La minería de datos, trata de herramientas que se utilizan para identificar patrones en los datos y ofrecer información nueva y valiosa que puede aumentar la comprensión de la empresa en sí misma y en sus clientes. La minería de datos se utiliza comúnmente para ayudar a los analistas de datos en la búsqueda de información que aún no conocen y de la que a menudo no poseen ninguna hipótesis. Ha ayudado a las empresas descubrir un conjunto diverso de nuevos conocimientos, ya que a partir de la siguiente compra de un cliente puede almacenar diseños óptimos buscando la opción más favorable para ambos.
Hay muchos diferentes tipos de algoritmos de minería de datos, algunos esotéricos y no fácilmente aplicables a los problemas de negocios (Ej: splines multivariados de regresión de adaptación). Aunque los algoritmos específicos se puede variar (Los arboles de decisión y las redes neuronales son fundamentalmente diferente) ambos pueden ser utilizados para predecir el comportamiento, los siguientes tres tipos de minería de datos son particularmente pertenecientes a CRM:
1. Predicción.
El uso de datos históricos para determinar comportamientos futuros.
Los Modelos de predicción generan una salida de información que rellena un "modelo" o una estructura para representar los resultados. Por ejemplo, un modelo predictivo puede indicar el siguiente producto a un cliente el cual será el más probable que compre, sobre la base de las compras históricas de ese cliente y la de otros clientes que han comprado los mismos productos. Mi ejemplo típico es Amazon: que la parte inferior indica: Clientes que han comprado este producto también han comprado (E inmediatamente genera una lista de 20 opciones de productos o complementos adicionales).
2. Secuencia.
El análisis secuencial identifica las combinaciones de actividades que ocurren en un orden determinado.
Las empresas utilizan el análisis secuencial para determinar si los clientes están haciendo las cosas en un orden determinado. Puede ayudar a las empresas a extraer el comportamiento de los eventos capturados en diversos sistemas operativos en torno a una empresa para determinar los patrones. Por ejemplo, un banco o compañía telefónica puede obtener más información sobre un determinado cliente o segmento de clientes mediante el examen de los patrones en la desaceleración de las compras o cancelaciones de servicios.
3. Asociación.
El Análisis de Asociación detecta grupos de elementos o eventos similares. Se puede utilizar para detectar objetos o eventos que ocurren al mismo tiempo. El algoritmo de asociación se suele aplicar al análisis del mercado-canasta para ayudar a las empresas comprender productos que se compran juntos (mantequilla de maní con mermelada, por ejemplo). Al entender las afinidades de los clientes y el producto, una empresa puede tomar decisiones importantes acerca de los productos para hacer publicidad o descuento y que los clientes deben ser objeto de determinados productos.
No hay comentarios:
Publicar un comentario