客戶內在需求管理（Customer Relationship Management）是一種以客戶為中心的經營策略，它以信息技術為手段，通過對相關業務流程的重新設計及相關工作流程的重新組合，可以完善的客戶服務和深入的客戶分析來滿足客戶的個性化需求，提高客戶滿意度和忠誠度，從而保證客戶終生價值和企業利潤增長“雙贏”策略的實現。

一、客戶內在需求管理需要數據挖掘

當今社會，客戶的價值已經越來越多地影響著企業的價值，客戶內在需求管理（CRM）正是通過建立長期而系統的客戶內在需求來提升單個客戶價值的戰略，其要旨在于幫助企業通過運用適合的技術以及合理的人力資源洞察客戶的行為和他們的價值，以便企業能夠迅速有效地對客戶的需求進行回應。

客戶內在需求管理（CRM）的核心是“了解客戶，傾聽客戶”，客戶內在需求管理的目標可以概括為“吸引潛在客戶進入，提高現有客戶滿意度和忠誠度，降低客戶流失”，總之一切的最終目的都是為了提高收益。

在企業關注客戶內在需求管理的同時，信息技術的飛速發展為客戶內在需求管理（CRM）的高效實施提供了技術保證，通過數據挖掘技術對客戶內在需求進行深入分析可以滿足企業對個體細分市場的客戶內在需求管理需求（具體可查看seo馬龍博客《如何以客戶為中心進行數據挖掘與分析》的相關介紹）。

數據挖掘主要是找尋隱藏在數據中的信息，例如發現趨勢、特征及相關性的過程，也就是從數據中發掘出信息或知識。

二、數據挖掘技術及常用方法

數據挖掘（Data Mining）是從大量的、不完全的、有噪聲的、模糊的、隨機的數據集中識別有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。

它是一門涉及面很廣的交叉學科，包括機器學習、數理統計、神經網絡、數據庫、模式識別、粗糙集、模糊數學等相關技術，數據挖掘技術是客戶內在需求管理的關鍵技術。

常用的數據挖掘技術包括關聯分析、序列分析、分類分析、聚類分析、預測、孤立點分析等。

事實上，解決一個已給的業務問題時，數據挖掘一般混合使用兩種及兩種以上的技術類別。

1、關聯分析

關聯分析主要用于發現不同事件之間的關聯性，即一個事件發生的同時，另一個事件也經常發生，關聯分析的重點在于快速發現那些有實用價值的、關聯發生的事件。

2、序列分析

序列分析技術主要用于發現一定時間間隔內接連發生的事件，這些事件構成一個序列，發現的序列應該具有普遍意義，其依據除了統計上的概率之外，還要加上時間的約束。

3、分類分析

分類分析通過分析具有類別的樣本的特點，得到決定樣本屬于各種類別的規則或方法，利用這些規則和方法對未知類別的樣本分類時應該具有一定的準確度，其主要方法有基于統計學的貝葉斯方法、神經網絡方法、決策樹方法以及support vector machines等。

在seo馬龍看來，利用分類技術，可以根據顧客的消費水平和基本特征對顧客進行分類，找出對商家有較大利益貢獻的重要客戶的特征，通過對其進行個性化服務，提高他們的忠誠度。

4、聚類分析

聚類分析是根據物以類聚的原理，將本身沒有類別的樣本聚集成不同的組，并對每一個這樣的組進行描述的過程，其主要依據是聚到同一個組中的樣本應該彼此相似，而屬于不同組的樣本應該足夠不相似（具體可查看seo馬龍博客《聚類分析的方法及應用》的相關介紹）。

5、預測

預測與分類類似，但預測是根據樣本的已知特征估算某個連續類型的變量的取值的過程，而分類則只是用于判別樣本所屬的離散類別而己。

seo馬龍認為預測模型可以使用較為傳統的統計回歸技術，也可以使用新的分類技術，目前通用的是決策樹歸納技術。

6、孤立點分析

數據庫中可能包含一些數據對象，它們與數據的一般行為或模型不一致，這些數據對象稱為孤立點，對這些數據的挖掘分析可以用于處理一些罕見事件，比如信用卡欺詐等。