客戶信息的整合與運(yùn)用

教學(xué)目的掌握客戶數(shù)據(jù)、客戶信息和客戶知識的關(guān)系及其在數(shù)據(jù)倉庫中的過程熟悉解數(shù)據(jù)倉庫的定義、特征、類型、技術(shù)結(jié)構(gòu)了解面向CRM系統(tǒng)的數(shù)據(jù)倉庫設(shè)計/開發(fā)流程以及避免數(shù)據(jù)倉庫建設(shè)項(xiàng)目失敗的措施熟悉數(shù)據(jù)挖掘的定義、發(fā)展方向及其基本任務(wù)了解數(shù)據(jù)挖掘的技術(shù)、算法和技術(shù)視角的流程了解在CRM中利用數(shù)據(jù)挖掘所形成的商業(yè)價值熟悉知識發(fā)現(xiàn)的定義和過程熟悉OLAP的定義、特征及其基本操作分析教學(xué)重點(diǎn)客戶數(shù)據(jù)、客戶信息和客戶知識的關(guān)系及其在數(shù)據(jù)倉庫中的過程數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、知識發(fā)現(xiàn)和OLAP的概念教學(xué)難點(diǎn)數(shù)據(jù)倉庫的技術(shù)結(jié)構(gòu)數(shù)據(jù)挖掘的技術(shù)、算法和技術(shù)視角的流程第9章客戶信息的整合與運(yùn)用知識發(fā)現(xiàn)與CRM客戶信息、信息技術(shù)與CRM1CRM系統(tǒng)和數(shù)據(jù)倉庫23CRM系統(tǒng)中的數(shù)據(jù)挖掘45聯(lián)機(jī)信息分析處理與CRM9.1客戶信息、信息技術(shù)與CRM9.1.1客戶信息概述1.客戶信息、客戶數(shù)據(jù)與客戶知識信息知識加工過的數(shù)據(jù)簡單給出事實(shí)、清晰明了的、簡單的、結(jié)構(gòu)化的、方便的、以正式方式書寫的通過精簡、校正、整理、計算相關(guān)數(shù)據(jù)獲得不具有所有者獨(dú)立性，由信息系統(tǒng)掌握，大量數(shù)據(jù)處理的主要來源從數(shù)據(jù)演化而來，形成數(shù)據(jù)庫、手冊和文件等正式的、點(diǎn)滴積累的、說明性的、易于形成、可重復(fù)應(yīng)用的形式動態(tài)數(shù)據(jù)可隨意組合并用于預(yù)測性決策，沒有完全結(jié)構(gòu)化，模糊的、直覺的、難以溝通和表達(dá)的存在于人們之間的聯(lián)系、談話及基于經(jīng)歷與體驗(yàn)的直覺中，反映在人們的比較情境和處理問題的能力之中取決于所有者和需要信息渠道等預(yù)測、設(shè)計、計劃、診斷和直覺判斷的主要資源在集體智慧中形成并在集體中共享，隨著經(jīng)歷與成敗而演化，需要日積月累地通過經(jīng)歷積淀而成表9-1信息與知識的比較補(bǔ)充內(nèi)容：數(shù)據(jù)、信息、知識的聯(lián)系和區(qū)別

數(shù)據(jù)數(shù)據(jù)是知識階層中最底層也是最基礎(chǔ)的一個概念；數(shù)據(jù)是形成信息，知識和智慧的源泉數(shù)據(jù)是對現(xiàn)實(shí)生活的理性描述，盡可能地從數(shù)量上反映現(xiàn)實(shí)世界；也包括匯總、排序、比例、等等處理數(shù)據(jù)泛指對客觀事物的數(shù)量、屬性、位置及其相互關(guān)系的抽象表示，以適合于用人工或自然的方式進(jìn)行保存、傳遞和處理例如，水的溫度是100℃，禮物的重量是500克，木頭的長度是2米，大樓的高度時100層。在這些表述中：水，溫度，100℃，禮物，重量，500克，木頭，長度，2米，大樓，高度，100層就是數(shù)據(jù)，通過這些數(shù)據(jù)的描述我們的大腦里形成了對客觀世界的清晰印象信息從自然現(xiàn)象和社會現(xiàn)象中搜集的原始材料是數(shù)據(jù)，根據(jù)使用數(shù)據(jù)人的目的按一定的形式加以處理，找出其中的聯(lián)系，就形成了信息信息＝數(shù)據(jù)＋處理，這個公式符合我們的思路，但我們認(rèn)為它還不夠完整。信息事實(shí)上還包括有一個非常重要的特性—時效性。例如新聞?wù)f北京氣溫9攝氏度，這個信息對我們是無意義的，它必須加上今天或明天北京氣溫9攝氏度。再例如通告說，在會議室三樓開會，這個信息也是無意義的，他必須告訴我們是哪天的幾點(diǎn)鐘在會議室三樓開會。注意信息的時效性對于我們使用和傳遞信息有重要的意義。它提醒我們失去信息的時效性，信息就不是完整的信息，甚至?xí)兂珊翢o意義的數(shù)據(jù)流。所以我們認(rèn)為信息是具有時效性的有一定含義的，有邏輯的、經(jīng)過加工處理的、對決策有價值的數(shù)據(jù)流。信息＝數(shù)據(jù)＋時間+處理。知識知識是讓從定量到定性的過程得以實(shí)現(xiàn)的、抽象的、邏輯的東西。知識是需要通過信息使用歸納、演繹得方法得到。知識只有在經(jīng)過廣泛深入地實(shí)踐檢驗(yàn)，被人消化吸收，并成為了個人的信念和判斷取向之后才能成為知識。信息雖給出了數(shù)據(jù)中一些有一定意義的東西，但它往往會在時間效用失效后價值開始衰減，只有通過人們的參與對信息進(jìn)行歸納，演繹，比較等手段進(jìn)行挖掘，使其有價值的部分沉淀下來，并于已存在的人類知識體系相結(jié)合，這部分有價值的信息就轉(zhuǎn)變成知識。例如，北京7月1日氣溫為30度，在12月1日氣溫為3度。這些信息一般會在時效性消失后，變得沒有價值，但當(dāng)人們對這些信息進(jìn)行歸納和對比就會發(fā)現(xiàn)北京每年的7月氣溫會比較高，12月氣溫比較低，于是總結(jié)出一年有春夏秋冬四個季節(jié)，有價值的信息沉淀并結(jié)構(gòu)化后就形成了知識。

2.客戶信息的類型在CRM中，按照客戶信息來源的不同，可以將客戶信息分為3種描述客戶是誰的信息描述對客戶進(jìn)行營銷或者促銷活動的信息，主要包括市場活動的類型、預(yù)算或描述等描述客戶與企業(yè)交易的信息，主要是過程信息與結(jié)果信息的結(jié)合上述這些信息可能是客戶直接或間接告訴給服務(wù)人員的，也可能是從信息服務(wù)提供商那里購買的，還有可能是企業(yè)員工利用Web技術(shù)從網(wǎng)絡(luò)中獲取的這些客戶信息為未來進(jìn)行客戶細(xì)分、客戶價值的確定、客戶生命周期的管理和客戶忠誠計劃提供了保證3.客戶信息的重要性說明客戶信息質(zhì)量低下的危害性儲存和管理重復(fù)資料的高額成本無法有效地、準(zhǔn)確地處理客戶聯(lián)系和活動對客戶目前和潛在的價值，以及過去已經(jīng)發(fā)生和未來可能發(fā)生的行為和要求無法進(jìn)行深刻分析無法適當(dāng)?shù)貏澐趾兔枋隹蛻?，從而也就無法針對不同的客戶群提供不同的服務(wù)客戶信息對客戶管理系統(tǒng)的重要性受客戶信息水平影響最大的4個領(lǐng)域（麥凱恩）一是開辟新的分銷渠道、關(guān)閉舊的分銷渠道及重新部署現(xiàn)有的分銷渠道等決策二是事半功倍的能力——用更少的員工為更多的客戶服務(wù)三是提高銷售和營銷活動的效率，并以較低的成本實(shí)現(xiàn)相同的市場效率四是如何依據(jù)客戶需求分配寶貴的客戶服務(wù)資源，從而提高客戶服務(wù)水平4.客戶信息對其他管理活動的影響減少外部采購的需求對不斷變化的經(jīng)營環(huán)境的反應(yīng)5.客戶數(shù)據(jù)—客戶信息—客戶知識呼叫中心網(wǎng)上交流電子郵件傳真直接接觸OLAP數(shù)據(jù)挖掘運(yùn)營分析市場專家知識發(fā)現(xiàn)數(shù)據(jù)倉庫客戶數(shù)據(jù)客戶信息客戶知識圖9-1客戶數(shù)據(jù)—客戶信息—客戶知識過程圖補(bǔ)充內(nèi)容：客戶信息的來源9.1.2CRM中的信息技術(shù)介紹數(shù)據(jù)庫管理系統(tǒng)（DatabaseManagementSystem，DBMS）客戶服務(wù)代表與存儲于計算機(jī)中的數(shù)據(jù)之間的軟件界面，就是數(shù)據(jù)庫管理系統(tǒng)對于任何重要的CRM系統(tǒng)而言，好的DBMS都是必不可少的數(shù)據(jù)倉庫它能使客戶服務(wù)代表、呼叫中心經(jīng)理、管理人員和其他得到授權(quán)的個體或?qū)嶓w接觸各種信息數(shù)據(jù)挖掘數(shù)據(jù)挖掘軟件支持從貌似無關(guān)的大量數(shù)據(jù)中挖掘出有用數(shù)據(jù)的工作數(shù)據(jù)挖掘通過確定數(shù)據(jù)間的關(guān)系和關(guān)聯(lián)來工作數(shù)據(jù)挖掘的結(jié)果利于促銷，如識別客戶的喜好決策支持決策支持軟件包含使用電話中心經(jīng)理和公司領(lǐng)導(dǎo)能回顧和利用數(shù)據(jù)以作出更好決策的軟件工具從簡單的電子表格程序，到復(fù)雜的圖形界面的過程模擬器電子郵件9.1.3CRM系統(tǒng)中的信息技術(shù)的應(yīng)用1.數(shù)據(jù)倉庫的應(yīng)用數(shù)據(jù)倉庫技術(shù)能比較好地解決來自銷售、市場、制造、庫存和客戶服務(wù)等部門的分散數(shù)據(jù)提取和問題處理，從而達(dá)到更好地了解客戶，更方便地提供服務(wù)的目的2.數(shù)據(jù)挖掘技術(shù)的應(yīng)用數(shù)據(jù)挖掘是一門廣義的交叉科學(xué)，包括了數(shù)據(jù)庫、人工智能、數(shù)據(jù)統(tǒng)計和并行計算等方面的技術(shù)數(shù)據(jù)挖掘能夠幫助企業(yè)確定客戶的特點(diǎn)，從而可以為客戶提供有針對性的服務(wù)9.2CRM系統(tǒng)和數(shù)據(jù)倉庫9.2.1數(shù)據(jù)倉庫（DataWarehouse，DW）概述1.數(shù)據(jù)庫技術(shù)的發(fā)展數(shù)據(jù)庫系統(tǒng)是數(shù)據(jù)庫和數(shù)據(jù)庫管理系統(tǒng)的總稱1968年，IBM研制出信息管理系統(tǒng)1969年，美國數(shù)據(jù)系統(tǒng)語言委員會的數(shù)據(jù)庫任務(wù)組提出了網(wǎng)絡(luò)數(shù)據(jù)庫模型的數(shù)據(jù)規(guī)范，于1971年發(fā)表了DBTG報告，正式確定了數(shù)據(jù)庫設(shè)計的網(wǎng)絡(luò)方法1970年，Codd提出了數(shù)據(jù)庫關(guān)系模型，開創(chuàng)了數(shù)據(jù)庫的關(guān)系方法和數(shù)據(jù)庫規(guī)范化理論的研究80年代后，關(guān)系型數(shù)據(jù)庫理論得到空前廣泛的應(yīng)用90年代數(shù)據(jù)庫技術(shù)并沒有出現(xiàn)革命性的創(chuàng)新2.數(shù)據(jù)倉庫的提出、發(fā)展與興起20世紀(jì)80年代中后期出現(xiàn)數(shù)據(jù)倉庫思想的萌芽，從而為數(shù)據(jù)倉庫概念的最終提出和發(fā)展打下了基礎(chǔ)1992年，InmonW.H.在其里程碑式的《建立數(shù)據(jù)倉庫》一書中提出了“數(shù)據(jù)倉庫（DataWarehouse）”的概念，數(shù)據(jù)倉庫的研究和應(yīng)用從此得到了廣泛的關(guān)注9.2.2數(shù)據(jù)倉庫的定義、特征與類型1.定義Inmon（1992）認(rèn)為，數(shù)據(jù)倉庫是面向主題的、集成的，是隨時間推移而發(fā)生變化的數(shù)據(jù)集合，可用來支持管理決策面向主題集成的數(shù)據(jù):從分散的子系統(tǒng)中提取，但不是簡單拷貝，而是經(jīng)過統(tǒng)一、綜合數(shù)據(jù)對最終用戶而言只讀：不可更改數(shù)據(jù)隨時間不斷變化用于支持管理決策Infomix公司：數(shù)據(jù)倉庫把分布在企業(yè)網(wǎng)絡(luò)中的不同“信息孤島”中的業(yè)務(wù)數(shù)據(jù)集成到一起，存儲在單一的集成關(guān)系型數(shù)據(jù)庫中；利用這種集成信息，可方便用戶對信息的訪問，更可使決策人員對一段時間內(nèi)的歷史數(shù)據(jù)進(jìn)行分析，研究事物發(fā)展趨勢SAS：一種管理技術(shù)，旨在通過通暢、合理、全面的信息管理，達(dá)到有效的決策支持。數(shù)據(jù)庫與數(shù)據(jù)倉庫：以銀行業(yè)為例數(shù)據(jù)庫是事務(wù)系統(tǒng)的數(shù)據(jù)平臺，客戶在銀行做的每筆交易都會寫入數(shù)據(jù)庫，被記錄下來，可以簡單地理解為用數(shù)據(jù)庫記帳。數(shù)據(jù)倉庫是分析系統(tǒng)的數(shù)據(jù)平臺，它從事務(wù)系統(tǒng)獲取數(shù)據(jù)，并做匯總、加工，為決策者提供決策的依據(jù)。比如，某銀行某分行一個月發(fā)生多少交易，該分行當(dāng)前存款余額是多少。如果存款又多，消費(fèi)交易又多，那么該地區(qū)就有必要設(shè)立ATM了。顯然，銀行的交易量是巨大的，通常以百萬甚至千萬次來計算。事務(wù)系統(tǒng)是實(shí)時的，這就要求時效性，客戶存一筆錢需要幾十秒是無法忍受的，這就要求數(shù)據(jù)庫只能存儲很短一段時間的數(shù)據(jù)。而分析系統(tǒng)是事后的，它要提供關(guān)注時間段內(nèi)所有的有效數(shù)據(jù)。這些數(shù)據(jù)是海量的，匯總計算起來也要慢一些，但是，只要能夠提供有效的分析數(shù)據(jù)就達(dá)到目的了。數(shù)據(jù)倉庫，是在數(shù)據(jù)庫已經(jīng)大量存在的情況下，為了進(jìn)一步挖掘數(shù)據(jù)資源、為了決策需要而產(chǎn)生的，它決不是所謂的“大型數(shù)據(jù)庫”。2.共同特征數(shù)據(jù)倉庫中包含大量數(shù)據(jù)，這些數(shù)據(jù)可能來自企業(yè)或組織內(nèi)部，也可能來自外部以數(shù)據(jù)倉庫方式進(jìn)行組織的目的是為了能夠更好地支持決策數(shù)據(jù)倉庫為最終使用者提供了用于存取、分析數(shù)據(jù)的工具3.類型根據(jù)數(shù)據(jù)倉庫所管理的類型和它們所解決的企業(yè)問題范圍，一般可將數(shù)據(jù)倉庫分為下列3種類型企業(yè)數(shù)據(jù)倉庫（EnterpriseDataWarehouse,EDW）操作型數(shù)據(jù)庫（OperationalDataSystem,ODS）數(shù)據(jù)集市（DataMart）9.2.3數(shù)據(jù)倉庫的技術(shù)結(jié)構(gòu)設(shè)計模塊：是由數(shù)據(jù)倉庫的設(shè)計者和管理者來設(shè)計和定義數(shù)據(jù)倉庫數(shù)據(jù)庫數(shù)據(jù)獲取模塊：用于開發(fā)和運(yùn)行數(shù)據(jù)獲取應(yīng)用程序，從源系統(tǒng)中獲取數(shù)據(jù)，并整合到數(shù)據(jù)倉庫的數(shù)據(jù)庫中去數(shù)據(jù)管理員模塊：用來生成、管理和訪問數(shù)據(jù)倉庫中數(shù)據(jù)管理模塊：包括一整套用于維護(hù)數(shù)據(jù)倉庫環(huán)境的系統(tǒng)管理服務(wù)信息目錄模塊：能幫助技術(shù)用戶和業(yè)務(wù)用戶訪問數(shù)據(jù)倉庫系統(tǒng)數(shù)據(jù)訪問模塊：所提供的數(shù)據(jù)訪問工具使最終用戶能夠訪問和分析數(shù)據(jù)倉庫中的數(shù)據(jù)中間件模塊：將倉庫數(shù)據(jù)庫與最終用戶工具連接起來數(shù)據(jù)獲取模塊數(shù)據(jù)管理員模塊數(shù)據(jù)倉庫數(shù)據(jù)元數(shù)據(jù)數(shù)據(jù)傳遞模塊中間件模塊信息目錄模塊元數(shù)據(jù)外部元數(shù)據(jù)數(shù)據(jù)訪問模塊外部數(shù)據(jù)設(shè)計模塊管理模塊圖9-2數(shù)據(jù)倉庫的技術(shù)結(jié)構(gòu)補(bǔ)充：數(shù)據(jù)倉庫系統(tǒng)模型數(shù)據(jù)倉庫系統(tǒng)由四個主要部分組成處理過程實(shí)現(xiàn)：集散區(qū)域、管理控制數(shù)據(jù)的提供：倉庫數(shù)據(jù)儲藏室、元數(shù)據(jù)儲藏室9.2.4面向CRM系統(tǒng)的數(shù)據(jù)倉庫設(shè)計與開發(fā)1.任務(wù)和環(huán)境的評估2.需求的收集和分析3.構(gòu)造數(shù)據(jù)倉庫4.數(shù)據(jù)倉庫技術(shù)的培訓(xùn)5.回顧、總結(jié)與再開發(fā)9.2.5數(shù)據(jù)倉庫解決方案（略）1.Sybase提供的數(shù)據(jù)倉庫解決方案2.SAS提供的數(shù)據(jù)倉庫解決方案3.Platinum提供的數(shù)據(jù)倉庫解決方案4.HP提供的數(shù)據(jù)倉庫解決方案5.IBM公司提供的數(shù)據(jù)倉庫解決方案6.Informix公司提供的數(shù)據(jù)倉庫解決方案7.Oracle公司提供的數(shù)據(jù)倉庫解決方案9.2.6EddieBauer的客戶數(shù)據(jù)倉庫1.新的觀點(diǎn)2.信息決定商業(yè)決策3.跟蹤客戶4.了解客戶5.客戶忠誠度9.2.7如何避免數(shù)據(jù)倉庫建設(shè)項(xiàng)目的失敗1.缺少領(lǐng)導(dǎo)的大力支持和積極參與2.過高的期望值3.沒有以決策支持為核心4.人員配備不夠充分5.低估了數(shù)據(jù)清潔、轉(zhuǎn)換、載入的工作量6.低估了用戶對系統(tǒng)擴(kuò)充的需要7.對用戶界面和前端工具的重視（不夠）9.3CRM系統(tǒng)中的數(shù)據(jù)挖掘9.3.1數(shù)據(jù)挖掘（DataMining）概述1.從與數(shù)據(jù)倉庫、OLAP和統(tǒng)計分析的聯(lián)系中定義數(shù)據(jù)挖掘數(shù)據(jù)挖掘：從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中提取隱含于其中的、人們事先不知道但又具有潛在用途的信息和知識的過程從大量的數(shù)據(jù)中，抽取出潛在的、有價值的知識、模型或規(guī)則的過程進(jìn)化階段商業(yè)問題支持技術(shù)產(chǎn)品廠家產(chǎn)品特點(diǎn)數(shù)據(jù)搜集（20世紀(jì)60年代）過去5年中，總收入是多少？計算機(jī)、磁帶和磁盤IBM和CDC提供歷史性的、靜態(tài)的數(shù)據(jù)信息數(shù)據(jù)訪問（20世紀(jì)80年代）在新英格蘭的分部，去年三月的銷售額是多少？關(guān)系數(shù)據(jù)庫、結(jié)構(gòu)化查詢語言（SQL）、ODBCOracle、Sybase、Informix、IBM和Microsoft提供歷史性的、動態(tài)的數(shù)據(jù)信息數(shù)據(jù)倉庫決策支持（20世紀(jì)90年代）在新英格蘭的分部，去年三月的銷售額是多少？波士頓可以據(jù)此得出什么結(jié)論？聯(lián)機(jī)分析處理、多維數(shù)據(jù)庫、數(shù)據(jù)倉庫Pilot、Comshare、Arbor、Cognos和Microstrategy在各種層次上提供回溯性的、動態(tài)的數(shù)據(jù)信息數(shù)據(jù)挖掘（正在流行）下個月波士頓的銷售會怎么樣？為什么？高級算法、多處理器計算機(jī)和“海量”數(shù)據(jù)庫Pilot、Lockheed、IBM、SGI和其他新創(chuàng)企業(yè)提供預(yù)測性信息表9-2數(shù)據(jù)挖掘的進(jìn)化歷程2.數(shù)據(jù)挖掘的主要特征數(shù)據(jù)挖掘面對的是海量數(shù)據(jù)數(shù)據(jù)可能是不完全的、有噪聲的、隨機(jī)的、又復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，且維數(shù)較大數(shù)據(jù)挖掘是多學(xué)科的交叉，綜合運(yùn)用了統(tǒng)計學(xué)、計算機(jī)和數(shù)學(xué)等學(xué)科的技術(shù)3.數(shù)據(jù)挖掘的未來發(fā)展方向與專家系統(tǒng)結(jié)合的數(shù)據(jù)挖掘網(wǎng)絡(luò)數(shù)據(jù)挖掘數(shù)據(jù)挖掘的時序性對非結(jié)構(gòu)化數(shù)據(jù)的挖掘引入新的數(shù)據(jù)挖掘算法補(bǔ)充內(nèi)容：數(shù)據(jù)挖掘的主要功能分類企業(yè)可以按照客戶的行為對他們進(jìn)行分類，以便使特定的產(chǎn)品和服務(wù)能夠被提供給更加有價值的客戶群（即最佳客戶）族群/聚類將具有相似特點(diǎn)的客戶分成幾個族群（市場細(xì)分）聯(lián)系/關(guān)系探尋產(chǎn)品或行為間的聯(lián)系是否存在以及聯(lián)系的強(qiáng)度，以便能夠基于相關(guān)產(chǎn)品做出決策方式或次序客戶的購買行為的方式或次序補(bǔ)充內(nèi)容：典型數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu)9.3.2數(shù)據(jù)挖掘的基本任務(wù)1.自動預(yù)測趨勢和行為2.關(guān)聯(lián)分析若兩個或多個變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)關(guān)聯(lián)可分為簡單關(guān)聯(lián)、時序關(guān)聯(lián)和因果關(guān)聯(lián)等多種類型關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)3.聚類分析數(shù)據(jù)庫中的記錄可被劃分為一系列有意義的子集，即聚類4.概念描述是對某類對象的內(nèi)涵進(jìn)行描述，并概括這類對象的有關(guān)特征5.偏差檢測基本方法是尋找觀測結(jié)果與參照值之間有意義的差別9.3.3數(shù)據(jù)挖掘的技術(shù)與算法簡介1.數(shù)據(jù)挖掘的集合論技術(shù)粗糙集技術(shù)是一種處理含糊和不精確數(shù)學(xué)問題的新型數(shù)學(xué)工具粗糙集將知識定義為不可精確區(qū)分的關(guān)系的一個族集，這就使知識有了明確的數(shù)學(xué)含義，易于進(jìn)行數(shù)學(xué)分析概念樹技術(shù)一個數(shù)據(jù)庫中的不同數(shù)據(jù)都擁有許多的不同屬性，根據(jù)這些屬性可以對數(shù)據(jù)進(jìn)行分類，然后對每個屬性進(jìn)行概念提升中國江蘇臺灣其他省份淡水基隆……南京蘇州………………圖9-3籍貫概念樹籍貫概念樹2.數(shù)據(jù)挖掘中的仿生物技術(shù)神經(jīng)網(wǎng)絡(luò)技術(shù)（NeutralNetwork）模擬了人腦神經(jīng)元結(jié)構(gòu)，可以為解決復(fù)雜程度高的問題提供一個比較簡便的方法神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)是：輸入層、輸出層、隱含層1輸入層隱含層輸出層圖9-4簡單的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖23645生物進(jìn)化遺傳算法適者生存在算法停止時，獲得最優(yōu)解個體解染色體解的編碼（字符串、向量等）基因解中每個分量的特征（如數(shù)值）適應(yīng)度適應(yīng)性函數(shù)值種群根據(jù)適應(yīng)度函數(shù)值進(jìn)取的一組解雜交通過變換兩個解的對應(yīng)分量產(chǎn)生新的解的過程變異通過變換一個解得某些分量產(chǎn)生一個新解的過程表9-3遺傳算法與生物進(jìn)化的比較遺傳算法遺傳算法主要借助生物進(jìn)化中的“適者生存”的概念，模仿生物進(jìn)化中的遺傳繁殖機(jī)制，對優(yōu)化問題解空間的每一個個體進(jìn)行編碼，然后對編碼后的優(yōu)化問題解空間進(jìn)行組合劃分，并通過迭代從中尋找含有最優(yōu)解和較優(yōu)解的組合3.統(tǒng)計分析方法相關(guān)分析和回歸分析：相關(guān)分析是用相關(guān)系數(shù)來度量變量間相關(guān)程度的數(shù)量關(guān)系，回歸分析研究是變量間的因果關(guān)系差異分析：從樣本統(tǒng)計量的值得出的差異來確定總體參數(shù)之間是否存在差異（假設(shè)檢驗(yàn)），典型的方法是方差分析，即通過分析實(shí)驗(yàn)數(shù)據(jù)中不同來源的變異對總體變異的貢獻(xiàn)大小，確定實(shí)驗(yàn)中的可控因素（自變量）是否對實(shí)驗(yàn)結(jié)果（因變量）有重要的影響因子分析：是把多個可直接觀測的變量轉(zhuǎn)化為少數(shù)幾個不相關(guān)的總和指標(biāo)的多遠(yuǎn)統(tǒng)計分析方法，在醫(yī)學(xué)、心理學(xué)和經(jīng)濟(jì)學(xué)與管理學(xué)等科學(xué)領(lǐng)域得到十分廣泛的應(yīng)用聚類分析：是根據(jù)事物本身的特征研究個體分類的方法，是直接比較樣本中事物之間的性質(zhì)的一種方法，把性質(zhì)相近的歸為一類，將性質(zhì)差別比較大的分為不同的類判別分析：根據(jù)表明事物特點(diǎn)的變量值和他們所屬的類求出判別函數(shù)，再根據(jù)判別函數(shù)對未知所屬類別的事物進(jìn)行分類的一種分析方法4.關(guān)聯(lián)規(guī)則算法關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫中數(shù)據(jù)項(xiàng)之間存在潛在關(guān)系的規(guī)則，形式為“A1∧A2∧···∧AmB1∧B2∧···∧Bn”，其Ai（i=1，2，···，m），Bj（j=1，2，···，n）是數(shù)據(jù)庫中的數(shù)據(jù)項(xiàng)數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)就是根據(jù)一個事務(wù)中某些項(xiàng)的出現(xiàn)，可推導(dǎo)出另一些項(xiàng)在同類事務(wù)中也出現(xiàn)關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)關(guān)聯(lián)規(guī)則算法分為兩個步驟求支持度大于用戶指定的最小支持的數(shù)據(jù)項(xiàng)集，即大數(shù)據(jù)項(xiàng)集，對于語義約束的規(guī)則，僅求得滿足約束的大數(shù)據(jù)項(xiàng)集利用大數(shù)據(jù)項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則，關(guān)聯(lián)規(guī)則是挖掘算法的核心

邏輯數(shù)據(jù)庫被選擇的數(shù)據(jù)預(yù)處理后的數(shù)據(jù)被轉(zhuǎn)換的數(shù)據(jù)被抽取的信息被同化的知識選擇預(yù)處理轉(zhuǎn)換挖掘分析和簡化圖9-6數(shù)據(jù)挖掘流程圖9.3.4數(shù)據(jù)挖掘的流程——技術(shù)視角從邏輯數(shù)據(jù)庫開始，經(jīng)過選擇流程獲得被選擇的數(shù)據(jù)，然后對這些數(shù)據(jù)進(jìn)行預(yù)處理，從而得到經(jīng)過預(yù)處理的數(shù)據(jù)庫在此基礎(chǔ)上，再對新生成的數(shù)據(jù)進(jìn)行某種轉(zhuǎn)換，并利用所獲取的新數(shù)據(jù)進(jìn)行挖掘，提出其中有用信息，再加以分析和同化，最終形成經(jīng)過同化的知識，為企業(yè)決策提供支持9.3.5用數(shù)據(jù)挖掘優(yōu)化CRM系統(tǒng)1.什么是優(yōu)化？優(yōu)化是對結(jié)果進(jìn)行明確評價的問題，是在一定的約束和限制條件下，得到最優(yōu)安排的過程2.使用數(shù)據(jù)挖掘技術(shù)優(yōu)化CRM系統(tǒng)的一般步驟評價，即檢測發(fā)生的結(jié)果預(yù)測，即根據(jù)已發(fā)生的事情來進(jìn)行預(yù)測行動，即進(jìn)行嘗試3.優(yōu)化形式存在一種明確定義的數(shù)值有待優(yōu)化對復(fù)雜的、因果關(guān)系不明確的問題進(jìn)行優(yōu)化9.3.6在CRM中利用數(shù)據(jù)挖掘所形成的商業(yè)價值1.客戶盈利模型2.客戶獲取模型3.客戶挽留模型4.客戶細(xì)分模型科學(xué)的客戶細(xì)分需滿足兩個基本條件：完整性；互斥性5.交叉銷售模型通過數(shù)據(jù)挖掘中的聚類分析，鎖定交叉銷售所要面對的目標(biāo)客戶通過關(guān)聯(lián)分析確定最優(yōu)的銷售組合，并向相應(yīng)的客戶展開交叉銷售9.3.7數(shù)據(jù)挖掘工具及其評估1.數(shù)據(jù)挖掘工具的類型通用工具主要包括：SAS公司的EnterpriseMiner、IBM的IntelligentMiner、SPSS公司的Clementine、Oracle公司的Darwin、Angoss的KnowledgeSeeker綜合數(shù)據(jù)挖掘工具面向特定應(yīng)用的數(shù)據(jù)挖掘工具主要包括：KDI（主要在零售業(yè)）和UnicaModell（重點(diǎn)在市場領(lǐng)域）等2.數(shù)據(jù)挖掘工具的評估標(biāo)準(zhǔn)操作的數(shù)據(jù)類型結(jié)果的有用性和確定性知識的表達(dá)多層次互動知識并行分布的數(shù)據(jù)挖掘算法私有保護(hù)和數(shù)據(jù)安全其他標(biāo)準(zhǔn)：產(chǎn)品成熟度和公司力量、產(chǎn)品的數(shù)據(jù)操作能力、產(chǎn)品的用戶界面，管理復(fù)雜程度等9.4知識發(fā)現(xiàn)與CRM9.4.1知識發(fā)現(xiàn)概述Fayyad等（1996）認(rèn)為，知識發(fā)現(xiàn)（KnowledgeDiscoveryinDatabase，KDD）就是指在從大量數(shù)據(jù)中提取有效的、新穎的、潛在有用的、最終可被理解的模式的非平凡的過程KDD具有自動性和一定的智能性9.4.2知識發(fā)現(xiàn)的過程（P323圖9-7）數(shù)據(jù)準(zhǔn)備——理解有關(guān)KDD的背景和用戶的具體需求數(shù)據(jù)選取——確定要選取的目標(biāo)數(shù)據(jù)，從原始數(shù)據(jù)庫中選取數(shù)據(jù)或者數(shù)據(jù)樣本數(shù)據(jù)預(yù)處理——對選取的數(shù)據(jù)和數(shù)據(jù)樣本進(jìn)行一定的預(yù)處理，檢查數(shù)據(jù)的完整性、消除噪聲、清除多余數(shù)據(jù)數(shù)據(jù)變換——對進(jìn)行過預(yù)處理后的數(shù)據(jù)再進(jìn)一步進(jìn)行相關(guān)的轉(zhuǎn)換操作，如轉(zhuǎn)換數(shù)據(jù)的類型等確定KDD的目標(biāo)——為下一步選擇算法做出準(zhǔn)備選擇算法——根據(jù)KDD的目標(biāo)選擇合適的算法，使之與整個KDD過程的評價標(biāo)準(zhǔn)相一致解釋/評價——對經(jīng)過發(fā)掘所發(fā)現(xiàn)的知識進(jìn)行解釋，并將知識以客戶能夠理解的方式描述出來，讓客戶進(jìn)行評估圖數(shù)據(jù)挖掘中的知識發(fā)現(xiàn)流程9.4.3在CRM中運(yùn)用知識發(fā)現(xiàn)對于許多實(shí)施CRM系統(tǒng)的企業(yè)來說，僅僅依靠CRM系統(tǒng)對數(shù)據(jù)的組織和存儲功能，并不能滿足企業(yè)對決策支持的需要如果不能夠?qū)Υ罅康男畔⑦M(jìn)行高級處理以便形成可理解的模式，那么企業(yè)花費(fèi)高昂的成本所收集和積累的這些信息實(shí)際上就被浪費(fèi)掉了因此，發(fā)現(xiàn)隱藏于大量客戶信息背后的關(guān)聯(lián)性與規(guī)律性，就形成了CRM中的知識發(fā)現(xiàn)體系9.5聯(lián)機(jī)信息分析處理與CRM9.5.1作為數(shù)據(jù)倉庫前端接口的聯(lián)機(jī)分析處理（OLAP）圖9-8數(shù)據(jù)倉庫與OLAP整合圖DB1DB2數(shù)據(jù)倉庫客戶1客戶2OLAP服務(wù)器圖9-8數(shù)據(jù)倉庫與OLAP整合圖9.5.2從OLTP到OLAP的轉(zhuǎn)變20世紀(jì)60年代，關(guān)系數(shù)據(jù)庫之父E.F.Codd提出了關(guān)系模型，促進(jìn)了聯(lián)機(jī)事務(wù)處理（OLTP）的發(fā)展1993年，Codd提出來OLAP概念（OnLineAnalyticalProcessing，OLAP）OLTP（OnLineTransactionProcessing）數(shù)據(jù)OLAP（OnLineAnalyticalProcessing）數(shù)據(jù)原始數(shù)據(jù)細(xì)節(jié)性數(shù)據(jù)當(dāng)前值數(shù)據(jù)可更新一次處理的數(shù)據(jù)量小面向應(yīng)用，是事務(wù)驅(qū)動型的面向操作人員，支持日常操作導(dǎo)出數(shù)據(jù)綜合性和提煉性數(shù)據(jù)歷史數(shù)據(jù)不可更新，但周期性刷新一次處理的數(shù)據(jù)量大面向分析，是分析驅(qū)動型的面向決策人員，支持管理需要表9-4OLTP與OLAP的主要區(qū)別9.5.3OLAP的定義與特征1.定義OLAP委員會把OLAP界定為具有下列功能的軟件技術(shù)：使分析人員、管理人員或執(zhí)行人員能夠從多種角度對從原始數(shù)據(jù)中轉(zhuǎn)化出來的信息（這些信息是能夠真正為用戶所理解，并且能夠真實(shí)反映出企業(yè)特性的信息）進(jìn)行快速、一致、互動地存取，從而實(shí)現(xiàn)對數(shù)據(jù)的更深入理解2.特征OLAP的顯著特征是它能夠提供數(shù)據(jù)的多維視圖強(qiáng)大的分析功能：OLAP的分析操作主要包括切片（Slice）、切塊（Dice）、下鉆（Drill-down）、上鉆（Roll-up）和旋轉(zhuǎn)（Rotate）基本特點(diǎn)：多維、快速、分析、共享、信息9.5.4OLAP中的一些基本概念1.變量：數(shù)據(jù)的實(shí)際意義，描述數(shù)據(jù)是什么2.維：是人們觀察數(shù)據(jù)的特定角度，每個不同的視角就叫做一個“維”例如，進(jìn)行客戶細(xì)分可以從客戶與企業(yè)的互動的角度加以細(xì)分，也可以從客戶終身價值角度加以細(xì)分3.維的層次性：是指人們觀察數(shù)據(jù)的某個角度還可以存在細(xì)節(jié)差異的多個方面。例如，客戶互動的層次包括“從不”、“偶爾”、“經(jīng)常”等多維數(shù)組可以表示為（維1，維2，···，維n，變量）9.5.5OLAP結(jié)構(gòu)介紹數(shù)據(jù)庫服務(wù)器DBMS元數(shù)據(jù)請求處理OLAP服務(wù)器SQL結(jié)果設(shè)定前端工具結(jié)果設(shè)定信息請求圖9-9OLAP系統(tǒng)的一般結(jié)構(gòu)9.5.6OLAP的基本分析操作1.切片和切塊（SliceandDice）在多維數(shù)組的某一維上選定一維成員的動作，稱為切片，即在多維數(shù)組（維1，維2，···，維n，變量）選定維i，并對維i選擇一個維成員，得到了（維1，維2，維成員維i，···，維n，變量），這個操作叫做切片切塊也有相似的操作，只不過切塊選擇的是對某一區(qū)間的維選定維成員地理維規(guī)模維盈利維上海市場潛量圖9-10切片與切塊操作2.鉆取鉆取主要包含向下鉆?。―rill-down）和向上鉆?。≧oll-up）操作3.旋轉(zhuǎn)（Rolate）/轉(zhuǎn)軸（Pivot）旋轉(zhuǎn)，即改變一個報告或者頁面的維方向，包含交換行維和列維，以及把頁面顯示的一個維和頁面外的一個維進(jìn)行交換地理維盈利維盈利維地理維行列交換（a）盈利維地理維盈利維規(guī)模維旋轉(zhuǎn)以改變頁面顯示（b）圖9-11旋轉(zhuǎn)操作9.5.7OLAP市場狀況和產(chǎn)品評測（略）1.Hyperion公司2.Oracle公司3.Cognos公司4.MicroStrategy公司5.微軟公司（Microsoft）6.IBM公司7.Brio公司在CRM系統(tǒng)中，OLAP主要應(yīng)用于以下幾個方面快速查詢客戶信息決策支持?jǐn)?shù)據(jù)分析實(shí)時、動態(tài)、直觀地展示CRM中的客戶數(shù)據(jù)電信行業(yè)目前主要的數(shù)據(jù)來自于計費(fèi)系統(tǒng)和網(wǎng)管數(shù)據(jù)。電信系統(tǒng)經(jīng)過多年的運(yùn)行，已經(jīng)存儲了大量的歷史數(shù)據(jù)。這些數(shù)據(jù)中蘊(yùn)涵著豐富的信息，從中可以了解企業(yè)在電信市場經(jīng)營過程中所處的態(tài)勢、競爭對手的經(jīng)營形勢、客戶群的分布狀況、消費(fèi)特征、企業(yè)經(jīng)營發(fā)展的趨勢等，對其進(jìn)行分析處理可以得到很多令人欣喜的結(jié)論。強(qiáng)大的數(shù)據(jù)處理能力，加上豐富的企業(yè)數(shù)據(jù)，可以有力地促進(jìn)企業(yè)經(jīng)營和競爭。

案例：數(shù)據(jù)倉庫在電信行業(yè)中的應(yīng)用基于數(shù)據(jù)倉庫的應(yīng)用設(shè)計從系統(tǒng)結(jié)構(gòu)看，電信行業(yè)數(shù)據(jù)倉庫解決方案系統(tǒng)一般包括應(yīng)用系統(tǒng)部分、中央數(shù)據(jù)倉庫系統(tǒng)部分，數(shù)據(jù)源系統(tǒng)部分三大部分?jǐn)?shù)據(jù)來源電信行業(yè)數(shù)據(jù)倉庫解決方案數(shù)據(jù)源主要來自電信各業(yè)務(wù)系統(tǒng)，包括計費(fèi)系統(tǒng)、營業(yè)系統(tǒng)、客服系統(tǒng)、財務(wù)系統(tǒng)、結(jié)算系統(tǒng)、網(wǎng)管系統(tǒng)、112系統(tǒng)、114系統(tǒng)、電信網(wǎng)絡(luò)資源管理系統(tǒng)以及其它系統(tǒng)，此外數(shù)據(jù)源還有來自電信系統(tǒng)外的數(shù)據(jù)，如人口統(tǒng)計、社會各企業(yè)的財務(wù)數(shù)據(jù)、銀行數(shù)據(jù)等。

業(yè)務(wù)應(yīng)用系統(tǒng)則主要包括以下10個方面功能客戶管理客戶發(fā)展分析業(yè)務(wù)量分析收入分析營銷管理分析市場競爭分析服務(wù)質(zhì)量分析大客戶分析欠費(fèi)和動態(tài)防欺詐行為分析代理商及渠道分析客戶管理電信企業(yè)要吸引客戶、發(fā)展客戶并留住客戶，首先必須要了解客戶?？蛻艄芾響?yīng)用的目的是根據(jù)客戶的屬性（包括自然屬性和行為屬性)，從不同角度深層次分析客戶，從而針對不同的客戶采取不同的促銷活動以及提供更好和更有針對性的服務(wù)，以此增加新的客戶，提高客戶的忠誠度，降低客戶流失率，提高客戶消費(fèi)額度等。客戶發(fā)展分析這主要是依照客戶的自然屬性和消費(fèi)行為屬性對客戶進(jìn)行分析。其主要指標(biāo)包括客戶總量分析、新增客戶分析、客戶流失分析、客戶行為分析，客戶信用度分析、客戶風(fēng)險分析等等。

業(yè)務(wù)量分析包括業(yè)務(wù)總量分析、業(yè)務(wù)增長和流失分析、網(wǎng)絡(luò)通話流量及流向分析、熱點(diǎn)區(qū)域分析、業(yè)務(wù)量結(jié)構(gòu)分析、收益分析、呼叫特征分析等。

收入分析包括收入總量分析、收入變化分析、收入結(jié)構(gòu)分析、客戶繳費(fèi)及欠費(fèi)分析等。營銷管理分析主要提供的功能包括產(chǎn)品定價分析、市場需求分析、促銷活動分析、營銷渠道分析等。市場競爭分析包括市場占有率分析、競爭對手發(fā)展情況分析、供應(yīng)商行為分析、合作商行為分析等。

服務(wù)質(zhì)量分析包括客戶服務(wù)質(zhì)量分析、客戶咨詢查詢分析、客戶投訴分析等。通過對服務(wù)質(zhì)量的分析，能夠了解目前客戶最關(guān)心的問題；通過將客戶流失和服務(wù)質(zhì)量結(jié)合起來分析，能夠清楚客戶為什么會流失以及什么因素會導(dǎo)致客戶流失，從而采取有針對性的措施，減少客戶流失量。大客戶分析大客戶是企業(yè)利潤的主要來源，其分析也極其重要。其中包括大客戶構(gòu)成分析、大客戶發(fā)展及流失分析、大客戶業(yè)務(wù)使用情況分析、大客戶業(yè)務(wù)量變化情況分析。欠費(fèi)和動態(tài)防欺詐行為分析這是在總結(jié)各種騙費(fèi)、欠費(fèi)行為的內(nèi)在規(guī)律后，在數(shù)據(jù)倉庫的基礎(chǔ)上建立一套行為規(guī)則庫，及時預(yù)警各種騙費(fèi)、欠費(fèi)，使企業(yè)損失盡量減少，并通過用戶的繳費(fèi)銷賬情況、社會類別、占用資源等，分信譽(yù)度給不同用戶以不同的服務(wù)及優(yōu)惠。代理商及渠道分析通過對供應(yīng)商市場行為進(jìn)行分析，從而為電信公司與供應(yīng)商合作方面戰(zhàn)略、策略的制定提供參考依據(jù)。

任務(wù)：結(jié)合第10章內(nèi)容，撰寫相應(yīng)報告，并PPT匯報1.主題：某一電子商務(wù)公司（京東、亞馬遜中國，等等）如何進(jìn)行客戶關(guān)系管理，題目自擬，與CRM相關(guān)2.報告內(nèi)容：（1）引論：A.因特網(wǎng)在電子商務(wù)中的發(fā)展；B.因特網(wǎng)如何促進(jìn)了客戶關(guān)系管理（系統(tǒng)）的發(fā)展。(2)該電子商務(wù)公司網(wǎng)上客戶關(guān)系管理分析：A.該公司介紹；B.該公司網(wǎng)上客戶關(guān)系管理的特點(diǎn);C.該公司網(wǎng)上客戶關(guān)系管理的措施和辦法（可以結(jié)合本書一些理念展開）。（3）總結(jié)：網(wǎng)上客戶關(guān)系管理對企業(yè)發(fā)展的影響；網(wǎng)上客戶關(guān)系管理發(fā)展趨勢。3.撰寫報告：每組提交一份2500字-4000的報告，下次上課前交，寫上各小組成員的姓名、學(xué)號、班級4.PPT演示：每小組將報告制成幻燈片，下次課前分組上臺演講：一個班兩組，上來演講的時間為10分鐘；全組人員都上臺；臺下的同學(xué)可以提問5.形式要求：有表格的應(yīng)采用三開欄表格；有數(shù)據(jù)的應(yīng)該繪制餅形圖/柱形圖/線形圖表示本章小結(jié)本章主要內(nèi)容是客戶信息的獲取、分析、應(yīng)用，因此應(yīng)用層面的CRM是本章的基礎(chǔ)。它是對客戶互動的一個升華，也是CRM系統(tǒng)的重要內(nèi)容。本章首先介紹了客戶數(shù)據(jù)、客戶信息與客戶知識的區(qū)別。當(dāng)然，它們共同構(gòu)成了一個獨(dú)特的演進(jìn)過程。由獲取的客戶數(shù)據(jù)，經(jīng)過數(shù)據(jù)倉庫的抽取、清洗等操作，形成了客戶信息，再經(jīng)過前端接口的數(shù)據(jù)挖掘和OLAP分析，形成了可視化的結(jié)果，呈現(xiàn)給決策者或?qū)＜??？蛻粜畔⒄墙?jīng)過這樣的淬煉，經(jīng)過一系列在技術(shù)上息息相關(guān)、在邏輯上緊鑼密鼓的過程，為決策的制定和預(yù)測等做出貢獻(xiàn)。這項(xiàng)工作涉及信息技術(shù)和CRM理念的結(jié)合。在理念上做好CRM，就必然需要兩個平臺：客戶互動平臺（CustomerInteractionPlatform）和客戶知識平臺（CustomerKnowledgePlatform）。而信息技術(shù)與第二個平臺的結(jié)合，就是本講著重描述的內(nèi)容。但是，這種結(jié)合還在繼續(xù)演進(jìn)，如從關(guān)系型數(shù)據(jù)庫到數(shù)據(jù)倉庫、從OLTP到OLAP等。在這方面，兩個引起較大關(guān)注的演進(jìn)方向是客戶智能和專家系統(tǒng)。百萬客戶大拜訪71一、課程目的

1、持續(xù)推動主顧300（讓業(yè)務(wù)員有機(jī)會做）

2、每天完成7+3拜訪（讓業(yè)務(wù)員愿意做）

3、熟練掌握拜訪技巧（讓業(yè)務(wù)員會做）二、過程：三、內(nèi)容1、理念篇--知道和不知道？2、拜訪篇--心動不如行動3、話術(shù)篇--完美的拜訪是設(shè)計出來的72

理念篇知道和不知道？73猜中彩74人類最大的恐懼來自于未知世界的無知不知道是一種危機(jī)，一種威脅，一種恐懼。理念之一：

75不知道的兩種表現(xiàn)形式？？76（1）你曾拜訪過的客戶中，是否有各種不同的客戶性格類型？（2）你是否經(jīng)常變換不同的推銷策略？（3）你的推銷模式的成交率是多少？（4）失敗的原因是客戶？你？還是推銷方式？你知道還是不知道？業(yè)務(wù)員的不知道77愛人同志78理念之二：

不知道是客觀存在的，是認(rèn)識事物的開始79

生活中對待不知道的幾種態(tài)度：（1）不知道等于不存在；（沒市場，沒客戶）（2）不知道等于無所謂；（沒問題，沒關(guān)系，沒辦法）（3）不知道等于想知道，好奇并積極的探索！80理念之三：

人的進(jìn)步就在于不斷的減少不知道業(yè)務(wù)員的進(jìn)步就在于將自己和對客戶的不知道變成知道81

理念之四：

傭金的兌現(xiàn)來自于拜訪82理念之五心動不如行動83結(jié)論：除非你去做拜訪，否則永遠(yuǎn)你都處在不知道的狀態(tài)當(dāng)中煩惱、恐懼和壓力皆因此而生。84

拜訪篇心動不如行動85丑媳婦怕見公婆一、沒信心（1）對自己沒信心信心是拜訪出來的恐懼來自動作的陌生，而不是來自動作的難度（2）對新條款沒信