مقدمه‌ای بر رابطه میان مدیریت ارتباط با مشتری و داده‌ كاوی

امروزه وفاداری مشتری می‌تواند از طریق مدیریت مؤثر اطلاعات مشتری افزایش یافته و باعث توسعه تجارت شود. در این میان محققان نشان داده‌اند كه استراتژی‌های CRM اگر به صورت مؤثر اجرایی شوند، چگونه می‌توانند ارزش مشتری را افزایش داده و رضایت مشتریان را رقم بزنند. نکته کلیدی، جمع‌آوری اطلاعات ارزشمند مشتری و خارج کردن اطلاعات پنهان و ناشناخته‌ای است که می‌تواند بین افراد مرتبط توزیع شود.

یکپارچگی اطلاعات عملیاتی مشتری با ابزارهای تحلیلی داده‌کاوی، کاربرد‌های تحلیلی را برای شناسایی روندهای قابل پیش‌بینی در رفتارهای مشتری، هدایت می‌کند. سپس تحلیل اطلاعات به دست آمده می‌تواند با فرآیند هوش تجاری سازمان‌ها ادغام شده تا استراتژی بازاریابی به صورت مؤثر برنامه‌ریزی شود. در اینجا پیش از آنكه وارد اثر استفاده مدیریت ارتباط با مشتری در داده‌كاوی و هوش تجاری شویم لازم است انواع مدیریت ارتباط با مشتری را تعریف کنیم. 

مدیریت ارتباط با مشتری (CRM) شامل سه نوع فناوری است:

* CRM عملیاتی – مهم‌ترین بخش‌ها در این فناوری، بازاریابی و فروش مكانیزه و پشتیبانی و خدمات مشتری است.

* CRM تحلیلی - ضمن ارائه آمار و تحلیل‌هایی درباره وضعیت فروش، بازاریابی و پشتیبانی، وضعیت میزان رضایت و وفاداری مشتریان را نیز اندازه‌گیری می‌کند.

* CRM تعاملی - تعامل بین سازمان با مشتریان را از طریق تمامی کانال‌های ارتباطی تسهیل می‌کند.

آنچه در ادامه به آن خواهیم پرداخت ارتباط میان CRM تحلیلی و داده‌كاوی و هوش تجاری است. استفاده از CRM تحلیلی، در هوش تجاری به شرکت‌ها کمک کرده است تا استراتژی خود برای بازاریابی، خدمات‌دهی و هر یک از بخش‌های دیگر سازمان را برنامه‌ریزی کنند. به عبارت دیگر CRM تحلیلی، فرآیند ارزیابی داده‌های مشتری و الگوی رفتاری آنها در خرید هر محصولی برای درک بهتر روندهاست و به سؤالات تجاری سازمان‌ها پاسخ خواهد داد. سؤالاتی نظیر: 

* محصولات چیستند و کدام‌یک می‌توانند با یکدیگر فروخته شوند؟
* سودآورترین مشتریان کدامند؟
* کدام مشتریان احتمال پیشرفت دارند؟
* برای افزایش سود، چه پیشنهاداتی می‌توان ارائه کرد؟
* روندهایی که به زودی در بازار ایجاد می‌شوند چه چیزهایی هستند؟
* چگونه فروش متقاطع را افزایش دهیم؟
* چگونه فروش رو به بالا را افزایش دهیم؟

دانستن پاسخ‌های این سؤالات به مشخص کردن خط مشی‌های شرکت از طریق مدیران اجرایی کمک می‌کند. بنابراین اگر تحلیل داده‌های مشتری توسط ابزارهای تحلیلی و تکنیک‌های داده‌کاوی انجام شود، این امر امکان‌پذیر است. محققان در سال 2004 دریافتند که CRM تحلیلی ارتباط گمشده استراتژی CRM در اجرای هوش تجاری در سازمان‌هاست. اما CRM تحلیلی از طریق چه اجزا و فرآیند‌هایی می‌تواند این ارتباط را شكل دهد؟  این اجزا و فرآیندها عبارتند از:

* پایگاه‌های داده مختلف که می‌توان داده‌های مشتری را از آنها جمع‌آوری کرد مانند پایگاه داده تولید، پایگاه داده داخلی، پایگاه داده بیرونی و مرکز اطلاعات یا داده‌های بایگانی
* انبار داده عملیاتی مشتری شامل اطلاعات مشتری برای مرکز تماس و غیره
* تکنیک‌ها و ابزارهای تحلیلی داده کاوی می‌تواند الگوریتم مدل‌سازی برای تحلیل داده‌های مشتری برای یافتن اطلاعات پنهان را فراهم می‌کند.
* مدیریت کمپین
* گزارش‌دهی اطلاعات بازیابی شده
* ارائه اطلاعات بازیابی شده از طریق محیط شبکه به سایر کاربران مختلف

همچنین پیاده‌سازی CRM تحلیلی قادر است منافع زیادی را برای سازمان تجاری فراهم کند. منافعی نظیر:

* كمك به افزایش فروش و توسعه برنامه‌های فروش
* ایجاد بازاریابی هدفمند از طریق CRM تحلیلی
* كمك به تحلیل سبد بازار
* كمك به فعالیت‌های تشخیص تقلب
* كمك به تقسیم‌بندی مشتریان بر اساس معیارهای ثابت

از طرف دیگر داده‌کاوی به روشن کردن اطلاعات پنهان و ناشناخته انبار داده‌ها کمک كرده و به طور ویژه‌ای در بخش تجارت جهت پیدا کردن الگوهای پنهان و جالب در حال استفاده است. با توجه به اینكه داده‌های مشتری در طول زمان جمع‌آوری می‌شوند، می‌توانند از طریق ابزارها و تکنیک‌های داده‌کاوی برای یافتن اطلاعات پنهان و ناشناخته تحلیل شوند، بنابراین CRM تحلیلی از داده‌کاوی سود برده و تحلیل‌ها و منافع مورد نیاز سازمان در بخش‌های بازاریابی و فروش تأمین خواهد شد.

تکنیک‌های مختلفی از داده‌کاوی همچون خوشه‌بندی، دسته‌بندی، شبکه عصبی و غیره در دسترس هستند كه به تحلیل سبد بازار کمک می‌کنند و فرآیندهای آتی تصمیم‌گیری برای مدیران اجرایی تجاری با دسترسی به اطلاعات مرتبط با روند‌های آتی که به راحتی توسط تکنیک‌ها و ابزارهای داده‌کاوی ایجاد می‌شوند، آسان می‌شود.

ارتباط با کارشناس: payam.navi@gmail.com