使用數(shù)據(jù)采集，建立有利可圖的客戶關系

胡俊(編譯) 2002/02/01

　　如果你已經(jīng)建立了客戶信息和市場的數(shù)據(jù)倉庫，現(xiàn)在你該如何使用數(shù)據(jù)倉庫中的數(shù)據(jù)？CRM幫助企業(yè)提高他們與客戶相互作用的收益；與此同時，企業(yè)通過個性化服務可以使這種相互作用顯得更友好。為了使CRM獲得成功，企業(yè)應該使產品和商業(yè)活動跟期望和客戶相匹配，換句話說，就是要職能化慣例客戶生命周期。

　　到目前為止，大多數(shù)CRM軟件更多關注客戶信息的組織和管理的簡單化。這些軟件（只能稱為操作性CRM軟件）關注于創(chuàng)建一個客戶數(shù)據(jù)庫，這個DB提供了客戶與企業(yè)關系的一致性描繪并用專門的應用程序來提供這些信息；這些軟件包括SFA，客戶服務程序，在這些軟件中企業(yè)可以“touch”到客戶。

　　然而，這些客戶信息的絕對容量和日益復雜的與客戶的相互作用將數(shù)據(jù)采集推倒了促使客戶關系更有意義的最前端。數(shù)據(jù)采集是通過使用數(shù)據(jù)分析和數(shù)據(jù)建模的技術來發(fā)現(xiàn)數(shù)據(jù)之間的趨勢和關系的過程，它可以用來理解客戶希望獲得什么，還可以預測客戶將要做什么！數(shù)據(jù)采集可以幫助你選擇恰當?shù)目蛻舨⒆⒁饬性谒麄兩砩希员銥樗麄兲峁┣‘數(shù)母郊赢a品；也可以幫助你辨別那些客戶打算與你“分手”。由于可以提高以最好的方法響應個性化需求的能力，并且可以通過恰當?shù)姆峙滟Y源來降低成本，這會導致收入的增加。使用了數(shù)據(jù)采集的CRM應用程序被稱為分析性CRM軟件。下文將進一步描述ACRM的特征，并展示怎樣使用ACRM來更有效的管理客戶生命周期。

數(shù)據(jù)采集

　　數(shù)據(jù)采集中最基本、最簡單的分析步驟就是描述數(shù)據(jù)。例如，你能夠概述數(shù)據(jù)的靜態(tài)屬性，使用圖表真實地回顧數(shù)據(jù)并注意你的數(shù)據(jù)中字段的值的分配。但是數(shù)據(jù)描述并不足以提供行動計劃，你必須用從已知結果中確立的模式來建立預測性模型然后用其它的方法對它進行測試。一個好的模型決不該被真實情況所困惑（地圖并不是真實的路的精確完美的反映），但是這個模型能夠用來指導你理解你的業(yè)務。

　　數(shù)據(jù)采集可以用來對問題進行歸類并逆推問題。在問題歸類方面，你可以預測問題屬于那一類，例如某一個人是否有良好的信用風險或者幾個提議中哪一個最可能被接受。在逆推問題方面，你可以測定一些數(shù)據(jù)，如對某一個提議的響應的最大概率。數(shù)據(jù)采集也常常用來識別客戶的特征，并按照相似性為（如購買特殊的產品）對客戶進行分割歸類。

再一次定義CRM

　　在對CRM的廣泛理解中，最簡單的含義就是：管理所有的與客戶的相互作用。在實踐中，這需要在客戶關系的各個階段使用與客戶相關的信息來預測與客戶的相互作用。我們將客戶關系的各個階段定義為客戶生命周期。

　　客戶生命周期包括三個階段：

• 獲得客戶

• 提高客戶的價值

• 保持上等(指效益)客戶

　　如果你已經(jīng)將它結合在OCRM中或者作為一個獨立的應用程序來實施，數(shù)據(jù)采集可以在每一個階段都提高企業(yè)的收益。

通過數(shù)據(jù)采集獲取新的客戶

　　在CRM中的第一步是識別潛在客戶然后將他們轉變成真正的客戶；下面將舉例說明數(shù)據(jù)采集是如何幫助管理獲取新客戶的成本和改善這些活動的效果。

　　Big Bank and Credit Card Company(BB&CC)每年進行25次直接郵寄活動，每次活動都想一百萬人提供申請信用卡的機會�！稗D化率”用來測量那些變成信用卡客戶的比例，這是一個關于BB&CC每一次活動效果的百分比。

　　使人們填寫信用卡申請僅僅是第一步，BB&CC必須判斷申請是否有很好風險，然后決定接受他們成為自己的客戶還是該拒絕他們的申請。更糟糕的信用風險的人可能比那些有較好信用風險的更容易被接受，對此不必感到驚奇。統(tǒng)計顯示大約6%的人在接到郵寄后會提出申請，但他們中只有16%滿足信用風險要求，結果郵件列表中的人大約有1%稱為了BB&CC的新客戶。

　　BB&CC的6%的響應率意味著每次活動中的100萬人中僅有60000人對郵寄的請求產生響應。除非BB&CC改變這種建議使用信用卡的“懇求”的種類使用不同的郵件列表，用不同的方式影響客戶，改變“懇求”的術語否則不可能獲得超過60000人的響應。并且在6萬人中只有1萬人滿足信用風險條件而成為客戶。BB&CC面臨的難題是更有效的影響那僅有的1萬人。

　　BB&CC的每份郵寄成本約1$，也就是說每次郵寄活動的總成本為$1,000,000。在接下來的兩年里，那1萬人將為BB&CC產生大約$1,250,000（每人約$125）的收益，結果從一次郵寄活動獲得凈利潤為$250,000。數(shù)據(jù)采集可以改善這個回報率。盡管數(shù)據(jù)采集也不能精確的識別最后的那1萬信用卡用戶，但它可以幫助使促銷活動的成本更有效。

　　首先，BB&CC發(fā)送了50,000個郵件做測試并仔細分析結果，使用決策建樹建立預測模型來顯示誰將對郵寄做出響應，用神經(jīng)網(wǎng)絡建立信用評分模型。接著BB&CC結合這兩個模型來發(fā)現(xiàn)那些滿足信用評定而且最可能對“懇求”產生響應的人群。

　　BB&CC運用這一模型再給郵件列表中剩下的950,000個人選擇700,000發(fā)送郵件。結果顯示：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，響應率從1%提高到了1.2%��增加了20%。雖然目標只達到了10000個中的9000個，但模型每有完美的，剩下的1000時無利可圖的。

　　下面的統(tǒng)計數(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。建模的投入轉化成了200%的收益，這遠遠超過了BB&CC對這一項目的ROI要求。

提高現(xiàn)有客戶的價值：通過數(shù)據(jù)采集進行搭配銷售

　　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裝飾。C&C的產品目錄手冊被發(fā)送到大約1200萬個家庭。

　　當客戶打電話來下訂單時，C&C使用Caller ID來識別打電話的人；另外C&C的代表還要求從產品目錄手冊的郵寄標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有很好的機會進行搭配銷售或者賣給訂購者其它附加產品；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，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。

　　在世時數(shù)據(jù)采集之前，C&C一直在勉強進行搭配銷售。沒有模型時，做出恰當?shù)耐扑]的幾率為1/3。因為向一些客戶做出了無法接受的建議，所以C&C希望對“不該推薦時決不做出推薦”這一點非常有把握。在實驗中發(fā)現(xiàn)C&C的搭配銷售的銷售率增加不到1%；而C&C過去一直為這一點獲利勉強進行搭配銷售。

　　在實施數(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，這會告訴客戶服務代表應該推薦什么。C&C成功賣給了2%的客戶一件附加產品，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，有兩個模型是必需的。

　　第一個模型預測一些人是否為被建議買附加產品而感到不愉快。C&C通過簡短的電話調查了解客戶的法應如何。按照保守的計算方法，C&C將拒絕參與調查的人和對推薦購買附加產品反感的人均計算在內。隨后，為了檢驗這種假設（將拒絕參與調查的人歸入拒絕推薦的人），C&C向這些拒絕回答調查問題的人推薦附加產品；令人感到驚奇的是，他們并不拒絕打[誒銷售，于是發(fā)現(xiàn)調查時沒有根據(jù)的。這使BB&CC可以做出更多的推薦，并進一步提高收益。第二個模型用來預測哪些提議不會被接受。

　　總之數(shù)據(jù)采集幫助BB&CC更好地理解它的客戶的需求。當數(shù)據(jù)采集模型被結合在典型的搭配銷售的CRM活動中時，這些模型幫助BB&CC提高了2%的收益。

提高現(xiàn)有客戶的價值：通過數(shù)據(jù)采集進行個性化服務

　　Big Sam’s Clothing 開發(fā)一個網(wǎng)站來補充它的商品目錄。當你訪問它的網(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的訂單紀錄，它就會告訴你那些可能引起你的特殊興趣的新商品。當你注意到一件特殊的商品如一件防水皮大衣時，Big Sam’s會建議在一此購買中需要補充的其它條目。

　　在Big Sam’s第一次將網(wǎng)站投放市場時，并沒有什么個性化的內容，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)存的銷售機會。

　　數(shù)據(jù)采集迅速提高了Big Sam’s的網(wǎng)絡銷售。產品目錄手冊常常簡單地按照用戶挑選產品的類型對商品進行分組。然而在在線商店中商品分組可能是完全不同的，它常常以考慮內的商品補充條目為基礎。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，結果就會產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)哪些商品時自然的分在一組中。有時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，如關于沙漠探險的書和醫(yī)療工具包。這些聚類用來在有人看到其中的一個產品使向他做出建議。

　　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品不僅僅帶來銷售的增加，而且鞏固了客戶關系。調查顯示Big Sam’s被看作是一個衣物和裝飾品方面可信賴的顧問。

　　為了擴大影響，Big Sam’s實施了一個應用程序來向客戶發(fā)送Email，這些Email包含了由數(shù)據(jù)采集模型預測的會吸引客戶的新產品信息。當客戶將這個看作牽攝客戶服務的例子時，Big Sam’s發(fā)現(xiàn)這是一個可以改善收益的程序。

　　個性化銷售的努力為Big Sam’s帶來了盈利：它在重復銷售、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

　　幾乎每一個公司在獲取一個新客戶所投入的成本都遠大于保持一個上等客戶的成本。KownServce（ISP，如中國的163）所面臨的一個難題是，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。

　　KownServce要做的第一件事就是準備用來預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）進行轉換。KownServce的大多數(shù)用戶是進行撥號連接，所以KownServce知道每一個客戶連接到Web需要多長的時間。KownServce也知道客戶計算機的傳輸?shù)臄?shù)據(jù)量、一個用戶所用有的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還有客戶撥號時提供的人口統(tǒng)計數(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，而是通過計算得出的商業(yè)定義（如收益率或生命周期價值）。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)結合起來是模型開發(fā)中最大的難題。例如：KownServce需要關注如每月使用的時間系列數(shù)據(jù)，模型中寧愿使用三個月中每月的平均數(shù)量而不采用原始的時間系列數(shù)據(jù)。KownServce也計算出三個月的平均數(shù)量的改變，并將它作為預測的依據(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兆；另外一些依據(jù)如服務請求的數(shù)量和它的平均數(shù)量的改變預示著客戶滿意度出現(xiàn)問題。

　　預測誰將出現(xiàn)離開是不夠的。基于模型產生的結果，KownServce確定可能的計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的費用；KownServce給這一部分用戶提供較高費用的服務，但卻包含更多的捆綁時間。也有一些客戶被提議使用更多的磁盤空間來存放個人主頁。KownServce建立模型來預測度一個特殊的用戶需要提供更有效的提議。

　　總的說來，項目需要三個模型。一個模型用來確定離開用戶，第二個模型用來選擇可以帶來收益的潛在的離開者來進行“飼養(yǎng)”，第三個模型為這些潛在的離開者匹配最適宜的提議。得到的結果是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)采集投資是有回報的它改善了客戶關系，并且引人注目地提高了收益。

將數(shù)據(jù)采集運用到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調的重點而已。

　　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到前面的步驟是不可避免的。例如在“explore data”中進行的內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. 為建模準備數(shù)據(jù) Prepare data for modeling）

　　5. 建立模型（Build model）

　　6. 評價模型（Evaluate model）

　　7. 展開模型獲得結果Deploy model and results

　　1. 定義商業(yè)問題 　每一個CRM應用程序都有一個或多個商業(yè)目標，為此你需要建立恰當?shù)哪Ｐ�。根�?jù)你特殊的目標如“提高響應率”或“提高每個響應的價值”，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)準備的核心。他們花費的時間或努力比其他幾步加起來還多。數(shù)據(jù)準備和模型建立之間可能反復進行，因為你從模型中學到新的東西，而這又要你修改數(shù)據(jù)。數(shù)據(jù)準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%的時間和努力。

　　你需要建立一個行銷數(shù)據(jù)庫，因為你的操作性數(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應用程序還可能性干擾這個系統(tǒng)的快速、有效地執(zhí)行。

　　在你建立行銷數(shù)據(jù)庫的時候，你好需要對它進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，產品數(shù)據(jù)庫以及事務處理數(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數(shù)據(jù)源的數(shù)據(jù)在值商的差異。沒有恰當進行數(shù)據(jù)值差異的數(shù)據(jù)是質量問題的主要來源。在多個數(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、標準偏離）和關注數(shù)據(jù)描述開始進行研究數(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調。數(shù)據(jù)可視化常產生導致新的洞察力和成功的內容。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. 為建模準備數(shù)據(jù) 　這是建立模型之前的數(shù)據(jù)準備的最后一步。這一步中主要有四個主要的部分：

　　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，找到那些最好的預測。但在實際中，這是非常棘手的。其中一個原因是建立模型的時間隨著變量得增加而增加。另一個原因就是盲目性，包括無關緊要的數(shù)據(jù)列被加入，卻很少甚至不能提高預測能力。

　　下一步是從原始數(shù)據(jù)中構件新的預測依據(jù)。例如預測信用風險使用使用債務收入的比率而不是單獨使用債務和收入作為預測依據(jù)的變量可以產生更準確的結果并且更容易理解。

　　接著，你需要從數(shù)據(jù)中選取一個子集或標本來建立模型。即使你有許多數(shù)據(jù)；然而使用所有的數(shù)據(jù)會花費太長的時間或者需要買更好的硬件，但你并不愿意如此。使用恰當?shù)碾S機挑選的子集并不會產生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)建立一個模型或者建立多個以數(shù)據(jù)標本為基礎的模型；后者常常能幫助你建立更準確有力的模型。

　　最后，你需要轉換變量，使之和你選定用來建立模型的運算法則一致。

　　5. 數(shù)據(jù)采集模型的建立　 關于模型建立的需要記住的最重要的就是模型建立是一個迭代的過程。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應用程序都給予一種叫做被監(jiān)督學習的協(xié)議。你開始使用客戶信息，而且要求產生的結果是已知的。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�；蛘撸憧赡懿坏貌贿M行郵寄測試來確定人們對一個提議的響應如何。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。當培養(yǎng)和測試周期完成之后，模型也就建立起來了。

　　6. 評價模型　 評價模型結果的方法中，最可能產生評價過高的基準就是精確性。假設你有一個提議僅僅有1%的人響應。模型預測“沒有人會響應”，這個預測99%是正確的，但那確實100%的無效。另一個常使用的基準“提高多少”，這用來衡量使用模型后完成的改進有多大，但是它并沒有考慮成本和收入。所以最可取的評價基準是收益或ROI。

　　7. 將數(shù)據(jù)采集運用到CRM方案中　 在建立CRM應用中，數(shù)據(jù)采集常常是整個產品中很小的但意義重大的一部分。例如：以數(shù)據(jù)采集為基礎預測模式可能將各個領域專家的知識結合在一個很大的被許多類型的人使用的應用程序中。

　　數(shù)據(jù)采集被實際建立在應用程序中的方式由你的客戶交互作用的本質所決定。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；因為聯(lián)系活動是由你的公司發(fā)起，例如直接郵寄活動。結果，通過運用模型到你的客戶數(shù)據(jù)庫，你選擇客戶進行聯(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行匹配。

　　在inbound事務中，如電話定購，Internet訂購，客戶服務呼叫等，應用程序必須實時響應；因此數(shù)據(jù)采集是內含在這種應用程序中的并且積極地做出推薦動作。

　　無論哪一種情形，在運用模型到新數(shù)據(jù)中你必須處理的一個關鍵問題是你在建立模型中的使用數(shù)據(jù)轉換。如果在無論來自事務處理還是數(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�，因此你必須轉換輸入數(shù)據(jù)。當你想快速展開大量模型時，不費力的插入這些轉換數(shù)據(jù)就變成了最重要的生產力因素。

結論

　　在當今市場上，客戶關系管理的本質就是更有效地進行競爭。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，應為ACRM的核心就是預測性的數(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，文中的內容可以理解為ACRM的運用方式（另外兩個為：認識什么是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、制造、零售業(yè)、市場研究等。

AMT 2002/02/01