Optimoinnin käyttö tiedonlouhinnassa

1. Optimoinnin käyttö tiedonlouhinnassa Analyyttinen asiakassuhteiden hallinta

2. Sisältö • Johdanto analyyttiseen asiakassuhteiden hallintaan • Optimoinnin mahdollisuudet asiakassuhteiden hallinnassa • Miten optimointia voidaan käyttää perinteisissä tiedonlouhintaongelmissa • Yhteenveto • Kotitehtävä

3. Analyyttisen asiakassuhteiden hallinnan tarkoitus • Identifioida, hankkia ja palvella asiakkaita • Ylläpitää asiakassuhteita

4. Analyyttinen asiakassuhteiden hallinta käsitteenä • Asiakasanalyysi • asiakkaan profiili • Vuorovaikutus asiakkaan kanssa • tarjoukset, tiedottaminen, palautetutkimukset • Suorituskykymetriikoiden optimointi • asiakassuhteen eliniän arvo sähköisessä kaupankäynnissä • Vuorovaikutuksen tehokkuuden arviointi suorituskykymetriikoiden avulla

5. Asiakasanalyysi • Tarkoituksena on rakentaa asiakasprofiileita • henkilötiedoista • ostokäyttäytymisestä • www-sivuilla käynneistä • Haasteena on muokata profiilista selkeä ja asianmukainen • Erityisen tärkeää tilanteissa, joissa • asiakasprofiileja voi olla miljoonia • toimitaan reaaliajassa • sivuston sisältö riippuu asiakkaan profiilista

6. Vuorovaikutus asiakkaan kanssa: • Rajapinta palveluun usein www-sivut • Sivuston optimointi asiakkaan profiilin mukaan • maksimoidaan selaamisen yksinkertaisuutta minimoimalla ”klikkausten” määrää • rajoitusehdot kerätystä datasta

7. Asiakassuhteen eliniän arvon optimointi • Graalin malja: Millainen asiakassuhteen hallintastrategia maksimoi asiakassuhteen eliniän arvon? • Asiakassuhteen elinikä jaetaan perinteisesti kahteen komponenttiin: • asiakassuhteen pituuteen • asiakassuhteen tuottoon

8. Asiakassuhteen eliniän arvon optimointi, esimerkki • Asiakastietokannasta arvioidaan tiedonlouhinnan ja tilastollisen laskennan avulla asiakassuhteiden elinikiä ja kertyneitä tuottoja. • arvioidaan tulevaisuuden tuottoja ja asiakassuhteen säilymisen todennäköisyyttä • Suunnitellaan kannustimia, jotka maksimoivat asiakassuhteen eliniän arvon • kanta-asiakasohjelmat, ”lahjat”, ”tarjoukset”

9. Optimointi tiedonlouhintaongelmissa • Optimointi voi olla osa suurempaa tiedonlouhintaongelmaa • esim. erityispiirteiden valikointi, aktiivinen oppiminen, tiedonlouhintamallin optimointi, parhaan tiedonlouhintamallin valikointi • Uusia tiedonlouhintatekniikoita voidaan rakentaa optimointimenetelmien perusteella • esim. luokittelu, ryhmittely, sääntöjen ja rajoitteiden löytäminen,

10. Yhteenveto • Asiakassuhteiden hallinnassa käytetään ja varastoidaan teratavuittain dataa • Dataa voidaan käsitellä tiedonlouhinnan menetelmillä • Optimoinnin avulla asiakassuhteissa voidaan maksimoida sekä myyjän että asiakkaan hyötyä • Ongelmia luo käsiteltävän datan valtava määrä ja monimutkaisuus

13. Kotitehtävä Selitä parilla lauseella, miksi asiakassuhteen eliniän arvon maksimointi on vaikeaa.

14. Kotitehtävän ratkaisu • Asiakassuhteen eliniän arvo ei ole yksiselitteinen • Arvon lasku, kun aikajänne pitenee • Maksimointi vaikeaa, koska ei kunnolla tiedetä miten asiakassuhteen eliniän arvoon voidaan vaikuttaa • Asiakassuhteen hoitostrategia ei ole yksioikoinen