随着营销策略的升级、市场理论的完善，如何更高效地发现潜在的新客户以及保持并改善与客户的关系成为了企业占领市场、笑傲市场的利器。客户关系管理作为一个全面体现以客户为核心利益的商业模式，它应用到企业与客户相关的市场、销售、服务、技术支持等各个部门整合企业所有与客户相关的资源帮助企业改善与客户的关系。论文以客户关系管理一个重要的研究与应用方向一一客户价值提升提出了客户价值提升的实现框架，并探讨了数据挖掘技术在客户价值提升框架的应用方式。
一、CRM与数据挖掘
CRM软件可以分为三类:操作型、合作型(协作型)、分析型。
操作型CRM：用于自动的集成商业过程，包括对销售自动化(sales Automation，SA)、营销自动化(Marketing Automation，MA)和客户服务与支持(Customer Service & Support，CS&S)三部分业务流程。合作型CRM：用于同客户沟通所需手段(包括电话、传真、网络、EMAIL等)的集成和自动化，主要有业务信息系统(Operational lnformation System OlS)、联络中心管理(Contact Center，CC)和Web集成管理(Web Integration Management，WIM)。分析型CRM：用于对以上两部分所产生的数据进行分析。产生客户智能，为企业的战略、战术的决策提供支持包括数据仓库 (Data Base/Warehouse，DB)和知识仓库(Knowledge Base，KB)建设，及依托管理信息系统(Management lnformation System，MIS)的商业决策分析智能(Business lntelligence，Bl)。
数据挖掘(Data Mining 简称DM)是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它可应用于企业经营中按照企业既定业务目标对大量的企业数据进行抽取、转换、分析和其他模型化处理从中提取辅助企业决策的关键性数据，揭示隐藏的、未知的或验证已知的规律性的先进有效的方法。在客户关系管理中应用数据挖掘的目的是为了提高市场决策能力和检测异常模式及在过去的经验基础上预言未来趋势等。
比较典型的数据挖掘方法有关联分析、序列模式分析、分类分析、聚类分析等。它们可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。如：关联分析能发现数据库中形如“90%的顾客在一次购买活动中购买商品A的同时购买商品B”之类的知识；序列模式分析能发现数据库中形如“在某一段时间内，顾客购买商品A，接着购买商品B，而后购买商品C，即序列A一B一C出现的频度较高”之类的知识；分类分析法通过分析示例数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其它数据库中的记录进行分类；聚类分析则根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。
在crm系统中企业得拥有一个保存着所有客户的合闸信息，并且还应有相应的市场竞争对手的相关数据的大型数据库，数据挖掘可以直接跟踪数据并辅助用户快速作出商业决策，并在更新数据的同时发掘更好的行为模式，从而运用于未来的决策当中。
二、客户价值建模
1. 客户价值
客户价值可分为两种：一是客户购买企业产品或服务时，客户从企业获得的价值；二是企业通过客户购买自己的产品或服务时，企业从客户获得的价值。对于企业而言，只有获得和增大客户从企业获得的价值才能同时获得和增大企业从客户获得价值。因此，客户价值是客户关系管理中的关键，企业实施客户关系管理的重要目的就是为了实现客户价值的最大化。对客户进行细分，判断客户的行为，提高客户的满意度和忠诚度，对客户流失可能性进行预测等等，通过这些方面使得客户的生命周期得到延长，从而企业获得更多的利润。
2. 面向客户价值的建模
(1)客户细分的建模
客户属性可以分为内在属性和外在属性，客户的地域分布、客户的产品拥有、客户的组织归属等可以认为是客户的外在属性；性别、家庭成员数、信用度、价值取向等可以认为是客户的内在属性。利用数据挖掘技术中的决策树或是模糊聚类方法来进行挖掘，得到基于客户预测价值的客户金字塔模型。
(2)客户行为的建模
客户行为的表现有如满意度、忠诚度、响应度等等。但是其中客户的满意度决定了客户的响应度和忠诚度。在这里，主要针对客户的满意度来建模。在客户满意度的表现属性中通过产品或服务的属性与客户对他们的预期值的比较、客户对售后服务和支持系统是否满意、客户与企业的交互次数等数据，使用决策树或是神经网络方法挖掘出每个客户的满意度的值，与事先设定或由以往数据统计得到的平均满意度的值来对比，从而做出决策。
三、系统总体框架的构想
建立客户关系管理系统的前期工作是客户资料数据库的构建，这些客户资料的收集可以由客户关系管理软件的三个基本模块功能来完成：营销自动化、销售自动化、客服自动化。这三个方面得来的数据资料建立成客户资料数据库或者数据仓库，其中包括的资料有：客户资料、交易数据、访问日志等。数据库或数据仓库的数据经过数据准备模块的数据预处理完成数据的清理、集成、变换、规约、离散化等操作后进一步作分析。由控制模块总体控制，选择任务分析组件模块针对不同的客户价值分析所涉及到的内容来进行选择分析，通过挖掘引擎小模块和挖掘算法模块之间的信息交互来调用相应的不同挖掘方法进行建模和挖掘。挖掘后得来的数据经过分析整理形成知识库，为企业用户做决策分析是提供依据。形成的知识库对基本模块功能进行进一步的完善，并不断更新控制模块以达到更好的分析选择控制效果。
在这个设想的系统框架图中，由分析型CRM得来的数据形成知识库。知识库知识反馈给操作型CRM并为决策作支持从而形成一个反馈模型。知识库中的知识是由原本是操作型CRM得来的关于客户的数据，经过分析型CRM的相应的挖掘技术的挖掘后经由知识整理模块来把数据变成图、表等可视化数据，而后作为知识存入知识库中。
在这当中挖掘而来的知识是否对客户价值的增大有用，需要通过一个评价决策模块来判断以便来决定是否反馈给操作型CRM作为依据进行相应的措施。评价决策模块中针对客户所处的客户预测价值模型中的地位，根据前面得来的数据知识在客户的可挖掘价值或预期价值与挽留客户可能预计要耗费的价值做比较来决定。如从客户流失预测分析中得出某个客户可能会要流失了，而企业用户就会通过评价决策模块中的投资回报分析来考虑对这一客户应当采取的措施，以便挽留或者放弃这一客户。
四、总 结
客户资源已成为企业最重要的资产。在竞争日益激烈的环境中，企业要想生存和发展就只有不断深入挖掘客户价值从而达到双赢的目的。该系统框架是针对客户资料数据比较海量的企业，在众多的客户中区别并细分从而保留有潜在价值和现有价值的客户，剔除对企业无价值而且还影响企业盈利的客户。我国现有企业中像银行、电信、保险、零售等企业都有着众多的客户资源，因此这一系统框架的构想有着深入研究的前提。从而对企业有着很现实的意义。