许多已经站稳脚跟的企业最大的优势是已经拥有了大量的客户资源，因此，如何保留住既有客户，及如何由这些客户获得最大的收益，已经成为这类企业的重要课题；与此同时，面对着垄断已经被逐渐打破的产业格局、竞争的加剧、产品的差异性逐渐缩小、新技术的不断采用，企业会禁不住询问：如何在现有基础上进一步挖掘企业的竞争优势？许多企业开始关注基于呼叫中心应用的客户关系管理（CRM）可以为各类组织机构有效地开源节流。

然而重视客户、重视客户关系管理也并不是采取一刀切的方法，不加区别的对待每一个客户。首先，客户的需求不同，需要不同的手段与服务来满足个性化的需求；另一方面，每个客户能够为企业带来的回报不同，在服务和销售过程中的投入也应该有所差别。可以说客户并非"生来平等"，每位客户所能贡献的终身价值以及获得这些价值所需花费的成本并不相同，对所有客户提供非常高质量的服务在经济上并不合算，尤其当你并不清楚每个客户个体的价值。从企业的角度理解单个客户的利润，终身价值的概念（或称为长期价值）以及这些信息如何利用在保持与获取客户的管理策略中。如果你不了解谁是你的当前和潜在客户，你将如何识别该挽留谁，哪些客户是你所希望获得的呢？面对着这样的问题，赛迪呼叫通过多年基于呼叫中心的客户关系管理的服务经验，我们认为希望通过客户关系管理实现客户价值升级的企业可以期望通过如下的方式提升客户价值：

a.数据挖掘

我们说到的数据仓库不是可以买到的现成产品，是一种解决问题的方案。数据仓库以传统的数据库技术作为存储数据和管理资源的基本手段，以统计分析技术作为分析数据和提取信息的有效方法。企业通过数据挖掘技术对所服务的客户作利润贡献度的分析，将有助于了解服务客户的成本及客户利润贡献度的关系，而对不同的客户提出不同的服务策略，从而避免盲目推销，是企业的营销活动更有效、更具针对性。

很多企业都在利用数据挖掘技术帮助管理客户生命周期的各个阶段，包括争取新的客户、在已有客户的身上赚更多的钱、和保持住好的客户。如果能够确定好的客户的特点，那么就能提供为客户提供针对性的服务。比如，已经发现了购买某一商品的客户的特征，那么就可以向那些具有这些特征但还没有购买此商品的客户推销这个商品；找到流失的客户的特征就可以，在那些具有相似特征的客户还未流失之前进行针对性的弥补，因为保留一个客户要比争取一个客户便宜的多。
数据挖掘最吸引人的地方是它能建立预测模型而不是回顾型的模型，他不仅能用于控制成本，也能给企业带来效益。

b. RFM法则

在进行深层电话营销或是点对点的精确客服之前，要求我们在营销或服务活动开展之前通过一定的统计学模型对数据库中的资源进行分析整理，力求最为细致地描绘出潜在用户特征，使电话营销事半功倍，RFM法则就是经常会被用到的模型之一。例如在某次快速消费品的电话营销过程中，企业可以根据客户最近一次消费（R）、消费频率（F）、消费金额（M）等指标对数据库当中的客户资源进行分类，并在这些类别中分别选取相应比例的数据量进行电话营销的试推广。通过对试推广结果的分析，圈定出能够为企业贡献更多价值的潜在用户的类别，并在大面积的电话营销中优先使用此类数据或投入更大的人力、物力。

通过呼叫中心，针对数据挖掘建模、分析用户特征，制定个性化、有针对性的营销策略，选择结合利用短消息、Email、互联网聊天工具等动态方式，对潜在用户进行点对点营销，实现客户分层管理，对营销效果和分组营销产值进行跟踪、及时调整参数、评价并优化模型性能，从而最大程度的实现客户价值的升值。

赛迪呼叫中心公司供稿 CTI论坛编辑