چکیده:
در بازارها که رقابت در آن افزایش مییابد رضایت مشتری یک هدف مشترک حیاتی است.عناصر کلیدی برای افزایش رضایت مشتری شامل تولید محصولات با کیفیت بالا و سرویس دهی با کیفیت بالا به مشتریان میباشد.
در چند سال اخیر با پیدایش نوآوریهای متعدد در فیلدهای بازاریابی و کسب و کار و با پیشرفت فناوری و تغییر همزمان در تحقیقات مربوط به پیشرفت فناوری در زمینه تحقیقات مربوط به این فیلدها موضوعات متمرکز بر فیلد مدیریت و فیلد بازاریابی،مدیریت ارتباط با مشتری و استفاده تجربی از داده بازاریابی و فناوری اطلاعات میباشد.هدف این مقاله ارائه یک کلاس فشرده کلی روی مدیریت ارتباط با مشتری نیست بلکه ارائه مفاهیم اساسی مدیریت ارتباط با مشتری و برخی جنبههای فرآیند توسعه سیستم و پیامدها و رهنمودهایی در جهت جلوگیری از شکست در پیادهسازی سیستم میباشد.
خلاصه ماشینی:
"انبار داده یک پایگاه داده فیزیکی بزرگ است که شامل مقدار زیادی اطلاعات با تنوع گسترده میباشد2 (2002)لی3و هونگ4بیان نمودهاند که بازاریابی رابطهای و های مشتریان گوناگون به سختی میتواند پیادهسازی شود ایجاد یک انبار داده گام سادهای برای ذخیره دادهها نیست بلکه یک گام آغازین جهت استفاده از دادهها میباشد.
بنابر این سوالات زیر باید مورد توجه قرار گیرد: هدف از تجزیه و تحلیل دادهها چیست؟ چه دادههایی باید آماده نمائیم؟ این مفاهیم در طراحی سیستم برای تجزیه و تحلیل دادههای ذخیره شده در پایگاه دادهها(برای مثال سیستم مدیریت ارتباط با مشتری،5 OLAP بسیار اهمیت دارد[4] در برنامههای کاربردی عمومی برای تجزیه و تحلیل دادهها، دادهها در اشکال مختلف وارد و سپس تجزیه و تحلیل میشوند برای مثال دادهها میتوانند بطور مستقیم توسط کاربران وارد شده و کاربران میتوانند دادههای ذخیره شده در یک فایل را مورد استفاده قرار دهند.
اما علاوه بر دادههای سمت سرور دادههای سمت کلانیت هم اطلاعات مهم و ارزشمند میباشند،برای مثال ما اغلب یک اپلت6جاوا7را برای ایجاد صفحات وب بکار می بریم و هنگامی که یک مشتری اپلت را اجرا میکند اطلاعات در سمت کلانیت پدید میآید و ما میتوانیم از این اطلاعات جهت جمع آوری دادهها برای مدیریت ارتباط با مشتری استفاده کنیم این مفاهیم جهت بیان تمام رفتارهای مشتریان آنلاین به شکلدادههای کلیدی جمعآوری شده میباشند.
هدف تجزیه و تحلیل(داده کاوری)در مدیریت ارتباط با مشتری،استخراج داده های لازم برای ارائه سرویس کارا به مشتریان میباشد01جهت دستیابی به این هدف تکنیکهای مختلفی استفاده میگردد که تکنیکها به صورت زیر دستهبندی شدهاند: تکنیکهایی برای کشف الگوی پنهان(الگوهای کشف توالی، قوانین کشف رابطه)خوشهبندی(الگوریتم k میانگین،شبکه کوهن)طبقهبندی(درختهای تصمیمگیری و نزدیکترین همسایگی)2."