¿Qué es la minería de datos CRM?
La minería de datos de gestión de relaciones con clientes (CRM) se refiere al proceso de búsqueda a través de bases de datos de relaciones con clientes y análisis de datos sobre el comportamiento del cliente reunido. Estos datos ayudan a los especialistas en marketing a enfocar mejor sus campañas, lo que conduce a una mayor retención de clientes y ventas. La minería de datos CRM también se conoce como exploración de datos y descubrimiento de conocimiento. Hay dos categorías principales asociadas con la minería de datos: análisis descriptivo y modelado predictivo.
El análisis descriptivo utiliza la segmentación y la agrupación para analizar mejor un patrón de comportamiento establecido entre un grupo particular de clientes. Los clientes pueden agruparse según el género, la edad, la raza y otras categorías. El objetivo principal de un segmento es proporcionar al vendedor un grupo de clientes similares para extraer los datos de manera más eficaz para obtener información útil.
Agrupación de grupos de segmentos de agregados. Cada grupo es mutuamente exclusivo y se caracteriza por un conjunto de características predeterminadas. Por ejemplo, un grupo podría incluir mujeres de 18 a 25 años que compraron cierto esmalte de uñas durante las últimas dos semanas de diciembre de 2010. Este es un ejemplo de minería de datos CRM de método cualitativo.
En segmentos no excluyentes, otra forma de análisis descriptivo, un conjunto particular de comportamiento del cliente conduce a un conjunto completamente nuevo de comportamientos. Por ejemplo, un grupo de clientes podría gastar una cantidad significativa de dinero en servicios de spa, pero no gastar una gran cantidad de dinero en servicios relacionados como el cuidado del cabello y del salón. Este tipo de minería de datos CRM requiere un análisis estadístico más avanzado que la segmentación básica.
El modelado predictivo es el más popular de las dos categorías de minería de datos CRM. Mide el grado de correlación entre dos factores de comportamiento del cliente y la confiabilidad estadística de esa correlación. El modelo predictivo se construye utilizando una aplicación de minería de datos que asigna puntajes a cada cliente, lo que indica la probabilidad de que el cliente se comporte de la misma manera en el futuro. Por ejemplo, el modelo puede ayudar a un vendedor a determinar la probabilidad de que un cliente varón casado, entre las edades de 31 y 42 años con hijos, compre una marca particular de cortadora de césped en los próximos seis meses.
La especificidad es muy importante en la minería de datos CRM utilizando modelos predictivos. Hay varios tipos de métodos utilizados para este propósito. Un modelo univariante compara una sola variable con varias otras variables para determinar la relación con la correlación más alta. Los modelos de análisis de detección de interacción automática Chi-Squared (CHAID) y árboles de clasificación y regresión (CART) muestran árboles de decisión, donde una variable causa la instancia de una o más variables. Un modelo de regresión multivariante prueba varias variables entre sí para evaluar posibles correlaciones.