BB&CC運(yùn)用這一模型再給郵件列表中剩下的950,000個(gè)人選擇700,000發(fā)送郵件。結(jié)果顯示：從這750,000（包括測試的50,000）件郵件中，BB&CC獲得了9000份信用卡申請。換句話說，響應(yīng)率從1%提高到了1.2%——增加了20%。雖然目標(biāo)只達(dá)到了10000個(gè)中的9000個(gè)，但模型每有完美的，剩下的1000時(shí)無利可圖的。
下面的統(tǒng)計(jì)數(shù)據(jù)的列表：
請注意，郵寄的純利潤增加了$125,000，甚至你扣除由于數(shù)據(jù)采集而產(chǎn)生的軟件、硬件即人力資源方面的$40,000，純利潤還增加了$85,000。建模的投入轉(zhuǎn)化成了200%的收益，這遠(yuǎn)遠(yuǎn)超過了BB&CC對這一項(xiàng)目的ROI要求。
提高現(xiàn)有客戶的價(jià)值：通過數(shù)據(jù)采集進(jìn)行搭配銷售
Cannons and Carnations(C&C)是一家專門銷售舊式迫擊炮和大炮作為室外裝飾的公司，它也賣大口徑舊式手槍和步槍的收藏品作為室內(nèi)裝飾。C&C的產(chǎn)品目錄手冊被發(fā)送到大約1200萬個(gè)家庭。
當(dāng)客戶打電話來下訂單時(shí)，C&C使用Caller ID來識別打電話的人；另外C&C的代表還要求從產(chǎn)品目錄手冊的郵寄標(biāo)簽獲得電話號碼或客戶編碼。下一次，C&C的代表從數(shù)據(jù)庫中尋找客戶并處理訂單。C&C有很好的機(jī)會進(jìn)行搭配銷售或者賣給訂購者其它附加產(chǎn)品；但是C&C發(fā)現(xiàn)在第一次建議失敗之后，代表向客戶做出第二次建議時(shí)，客戶可能憤怒的掛斷電話而什么也不定購。的確存在一些客戶憤恨任何搭配銷售。
在世時(shí)數(shù)據(jù)采集之前，C&C一直在勉強(qiáng)進(jìn)行搭配銷售。沒有模型時(shí)，做出恰當(dāng)?shù)耐扑]的幾率為1/3。因?yàn)橄蛞恍┛蛻糇龀隽藷o法接受的建議，所以C&C希望對“不該推薦時(shí)決不做出推薦”這一點(diǎn)非常有把握。在實(shí)驗(yàn)中發(fā)現(xiàn)C&C的搭配銷售的銷售率增加不到1%；而C&C過去一直為這一點(diǎn)獲利勉強(qiáng)進(jìn)行搭配銷售。
在實(shí)施數(shù)據(jù)采集之后，情形發(fā)生了戲劇性的改變；現(xiàn)在數(shù)據(jù)采集模型操縱數(shù)據(jù)。通過使用數(shù)據(jù)庫和新訂單中的客戶信息，這會告訴客戶服務(wù)代表應(yīng)該推薦什么。C&C成功賣給了2%的客戶一件附加產(chǎn)品，而且更重要的卻沒有得到客戶的抱怨。
開發(fā)這種性能的過程與前面用來解決信用卡客戶獲得問題相似；和前面的情況相同，有兩個(gè)模型是必需的。
第一個(gè)模型預(yù)測一些人是否為被建議買附加產(chǎn)品而感到不愉快。C&C通過簡短的電話調(diào)查了解客戶的法應(yīng)如何。按照保守的計(jì)算方法，C&C將拒絕參與調(diào)查的人和對推薦購買附加產(chǎn)品反感的人均計(jì)算在內(nèi)。隨后，為了檢驗(yàn)這種假設(shè)（將拒絕參與調(diào)查的人歸入拒絕推薦的人），C&C向這些拒絕回答調(diào)查問題的人推薦附加產(chǎn)品；令人感到驚奇的是，他們并不拒絕打[誒銷售，于是發(fā)現(xiàn)調(diào)查時(shí)沒有根據(jù)的。這使BB&CC可以做出更多的推薦，并進(jìn)一步提高收益。第二個(gè)模型用來預(yù)測哪些提議不會被接受。
總之?dāng)?shù)據(jù)采集幫助BB&CC更好地理解它的客戶的需求。當(dāng)數(shù)據(jù)采集模型被結(jié)合在典型的搭配銷售的CRM活動中時(shí)，這些模型幫助BB&CC提高了2%的收益。
提高現(xiàn)有客戶的價(jià)值：通過數(shù)據(jù)采集進(jìn)行個(gè)性化服務(wù)
Big Sam’s Clothing 開發(fā)一個(gè)網(wǎng)站來補(bǔ)充它的商品目錄。當(dāng)你訪問它的網(wǎng)站是，你首先會看到“Howdy Pardner”的歡迎詞。然而，一旦你在該網(wǎng)站注冊，Pardner就會變成你的姓名。如果已經(jīng)有過Big Sam’s的訂單紀(jì)錄，它就會告訴你那些可能引起你的特殊興趣的新商品。當(dāng)你注意到一件特殊的商品如一件防水皮大衣時(shí)，Big Sam’s會建議在一此購買中需要補(bǔ)充的其它條目。
在Big Sam’s第一次將網(wǎng)站投放市場時(shí)，并沒有什么個(gè)性化的內(nèi)容，網(wǎng)站只是商品目錄有效的在線翻版；但是卻沒有利用Web現(xiàn)存的銷售機(jī)會。
數(shù)據(jù)采集迅速提高了Big Sam’s的網(wǎng)絡(luò)銷售。產(chǎn)品目錄手冊常常簡單地按照用戶挑選產(chǎn)品的類型對商品進(jìn)行分組。然而在在線商店中商品分組可能是完全不同的，它常常以考慮內(nèi)的商品補(bǔ)充條目為基礎(chǔ)。網(wǎng)站特別的地方還在于：它不僅考慮你看到的條目，而且還考慮你的“購物籃”中的商品，結(jié)果就會產(chǎn)生更加客戶化的推薦。
首先，Big Sam’s使用聚類（clustering）的方法來發(fā)現(xiàn)哪些商品時(shí)自然的分在一組中。有時(shí)一些聚類是十分明顯的，如襯衫和短褲；一些聚類可能是令人驚奇的，如關(guān)于沙漠探險(xiǎn)的書和醫(yī)療工具包。這些聚類用來在有人看到其中的一個(gè)產(chǎn)品使向他做出建議。
Big Sam’s接著建立客戶剖析來幫助識別哪些會對經(jīng)常添加在商品目錄中的新商品感興趣的客戶。Big Sam’s所做的指引客戶購買那些挑選出來的產(chǎn)品不僅僅帶來銷售的增加，而且鞏固了客戶關(guān)系。調(diào)查顯示Big Sam’s被看作是一個(gè)衣物和裝飾品方面可信賴的顧問。
為了擴(kuò)大影響，Big Sam’s實(shí)施了一個(gè)應(yīng)用程序來向客戶發(fā)送Email，這些Email包含了由數(shù)據(jù)采集模型預(yù)測的會吸引客戶的新產(chǎn)品信息。當(dāng)客戶將這個(gè)看作牽攝客戶服務(wù)的例子時(shí)，Big Sam’s發(fā)現(xiàn)這是一個(gè)可以改善收益的程序。
個(gè)性化銷售的努力為Big Sam’s帶來了盈利：它在重復(fù)銷售、每一客戶的平均銷售量和銷售的平均范圍等方面帶來了一個(gè)重大的、可測量的提高。
保持上等（收益）客戶：通過數(shù)據(jù)采集
幾乎每一個(gè)公司在獲取一個(gè)新客戶所投入的成本都遠(yuǎn)大于保持一個(gè)上等客戶的成本。KownServce（ISP，如中國的163）所面臨的一個(gè)難題是，它每月經(jīng)歷每月8%的行業(yè)平均磨損（客戶減少）率；這意味著如果他擁有100萬客戶，則每月會有8萬的客戶離它而去。替換這些客戶的成本為每個(gè)200美金或者一共1600萬，這也是著手磨損管理程序的主要動機(jī)。
KownServce要做的第一件事就是準(zhǔn)備用來預(yù)測哪些客戶會離開的數(shù)據(jù)。KownServce需要從客戶數(shù)據(jù)庫中選擇變量并（可能）進(jìn)行轉(zhuǎn)換。KownServce的大多數(shù)用戶是進(jìn)行撥號連接，所以KownServce知道每一個(gè)客戶連接到Web需要多長的時(shí)間。KownServce也知道客戶計(jì)算機(jī)的傳輸?shù)臄?shù)據(jù)量、一個(gè)用戶所用有的Email賬號的數(shù)量、Email信息發(fā)送和接收的數(shù)量以及客戶的賬單歷史。另外，KownServce還有客戶撥號時(shí)提供的人口統(tǒng)計(jì)數(shù)據(jù)。
KownServce要做的第一件事就是需要識別哪些是“上等”客戶。這并不是數(shù)據(jù)采集問題，而是通過計(jì)算得出的商業(yè)定義（如收益率或生命周期價(jià)值）。KownServce建立模型來剖析能帶來收益的客戶和不能帶來收益的客戶。KownServce不僅用這一模型來提高客戶的保持力，還用它來識別哪些客戶現(xiàn)在不能帶來收益但將來卻可以。
接著KownServce建立模型來預(yù)測哪些可以帶來收益的客戶會離開。在大多數(shù)數(shù)據(jù)采集問題中，決定如何使用哪些數(shù)據(jù)和怎樣將現(xiàn)存數(shù)據(jù)結(jié)合起來是模型開發(fā)中最大的難題。例如：KownServce需要關(guān)注如每月使用的時(shí)間系列數(shù)據(jù)，模型中寧愿使用三個(gè)月中每月的平均數(shù)量而不采用原始的時(shí)間系列數(shù)據(jù)。KownServce也計(jì)算出三個(gè)月的平均數(shù)量的改變，并將它作為預(yù)測的依據(jù)。這些依據(jù)中一部分是非常好的，如下降的使用，它們是出現(xiàn)需要處理的問題的預(yù)兆；另外一些依據(jù)如服務(wù)請求的數(shù)量和它的平均數(shù)量的改變預(yù)示著客戶滿意度出現(xiàn)問題。
預(yù)測誰將出現(xiàn)離開是不夠的�；谀Ｐ彤a(chǎn)生的結(jié)果，KownServce確定可能的計(jì)劃和可以誘使客戶留下的提議。例如一部分離開者由于超過固定費(fèi)用下的可用量一大截的使用（上網(wǎng)）而需要支付次超過的得那一部分真實(shí)的費(fèi)用；KownServce給這一部分用戶提供較高費(fèi)用的服務(wù)，但卻包含更多的捆綁時(shí)間。也有一些客戶被提議使用更多的磁盤空間來存放個(gè)人主頁。KownServce建立模型來預(yù)測度一個(gè)特殊的用戶需要提供更有效的提議。
總的說來，項(xiàng)目需要三個(gè)模型。一個(gè)模型用來確定離開用戶，第二個(gè)模型用來選擇可以帶來收益的潛在的離開者來進(jìn)行“飼養(yǎng)”，第三個(gè)模型為這些潛在的離開者匹配最適宜的提議。得到的結(jié)果是KownServce的客戶離開率由8%下降到7.5%，這為KownServce每月減少獲取客戶的成本為$1,000,000。
KownServce發(fā)現(xiàn)自己的數(shù)據(jù)采集投資是有回報(bào)的——它改善了客戶關(guān)系，并且引人注目地提高了收益。
將數(shù)據(jù)采集運(yùn)用到CRM中
為了為你的CRM系統(tǒng)建立良好的模型，有一些步驟你必須遵行。下面描述的兩個(gè)數(shù)據(jù)采集過程模型與其它模型是相似的，不同之處僅在于在不同步驟中強(qiáng)調(diào)的重點(diǎn)而已。
緊記下面列表中的步驟，但數(shù)據(jù)采集過程并不是線性的——你需要回復(fù)到前面的步驟是不可避免的。例如在“explore data”中進(jìn)行的內(nèi)容可能需要你增加新的數(shù)據(jù)到數(shù)據(jù)采集數(shù)據(jù)庫中。你建立的初始模型可能提供一種洞察力，它會引導(dǎo)你增加新的變量。
有效的CRM中的數(shù)據(jù)采集的基本步驟為：
1.定義商業(yè)問題（Define business problem）
2. 建立行銷數(shù)據(jù)庫（Build marketing database）
3. 研究數(shù)據(jù)（Explore data）
4. 為建模準(zhǔn)備數(shù)據(jù) Prepare data for modeling）
5.建立模型（Build model）
6.評價(jià)模型（Evaluate model）
7.展開模型獲得結(jié)果Deploy model and results
1. 定義商業(yè)問題 每一個(gè)CRM應(yīng)用程序都有一個(gè)或多個(gè)商業(yè)目標(biāo)，為此你需要建立恰當(dāng)?shù)哪Ｐ汀８鶕?jù)你特殊的目標(biāo)如“提高響應(yīng)率”或“提高每個(gè)響應(yīng)的價(jià)值”，你將建立完全不同的模型。問題的有效陳述包含了測量你的CRM引用程序的成果的方法。
2. 建立行銷數(shù)據(jù)庫 二到四是組成數(shù)據(jù)準(zhǔn)備的核心。他們花費(fèi)的時(shí)間或努力比其他幾步加起來還多。數(shù)據(jù)準(zhǔn)備和模型建立之間可能反復(fù)進(jìn)行，因?yàn)槟銖哪Ｐ椭袑W(xué)到新的東西，而這又要你修改數(shù)據(jù)。數(shù)據(jù)準(zhǔn)備階段無論如何也要占去全部數(shù)據(jù)采集過程的50%到90%的時(shí)間和努力。
你需要建立一個(gè)行銷數(shù)據(jù)庫，因?yàn)槟愕牟僮餍詳?shù)據(jù)庫和操作性數(shù)據(jù)倉庫常常沒有提供你需要的形式的數(shù)據(jù)；此外，你的CRM應(yīng)用程序還可能性干擾這個(gè)系統(tǒng)的快速、有效地執(zhí)行。
在你建立行銷數(shù)據(jù)庫的時(shí)候，你好需要對它進(jìn)行凈化——如果你想獲得良好的模型，你必須有干凈的數(shù)據(jù)。你需要的數(shù)據(jù)可能在不同的數(shù)據(jù)庫中，如客戶數(shù)據(jù)庫，產(chǎn)品數(shù)據(jù)庫以及事務(wù)處理數(shù)據(jù)庫。這意味你需要集成鞏固數(shù)據(jù)到單一的行銷數(shù)據(jù)庫中并且去除來之多個(gè)數(shù)據(jù)源的數(shù)據(jù)在值商的差異。沒有恰當(dāng)進(jìn)行數(shù)據(jù)值差異的數(shù)據(jù)是質(zhì)量問題的主要來源。在多個(gè)數(shù)據(jù)源中出現(xiàn)的較大差異主要在數(shù)據(jù)定義和使用的方法上。數(shù)據(jù)值的一些矛盾是很容易發(fā)現(xiàn)的，如同樣的客戶有幾個(gè)不同的（不同的系統(tǒng)正在使用）的地址；但也有一些是很“狡猾的”，如同一個(gè)客戶有不同的名字，更糟的是有不同的客戶識別編碼。
3. 研究數(shù)據(jù) 在建立良好的預(yù)測模型之前，你必須理解你使用的數(shù)據(jù)的含義。通過聚集各種數(shù)據(jù)摘要（如平均值、標(biāo)準(zhǔn)偏離）和關(guān)注數(shù)據(jù)描述開始進(jìn)行研究數(shù)據(jù)。你可能為多維數(shù)據(jù)建立交叉表格。
圖像化和可視化工具是數(shù)據(jù)準(zhǔn)備中的所必需的，但它們對數(shù)據(jù)分析的重要性卻不能過分強(qiáng)調(diào)。數(shù)據(jù)可視化常產(chǎn)生導(dǎo)致新的洞察力和成功的內(nèi)容。一些非常有用的普偏的數(shù)據(jù)顯示是柱狀圖，它顯示了數(shù)據(jù)值得分布情況。你也可以看到不同參數(shù)的二維獲三維的散點(diǎn)圖。這種增加第三變量的能力極大地提高了一些圖形的可用性。
4. 為建模準(zhǔn)備數(shù)據(jù) 這是建立模型之前的數(shù)據(jù)準(zhǔn)備的最后一步。這一步中主要有四個(gè)主要的部分：
首先，你要為建立模型選擇變量。理想情況是：將你擁有的所有變量加入到數(shù)據(jù)采集工具中，找到那些最好的預(yù)測。但在實(shí)際中，這是非常棘手的。其中一個(gè)原因是建立模型的時(shí)間隨著變量得增加而增加。另一個(gè)原因就是盲目性，包括無關(guān)緊要的數(shù)據(jù)列被加入，卻很少甚至不能提高預(yù)測能力。
下一步是從原始數(shù)據(jù)中構(gòu)件新的預(yù)測依據(jù)。例如預(yù)測信用風(fēng)險(xiǎn)使用使用債務(wù)收入的比率而不是單獨(dú)使用債務(wù)和收入作為預(yù)測依據(jù)的變量可以產(chǎn)生更準(zhǔn)確的結(jié)果并且更容易理解。
接著，你需要從數(shù)據(jù)中選取一個(gè)子集或標(biāo)本來建立模型。即使你有許多數(shù)據(jù)；然而使用所有的數(shù)據(jù)會花費(fèi)太長的時(shí)間或者需要買更好的硬件，但你并不愿意如此。使用恰當(dāng)?shù)碾S機(jī)挑選的子集并不會產(chǎn)生CRM問題的信息的不足。建立模型的兩種選擇為：使用所有得數(shù)據(jù)建立一個(gè)模型或者建立多個(gè)以數(shù)據(jù)標(biāo)本為基礎(chǔ)的模型；后者常常能幫助你建立更準(zhǔn)確有力的模型。
最后，你需要轉(zhuǎn)換變量，使之和你選定用來建立模型的運(yùn)算法則一致。
5. 數(shù)據(jù)采集模型的建立 關(guān)于模型建立的需要記住的最重要的就是模型建立是一個(gè)迭代的過程。你需要研究可供選擇的模型，從中找到過解決你的商業(yè)問題最有用的。在你探究一個(gè)好的模型過程中獲悉的知識或許要求你回頭修改你正在使用的數(shù)據(jù)甚至修改你的問題的陳述。
大多數(shù)CRM應(yīng)用程序都給予一種叫做被監(jiān)督學(xué)習(xí)的協(xié)議。你開始使用客戶信息，而且要求產(chǎn)生的結(jié)果是已知的。例如，你有來自以前的郵件列表的歷史數(shù)據(jù)，它與你現(xiàn)在使用的數(shù)據(jù)非常相似。或者，你可能不得不進(jìn)行郵寄測試來確定人們對一個(gè)提議的響應(yīng)如何。你將數(shù)據(jù)分為兩組，使用第一組來培養(yǎng)建立或評估你的模型，接著使用第二組數(shù)據(jù)來測試模型。當(dāng)培養(yǎng)和測試周期完成之后，模型也就建立起來了。
6. 評價(jià)模型 評價(jià)模型結(jié)果的方法中，最可能產(chǎn)生評價(jià)過高的基準(zhǔn)就是精確性。假設(shè)你有一個(gè)提議僅僅有1%的人響應(yīng)。模型預(yù)測“沒有人會響應(yīng)”，這個(gè)預(yù)測99%是正確的，但那確實(shí)100%的無效。另一個(gè)常使用的基準(zhǔn)“提高多少”，這用來衡量使用模型后完成的改進(jìn)有多大，但是它并沒有考慮成本和收入。所以最可取的評價(jià)基準(zhǔn)是收益或ROI。
7. 將數(shù)據(jù)采集運(yùn)用到CRM方案中 在建立CRM應(yīng)用中，數(shù)據(jù)采集常常是整個(gè)產(chǎn)品中很小的但意義重大的一部分。例如：以數(shù)據(jù)采集為基礎(chǔ)預(yù)測模式可能將各個(gè)領(lǐng)域?qū)＜业闹R結(jié)合在一個(gè)很大的被許多類型的人使用的應(yīng)用程序中。
數(shù)據(jù)采集被實(shí)際建立在應(yīng)用程序中的方式由你的客戶交互作用的本質(zhì)所決定。你與客戶的交互作用的兩種方式：客戶主動聯(lián)系你（inbound）或者你主動聯(lián)系他們(outbound)。這時(shí)數(shù)據(jù)采集展開的需求是完全不同的。
后一種方式的特征有你的公司所決定；因?yàn)槁?lián)系活動是由你的公司發(fā)起，例如直接郵寄活動。結(jié)果，通過運(yùn)用模型到你的客戶數(shù)據(jù)庫，你選擇客戶進(jìn)行聯(lián)系。Outbound商業(yè)活動的另一種類型是廣告活動。這用情形下，你對由模型顯示的具有良好前景的特征和你的廣告可以影響的人的特征進(jìn)行匹配。
在inbound事務(wù)中，如電話定購，Internet訂購，客戶服務(wù)呼叫等，應(yīng)用程序必須實(shí)時(shí)響應(yīng)；因此數(shù)據(jù)采集是內(nèi)含在這種應(yīng)用程序中的并且積極地做出推薦動作。
無論哪一種情形，在運(yùn)用模型到新數(shù)據(jù)中你必須處理的一個(gè)關(guān)鍵問題是你在建立模型中的使用數(shù)據(jù)轉(zhuǎn)換。如果在無論來自事務(wù)處理還是數(shù)據(jù)庫的輸入數(shù)據(jù)中包含了年齡、收入、性別字段，但是模型需要的年齡收入比率和性別已經(jīng)改變?yōu)槎兞�，因此你必須轉(zhuǎn)換輸入數(shù)據(jù)。當(dāng)你想快速展開大量模型時(shí)，不費(fèi)力的插入這些轉(zhuǎn)換數(shù)據(jù)就變成了最重要的生產(chǎn)力因素。
結(jié)論
在當(dāng)今市場上，客戶關(guān)系管理的本質(zhì)就是更有效地進(jìn)行競爭。你使用你的客戶信息來滿足客戶需求的效果越好，你就會獲得更多的收益。操作性CRM需要分析性CRM，應(yīng)為ACRM的核心就是預(yù)測性的數(shù)據(jù)采集模型。商業(yè)成功的途徑需要理解客戶和客戶的需求，而數(shù)據(jù)采集正是它的基本指南。
本文來自SPSS的英文材料，文中的內(nèi)容可以理解為ACRM的運(yùn)用方式（另外兩個(gè)為：認(rèn)識什么是ACRM和ACRM的數(shù)據(jù)倉庫得建立）。該公司提供發(fā)現(xiàn)客戶期望和預(yù)測客戶將要做什么的解決方案；這種方案位于CRM和BI的交接處。SPSS的解決方案集成并分析行銷、客戶和操作性數(shù)據(jù)，它為全世界垂直市場的以下行業(yè)提供解決方案：電訊、保健、銀行、金融、保險(xiǎn)、制造、零售業(yè)、市場研究等。