件系统的一般模型4.2CRM软件系统的组成部分4.3CRM软件系统的技术功能4.4CRM软件系统的系统模块4.5CRM软件系统的发展趋势4.1CRM软件系统的一般模型4.2CRM软件系统的组成根据CRM的一般模型，可以将CRM软件系统分为四个组成部分：•接触活动•业务功能•数据库•技术功能信息分析能力对客户互动渠道集成能力支持网络应用能力建设集中客户数据仓库能力对工作流集成能力与ERP集成能力4.3CRM功能模块•销售管理子系统•市场营销管理子系统•服务管理子系统•现场服务管理子系统•呼叫中心管理4.4CRM软件系统发展趋势•采用先进的软件技术架构•采用分布式技术•采用参数化的设定理念•提供方便的工作流管理与监控•融入现代呼叫中心和门户技术•采用商业智能（BI）技术•CRM的ASP模式ASP的含义•ASP即为应用服务提供商，是指通过广域网络，基于中央服务器实施、管理和远程托管套装应用软件，从数据中心为多个实体提供和管理应用服务的第三方服务。•ASP是随着企业信息系统外包趋势、软件应用服务和相关业务的发展而逐渐形成的，它具有三大特点，首先，ASP向用户提供的服务应用系统本身的所有权属ASP，用户租用服务之后对应用系统拥有使用权；其次，应用系统被集中放置在ASP的IDC（Internet数据服务中心）中，具有充足的带宽、电力和空间保证以及具有专业质量的系统维护服务；同时ASP定期向用户收取服务费。推动CRM-ASP模式的因素•中小企业喜欢租用的商业模式CRM软件厂商一直积极地把中小企业作为销售目标。中小企业喜欢租用的商业模式，因为这种模式可以避免配置、维护和升级软件的费用。软件供应商也欢迎这种安排，因为许可证销售收入很难预料，因为软件销售有季节性，并且受宏观经济形势的影响，租用业务比基于许可证的业务收入更稳定可靠。•用户依靠外包CRM功能来控制风险据有关统计表明，只有45%的用户完全满意他们采购的CRM软件。用户的不满意已经引起许多购买者慎重地考虑购买全套的CRM软件，并且希望得到可以量化的投资回报。租用模式能使购买者的投资相对小一些，并且随着这种应用软件证明其价值而逐步增加使用。•放弃不使用的软件在90年代末，经济的繁荣导致企业错误地预测了增长率。而这种繁荣的泡沫在2000年破灭了。结果，企业在软件厂商打折优惠的刺激下购买了大批超出其需要的软件。现在，企业对于其采购采取了更实际的措施。他们的购买方式出现了巨大的变化，转向购买策略的、更小的、更容易消化的软件。第5章CRM与数据仓库5.1数据仓库概述5.1.1数据仓库概念及特征5.1.2数据仓库的内容5.1.3数据仓库系统的体系结构5.2客户关系管理数据仓库的实施5.1.1数据仓库的概念和特征•目前，数据仓库一词尚没有一个统一的定义。•著名的数据仓库专家W.H.Inmon在其著作《BuildingtheDataWarehouse》一书中给予如下描述：•数据仓库（DataWarehouse）是一个面向主题的（SubjectOriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（TimeVariant）的数据集合，用于支持管理决策。5.1数据仓库概述5.1.3数据仓库的内容•数据仓库并没有严格的数学理论基础，也没有成熟的基本模式，且更偏向于工程，具有强烈的工程性。因此，在技术上人们习惯于从工作过程等方面来分析，并按其关键技术部份分为数据的抽取、存储与管理以及数据的表现等三个基本方面。5.1.3数据仓库系统体系结构OLAP服务器•OLAP服务器对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的分析，并发现趋势。其具体实现可以分为：ROLAP、MOLAP和HOLAP。ROLAP基本数据和聚合数据均存放在RDBMS之中；MOLAP基本数据和聚合数据均存放于多维数据库中；HOLAP基本数据存放于RDBMS之中，聚合数据存放于多维数据库中。5.2数据仓库的项目实施•数据仓库提供了有效地存取和管理大量数据的理想环境，而数据仓库系统的建立是一个由数据驱动、以技术支撑并满足应用需求的不断增长和完善的开发过程。因此数据仓库的建立可以从数据、技术和应用三方面展开。5.2.1联机分析处理（OLAP）•OLAP是一种软件技术，他使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的，这些信息是从原始数据直接转换过来的，他们以用户容易理解的方式反映企业的真实情况。•OLAP大部分策略都是将关系型的或普通的数据进行多维数据存贮，以便于进行分析，从而达到联机分析处理的目的。这种多维DB也被看作一个超立方体，沿着各个维方向存贮数据，它允许用户沿事物的轴线方便地分析数据，与主流业务型用户相关的分析形式一般有切片和切块以及下钻、挖掘等操作。共享多维信息的快速分析。5.2.2OLAP评价标准(1)多维概念视图(2)透明性(3)易访问性(4)一致的报表性能(5)客户/服务器结构(6)维的等同性(7)动态稀疏矩阵处理(8)多用户支持(9)无约束的跨维操作。(10)直观的数据操作。(11)灵活的报表。(12)不限制的维和聚合级别第6章CRM与数据挖掘6.1数据挖掘的定义6.2数据挖掘的技术6.3数据挖掘的功能6.4数据挖掘的流程6.5数据挖掘的发展方向6.1数据挖掘的定义•SAS研究所（1997）：“在大量相关数据基础之上进行数据探索和建立相关模型的先进方法”。•Bhavani（1999）：“使用模式识别技术、统计和数学技术，在大量的数据中发现有意义的新关系、模式和趋势的过程”。•Handetal（2000）：“数据挖掘就是在大型数据库中寻找有意义、有价值信息的过程”。6.2数据挖掘技术•数据挖掘的方法很多，大致可分为：统计方法、机器学习方法、神经网络方法和数据库方法。其中，统计方法可细分为：回归分析（多元回归、自回归等）、判别分析（贝叶斯判别、费歇尔判别、非参数判别等）、聚类分析（系统聚类、动态聚类等）、探索性分析（主元分析法、相关分析法等）、以及模糊集、粗糙集、支持向量机等。机器学习中，可细分为：归纳学习方法（决策树、规则归纳等）、基于范例的推理CBR、遗传算法、贝叶斯信念网络等。神经网络方法，可细分为：前向神经网络（BP算法等）、自组织神经网络（自组织特征映射、竞争学习等）等。数据库方法主要是基于可视化的多维数据分析或OLAP方法，另外还有面向属性的归纳方法。6.3数据挖掘的功能•自动预测趋势和行为•关联分析•对象分类•聚类分析•概念描述•偏差检测6.4数据挖掘的流程确定业务对象：清晰地定义出业务问题，认清数据挖掘的目的是数据挖掘的重要