Ebook : Data Mining in CRM -part 1

Lagi rapihin dokumen eh nemu catetan rangkuman ebook Data Mining in CRM nya Konstatantinos Trisptsis – Antonious Chorianopiulos waktu lagi rajin belajar tentang Data Mining. Di shared ah disini semoga bermanfaat. btw maafkan tulisan blog saya yang gado – gado 

CHAPTER 1 : Data Mining in CRM

Personalize the customer : karena kebutuhan, kesukaan dan kebiasaan yang berbeda.

Goalnya adalah mengambil hati customer untuk hubungan jangka panjang, karena kita mempertimbangkan secara spesifik apa yang customer inginkan.

CRM punya 2 tujuan

  1. Customer retention yang muncul karena kepuasan customer
  2. Customer development yang muncul karena customer insight (?)

Kenapa dibutuhkan customer retention yg baik? Karena lebih susah untuk akusis customer, mengganti customer yang sudah ada dengan customer baru yang awalnya berasal dari kompetitor akan lebih sulit

Kenapa perlu customer development? Customer tidak bisa dianggap sama, karena masing – masing customer secara personal berbeda, baik kebutuhan, kebiasaan dan potensi

Operasional CRM system : Yang mendukung front-line proses pada sales, marketing dan customer services, mengautomisasi komuniaksi dan interaksi antara customer. Dan system ini akan mencatat history dan informasi customer yang berharga. Juga digunakan organisasi untuk melia ketersediaan customer, dari sisi interaksi.

Analytic CRM : Menganalisa informasi customer untuk mencapai tujuan CRM . Untuk melakukan itu diperlukan data mining model untuk menempatkan nilai customer,pemahaman dan prediksi tingkajlaku. Analytic data patterns dugunakan untuk memperoleh pengetahuan untuk optimasi hubungan dengan customer

Data mining memperoleh pengetahuan dan pandangan melalu analanisa dari data yang besar, menggunakan teknik pemodelan yang canggih.  Merubah data menjadi pengetahuan dan informasi yang  bisa dijadikan dasar untuk bertindak.

Sebelum menggunakan data warehouse harus ada manajemen data yang baik

Data mining dibagi menjadi 2 jenis berdasarkan tujuannya :

1) Supervised/Predictive Models.

Tujuannya dalah memprediksi sebuah kejadian atau mengestimasi sebuah nilai dari atribut numeric yang berkelanjutan

Model ini mempunyai 2 jenis data : input field (attribute) dan output field (target) , input data atau predictor digunakan untuk mengidenfikasi fungsi prediksi untuk output field. Input data dianalisa pengaruhnya terhada target field. Pattern recognition nya di supervise dengan target field.

Supervised/Predictive Model di bagi menjadi 2 kategori

  • Classification of propensity models :

Target group/ class sudah diketahui dari awal. Tujuannya adalah mengklasifikasi kasus untuk group yang belum di definisikan. Model yg sudah di buat dapat digunakan sebagai mesih skoring untuk menempatkan kasus baru kedalam kelas yg belum di prediksi.

  • Estimation models :

Mirip dengan classification model,yg berbeda adalah estimation digunakan untukmemprediksi nilai dari suatu data yg berkesinambungan berdasarkan nilai observasi dari input attribute

2) Unsupervised Models

Pada unsupervised model tidak terdapat output filed. Pengenalan pola tidak di arahkan, tidak disarankan untuk target atribut yg spesifik

Sasaran dari modle ini adalah menemukan pola data dari sekumpulan input.

Unsupervised model termasuk :

  • Cluster model :
  • Association and sequence models :

Data mining in the CRM framework 

Data Segmentation

  1. Value- based segmentation
  2. Behavioral segmentation
  3. Value-at-risk segmentation

Direct Marketing Campaigns

Direct marketing campaign digunakan untuk mengkomunikasikan pesan marketing kepada customer – customerny melalui emai, internet dll. Direct marketing campaign di kelompokan menjadi 3 bukah model :

  • Acquisition model : digunakan untuk mengenal cutomer berpitensi dan menemukan customer sejenis yang belum masuk kedalam contact customer
  • Cross/deep/up selling model : digunakan untuk mengungkapkan potensi pembelian dari customer yang sudah ada
  • Attrition on Churn model : Untuk mengidentifikasi awal sinyal churm dan menemukan sisi mana yang menyebabkan customer hilang

Adapun tahapan direct marketing campaign adalah :

  1. Mengumpulkan dan mengintegerasikan data penting dari bebbagai sumber
  2. Melakukan analisa customer dan membuat segmentasi kedalam beberapa group yang terpisah
  3. Mengembangkan target dari marketing campaign menggunakan kecenderungan model untuk memilih customers yg tepat
  4. Campaign execution dengan cara memilih channel yg tepat dan waktu yg tepat dan tawaran yang tepat untuk masing – masing campaign
  5. Campaign evaluation dengan menggunakan test dan control group. Evaluasi melibatkan pemisahaan pupulasi menjadi test dan CG dan membandingkan respon yg positif
  6. Menganalisa hasil dari campaign dengan tujuan meningkatkan campaign di putaran berikutnya, dengan target, waktu, product dan cara komuniakasi dll

Pengetahuan yg di ekstrak dari data mining dapat diginakan untuk kontribusi design dari next best activitiy (NBA) strategy.

Berikut ini adalah tahapan implementasi data mining menurut CRISP-BM:

  1. Pemahaman bisnis. Data maining project harus dimulai dari pemahaman tujuan bisnis dan penyesuaiannya dengan situasi saat ini. Tujuan bisnis harus di terjemahkan kedalam tujuan data mining. Kriteria kesuksesan harus terdefinisi dan rancangan project harus di kembangkan.
  2. Data understanding. Tahapan ini melibatkan pertimbangan kebutuhan data dan menempatkan dengan baik definisi tujuan dan sebuah invesifigasi ketersediaan data yg dibutuhkan.
  3. Data preparation. Data yg digunakan sudah harus diidentifikasi, dipilih dan disiapkan untuk dimasukan kedalam model data mining. Phase ini melibatkan akusisi, integrasi dan formmating dri data bedasarkan kebutuhan project.
  4. Modeling. Pemerosesan data digunakan untuk training oemodelan. Analisa harus memilih teknik pemodelan yg tepat sesuai dengan tujuan bisnis. Data harus dipisahkan dan diefaluasi dengan data set yg berbeda.
  5. Evaluation. Model yang dihasilkan secara formal di efaluasi tidak hanya secarateknikal tetapi lebih penting lagi conteks  ny dengan krietiaria sukses yang ditetapkan pada tahap pemahaman bisnis
  6. Deployment. Penemuan project dan kesimpulan di tampilkan dalam bentuk report.

Yang ditargetkan dari marketing campaign

  1. Model churn dan estimasi kterkaitan customer dengan kemungkinan untuk churn
  2. Mengestimasi keterkaitan atau kemungkinan penggantian sebuah produt yang lebih menguntungkan atau meningkaykan penggunaaan produk yang sudah ada
  3. Menmgestimasi LTV (Lifetime Value) dari customer

*Maaf kalo kata – katanya aga acak, kumpulin yang sekiranya penting..🙂🙂🙂

About ranselbutut

Si Ransel Butut punya Mie, cw manis sedikit gila yg dooyan jalan - jalan ^^ Si Ransel Isi nyaa lengkap : * 'Cam Dic', brtugas capture gambar perjalanan * 'Note Perjalanan' , Summary dari Perjalanan - Info akomodasi dll * 'Buku Saku', suutt..its all about in Mie Minds Enjoy ransel butut day life..
This entry was posted in belajar, Book and tagged , . Bookmark the permalink.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s