客户内在需求管理因此客户为中央（而不因此产品为中央）、以企业与外部的业务互换为主导（而不是局限于企业内部的事务）、以企业的前端业务运用为主（而不因此企业的后端业务处理为主）的管理模式。
一、客户内在需求管理须要数据挖掘
当今社会，客户的代价已经越来越多地影响着企业的代价，客户内在需求管理（CRM）正是通过建立长期而系统的客户内在需求来提升单个客户代价的计策，其要旨在于帮助企业通过利用适宜的技能以及合理的人力资源洞察客户的行为和他们的代价，以便企业能够迅速有效地对客户的需求进行回应。
客户内在需求管理（CRM）的核心是“理解客户，谛听客户”，客户内在需求管理的目标可以概括为“吸引潜在客户进入，提高现有客户满意度和忠实度，降落客户流失落”，总之统统的终极目的都是为了提高收益。
在企业关注客户内在需求管理的同时，信息技能的飞速发展为客户内在需求管理（CRM）的高效履行供应了技能担保，通过数据挖掘技能对客户内在需求进行深入剖析可以知足企业对个体细分市场的客户内在需求管理需求（详细可查看seo马龙博客《如何以客户为中央进行数据挖掘与剖析》的干系先容）。
数据挖掘紧张是找寻隐蔽在数据中的信息，例如创造趋势、特色及干系性的过程，也便是从数据中发掘出信息或知识。
二、数据挖掘技能及常用方法
数据挖掘（Data Mining）是从大量的、不完备的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及终极可理解的模式的非平凡过程。
它是一门涉及面很广的交叉学科，包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等干系技能，数据挖掘技能是客户内在需求管理的关键技能。
常用的数据挖掘技能包括关联剖析、序列剖析、分类剖析、聚类剖析、预测、伶仃点剖析等。
事实上，办理一个已给的业务问题时，数据挖掘一样平常稠浊利用两种及两种以上的技能种别。
1、关联剖析
关联剖析紧张用于创造不同事宜之间的关联性，即一个事宜发生的同时，另一个事宜也常常发生，关联剖析的重点在于快速创造那些有实用代价的、关联发生的事宜。
2、序列剖析
序列剖析技能紧张用于创造一定韶光间隔内接连发生的事宜，这些事宜构成一个序列，创造的序列该当具有普遍意义，其依据除了统计上的概率之外，还要加上韶光的约束。
3、分类剖析
分类剖析通过剖析具有类别的样本的特点，得到决定样本属于各种类别的规则或方法，利用这些规则和方法对未知类别的样本分类时该当具有一定的准确度，其紧张方法有基于统计学的贝叶斯方法、神经网络方法、决策树方法以及support vector machines等。
在seo马龙看来，利用分类技能，可以根据顾客的消费水平和基本特色对顾客进行分类，找出对商家有较大利益贡献的主要客户的特色，通过对其进行个性化做事，提高他们的忠实度。
4、聚类剖析
聚类剖析是根据物以类聚的事理，将本身没有类别的样本聚拢身分歧的组，并对每一个这样的组进行描述的过程，其紧张依据是聚到同一个组中的样本该当彼此相似，而属于不同组的样本该当足够不相似（详细可查看seo马龙博客《聚类剖析的方法及运用》的干系先容）。
5、预测
预测与分类类似，但预测是根据样本的已知特色估算某个连续类型的变量的取值的过程，而分类则只是用于判别样本所属的离散种别而己。
seo马龙认为预测模型可以利用较为传统的统计回归技能，也可以利用新的分类技能，目前最通用的是决策树归纳技能。
6、伶仃点剖析
数据库中可能包含一些数据工具，它们与数据的一样平常行为或模型不一致，这些数据工具称为伶仃点，对这些数据的挖掘剖析可以用于处理一些罕见事宜，比如信用卡敲诈等。
三、数据挖掘技能在客户内在需求管理中的运用
一样平常来说，在企业管理客户生命周期的各个阶段都会用到数据挖掘技能，数据挖掘能够帮助企业确定客户的特点，从而可以为客户供应有针对性的做事。
企业通过数据挖掘，可以创造利用某一业务的客户的特色，从而可以向那些也同样具有这些特色却没有利用该业务的客户进行有目的的推销，还可以找到流失落的客户特色，在那些详细相似特色的客户还未流失落之前，采取针对性的方法。
目前，数据挖掘技能在客户内在需求管理关系中的运用有以下几个方面：
1、客户盈利能力
打算客户盈利能力有助于挖掘有代价客户，公司各个部门之间对客户盈利能力可能有不同理解，剖析顾客的忠实度，可以利用数据挖掘来挖掘忠实度高的客户；可以通过数据挖掘技能可以有效打算客户盈利能力；还可以利用数据挖掘预测未来的客户盈利能力。
利用数据挖掘技能来预测客户盈利能力须要的两个成分：
①、记录潜在客户行为特色和发展成为客户行为特色的历史数据。
②、计量客户盈利能力的标准。
利用数据挖掘技能后可以增加客户盈利能力，增加客户盈利能力指客户在得到提升后，增加的盈利能力，如：客户得到某种优惠匆匆销而增加部分开支去发卖，则增加部分的开支给公司带来的利润即增加的客户盈利能力。
2、客户的保持和流失落
企业的增长和发展壮大须要不断得到新的客户并坚持老的客户，不论企业希望得到的是哪类客户，数据挖掘都能帮助识别出这些潜在的客户群，并提高市场活动的回应率，做到对症下药。
现在各个行业的竞争都越来越激烈，企业得到新客户的本钱正在不断上升，因此建立客户流失落预测模型，得出即将流失落的客户，对他们采纳有效方法进行挽留，从而有效减少客户流失落就显得越来越主要，数据挖掘可以帮助创造打算离开的客户，以使企业采纳适当的方法挽留这些客户。
3、客户得到
在没有利用数据挖掘技能时，客户获取的传统方法便是选出一些感兴趣的人口调查其属性，获取这些人口的特色即可，但随着数据量的增大，传统的方法具有不可实现性。
利用数据挖掘在扩展客户市场活动时，利用数据挖掘技能挖掘出潜在的客户名单，在客户名单上列出可能对某些产品感兴趣的客户信息，便可更方便的获取更多的客户。
4、客户细分
客户市场细分指的是将客户划分成互不相交的种别，客户作为企业宝贵的资源，每一次与客户打仗既是理解客户的过程，也是客户体验企业的机会。
因此，真正关心客户，为每位客户供应与客户内在需求同等的、个性化的做事，才能让客户体会到企业的代价。
近年来，一对一营销正在被浩瀚的企业所青睐，一对一营销是指理解每一个客户，并同其建立起持久的关系。
数据挖掘可以把大量的客户分身分歧的类，在每一个类里的客户具有相似的属性，而不同类里的客户的属性也不同，像聚类剖析这样的数据挖掘技能，可以赞助企业进行客户细分（详细可查看seo马龙博客《网络客户关系管理数据的策略和需求剖析》的干系先容）。
例如，化妆品企业的客户分为：少儿、青年、中年和老年或者按性别分为男、女，通过数据挖掘可以理解其不同客户的爱好，通过供应有针对性的产品和做事，来提高不同类客户对企业和产品的满意度。
5、交叉营销
交叉营销是指在向现有客户供应新的产品和做事的营销过程，如那些购买了婴儿尿布的客户会对你的其他婴儿产品感兴趣。
交叉营销的升级形式为：升级营销，指向客户供应与他们已购买的做事干系的新做事。
数据挖掘技能在交叉营销中的运用首先表现为，剖析现有客户的购买行为数据，进行交叉营销剖析，详细数据挖掘过程包含三个独立步骤，即对个体行为进行建模；用预测模型对数据进行评分；对得分矩阵进行最优化处理。
然后进行建模阶段，利用上述建模的方法。
接下来便是评分阶段，对所建立的模型进行评定。
末了一个阶段便是优化阶段，常日有四种方法：朴实的方法、均匀效益方法、个人效益方法、有约束条件的优化方法。
6、客户敲诈风险剖析
在客户内在需求管理中，客户的信用剖析和诱骗识别是非常主要的，由于一旦发生信用风险和敲诈行为，企业将面临管理活动的失落败、市场份额的损失和营销活动的失落败，导致企业失落去市场、顾客、竞争力和信誉。
根据seo马龙博客网络的统计资料表明，企业间的敲诈行为是非常普遍的，而且一旦发生，给企业带来的丢失是巨大的，如何准确、及时、有效地预测到企业可能发生的敲诈风险是非常故意义的，数据挖掘技能能够很好地办理此问题。
可以利用数据挖掘中的意外规则的挖掘方法、神经网络方法和聚类方法，对客户数据仓库中的数据进行剖析和处理，剖析敲诈为什么会发生？哪些成分随意马虎导致敲诈？敲诈风险紧张来自于何处？如何预测到可能发生的敲诈？采纳何种方法可以减少敲诈的发生？以便剖析和评价敲诈风险的严重性和发生的可能性，准确、及时地对各种敲诈风险进行监视、评价、预警和管理，进而采纳有效的回避和监督方法，在敲诈风险发生之前对其进行预警和掌握。
7、市场策略剖析
利用数据挖掘技能可以对市场进行如下几种剖析：预测客户生命期的代价；预测客户潜在代价；预测客户潜在生命期代价。
根据数据挖掘得出的结果，进行市场策略剖析，充分发挥客户的现有代价和他的潜在代价。
对现有代价和潜在代价进行策略剖析时，当客户的现有代价与潜在代价一样，则坚持的最低用度，当客户的潜在代价高于现有代价，则发挥其潜在代价的最低用度。
在此，还要提醒大家一点：如果利用数据挖掘不能增加的客户现有代价或潜在的代价，则应停滞推销等活动，否则，就要加大或连续。
8、客户忠实度
客户忠实被认为是企业取得盛器利润增长的路子，客户内在需求管理须要培养和选择忠实客户，使之与公司保持长期关系，但不是所有客户都乐意与公司保持联系，一些客户的购买决策只受价格、方便等成分的影响。
不论公司如何以诚相对，供应高的顾客转让代价，客户一旦创造其他公司有更低价格的商品，便立时离开转向该公司，也有一些顾客更关心商品的质量、代价、做事、节约韶光等，当他用本公司的产品感到满意往后，就会成为公司的忠实顾客。
通过对许多客户资料进行剖析表明，公司80%的利润来自20%的客户。
因此，忠实客户对公司所带来的利润是巨大的，数据挖掘技能，可以通过对数据库中的大量数据进行剖析，以确定消费者的购买习气、购买数星和购买频率，剖析客户对某个产品的忠实程度、持久性、变动情形等，以确定忠实客户，并为他们供应“一对一”的个性化做事，增强客户的忠实度，最大限度地挖掘客户对企业的终生代价，为企业创造更大的利润。
数据挖掘中的差异性剖析可用于创造客户的敲诈行为，剖析客户的诚信度，从而得到诚信较好的客户。
