数据挖掘在CRM客户关系管理中有很多应用范围：

1.客户分类

对客户进行分类，有利于针对不同类型的客户进行分析，分别制定客户服务策略。客户分类也是其他客户分析的基础，在分类后的数据中进行挖掘更有针对性，可以得到更有意义的结果

客户分类可以采用分类的方法也可以采用聚类的方法。分类的方法是预先给定类别，如将客户分为高价值客户和低价值客户。然后确定对分类有影响的因素，将具有相关属性的客户数据提取出来，选择合适的算法对数据进行处理，从而得到分类规则。经过评估和验证后就可规则应用在未知类型的客户中，对客户进行分类。聚类的方法则是一种自然聚集的方式，在数据挖掘之前并不知道客户可以分为哪几类，只是根据要求确定成几类（有些算法需要人为确定输出族的数目）。将数据聚类后，再对每个族中的数据进行分析，归纳出相同族中客户的相似性和共性

2.客户识别

识别客户是企业发现潜客户、获取新客户的过程。新客户包括以前没听过或没使用过企业产品的人、以前不需要企业产品的人甚至是竞争对手的客户。由于企业掌握的新客户的信息并不多，所以企业应采取一些必要的手段（如广告宣传的同时进行问卷查或网上调查等）来获取潜在客户的信息，这些信息包括地址、年龄、收入范围、职业教育程度和购买习惯等。

在得到这些相关信息后，企业应该通过一些小规模的实验来观察潜在客户对企业产品的不同反应。根据反馈结果建立数据挖掘预测模型，找到对产品最感兴趣的客户群，挖掘结果会显示潜在客户的名单，同时可根据潜在客户的信息分析出哪种类型的人最可能是潜在客户。得到了这样的分析结果，在寻找潜在客户时就有了指导方向。例如，分析结果表明大多数潜在客户都是年龄为25~35岁的外企职员，那在下一步宣传和获取客户阶段就应该有针对性地设计广告和确定宣传地点。同时，还可以根据潜在客户的特点分析企业产品的优势。

3.客户保留

由于企业对现有客户的信息掌握得比较详细，而对潜在客户的信息掌握得很少，因此，对于企业来说，获取一个新客户远比保留一个老客户的成本高得多。而且在目前开放的商业环境下，企业间的竞争越来越激烈，客户保留也成为企业面临的一个重要难题。

认识到这项工作的重要性，很多企业开始建立客户流失预警体系，主要是通过分类、聚类等模型来对以往流失的客户数据进行分析，从而找出流失客户的行为模式，同时分析客户流失的原因。然后，根据得出的因素建立相关的模型，对现有客户进行评价，预测现有客户中有流失倾向的客户并及时调整服务策略，采取一些相应的措施来挽留客户，从而达到减少客户流失的目的。

4.客户忠诚度分析

提高客户忠诚度是企业客户关系管理的一个重要目标。忠诚度高的客户会不断地购买企业的产品或服务，不论产品或服务的质量是不是最好，价格是否有折扣。企业获得一个忠诚客户无疑会大大降低成本，同时会提高企业的竞争力。

数据挖掘在客户忠诚度分析中主要用于对客户持久性、牢固性和稳定性进行分析。客户持久性反映的是客户在企业连续消费的时间。客户牢固性反映的是客户受各种因素的影响程度。牢固性高的客户受各种因素的影响较小，始终购买同一企业的产品或服务，而有些顾客只在促销、打折或大规模宣传时才购买该企业的产品或服务，他们的牢固性相对较低。客户稳定性是客户消费周期和频率的表现，每隔一段时间就购买一次该企业产品的客户被认为是稳定的，而那些偶尔购买、购买时间随机的客户被认为是不稳定的这三个指标综合起来可以反映客户的忠诚度。

对客户持久性、牢固性和稳定性的分析主要是运用时间序列模型中的趋势分析方法。趋势分析包含趋势走向、周期走向与周期变化、季节性走向与变化、不规则的随机走向几个方面的分析。通过趋势分析，可以了解客户在过去一段时间的消费周期和消费随时间变化的情况，同时还能预测客户在未来一段时间内的消费趋势。结合数据的分析结果和预测结果可以判断一个客户的持久性、牢固性和稳定性，继而确定客户的忠诚度。

5.客户盈利率分析

客户盈利率是一个定量评价客户价值的指标。它是根据规定的评价尺度，通过对客户数据计算得到一个确定结果的过程，因此，客户盈利率的计算并不需要运用数据挖掘技术。数据挖掘技术在客户盈利率分析中的应用主要体现在分析上。企业可以运用数据挖掘技术预测在不同的市场竞争环境和市场活动环境下客户盈利率的变化。客户盈利率分析的目的是找到那些“高价值”的客户，并针对这些高价值的客户进行更深层、更细致的客户关系管理。客户盈利率分析中数据挖掘的应用目的是找到最合适的市场环境，使企业的客户盈利率达到最优。

6.交叉营销

商家与客户之间的商业关系是一种持续的不断发展的关系，通过不断地相互接触和交流，客户享受到了更好、更贴切的服务，商家则因为增加了销售量而获利。交叉营销是指向已购买商品的客户推荐其他产品和服务。在新客户的获取越来越难的形势下，交叉销售是提升企业销售额的有效手段。早在1965年，国外银行就开始应用交叉销售向老客户推荐他们可能需要的其他金融产品和服务。这种策略成功的关键是要确保推销的产品是用户所感兴趣的，有几种挖掘方法都可以应用于此问题，关联规则分析能够发现客户倾向于关联购买哪些商品。聚类分析能够发现对特定产品感兴趣的用户群，神经网络、回归等方法能够预测客户购买新产品的可能性。

在客户关系管理中有效利用数据挖掘，可以指导企业高层决策者制定最优的企业营销策略，降低企业运营成本，增加利润，加速企业的发展。只有融合了数据挖掘技术的高效的客户关系管理，才能更好地适应当今信息时代及网络化特征，成为现代企业在激烈的市场竞争中生存的根本和制胜的关键。

推荐阅读：悟空CRM销售学堂：关键客户的识别方法