1.如何利用客户数据库进行相关数据挖掘工作； 　　2.如何通过数据挖据方法获取新客户，提高成功率； 　　3.如何通过数据挖掘方法对老客户进行挽留，提高客户忠诚度； 　　4.如何通过客户群细分，和个性化营销培育客户，提高营销回报； 　　5.如何通过数据挖掘方法对客户进行交叉销售和提升销售，提高客户消费额

　　**部分：数据挖掘基础概念
　　1. 数据挖掘的概念、发展历史和背景
　　2. 数据挖掘解决的几大类问题
　　a) 分类问题
　　b) 聚类问题
　　c) 关联问题
　　d) 估值问题
　　e) 描述统计及展示
　　3. 数据挖掘的方法论
　　第二部分：
　　一、CRM与传统营销核心概念
　　1.客户关系管理的意义
　　2.客户关系建设与管理
　　3. CRM与传统营销对比
　　案例：银行销售案例分析
　　二、数据挖掘在CRM营销中的应用
　　1. 数据挖掘技术在CRM中的作用
　　(1)交叉销售
　　(2)一对一营销
　　(3)客户盈利能力分析
　　(4)商业数据向商业信息的转化
　　2.数据挖掘技术在CRM应用领域中的研究
　　(1)概念，类描述
　　(2)关联分析
　　(3)分类和预测分析
　　(4)聚类分析，属于无指导学习。
　　(5)孤立点分析。
　　(6)复杂类型的数据挖掘。
　　互动：案例现场模拟
　　第三部分：CRM中的数据挖掘模型及方法
　　一、CRM中数据挖掘的实现过程
　　(1).定义挖掘对象
　　(2).数据选择和准备
　　(3).模型的建立
　　(4).模型的评估
　　(5).模型的部署与维护
　　二、CRM中的数据挖掘方法
　　1.分类分析
　　2.关联分析
　　(1).关联规则的经典算法是apriori算法
　　(2).具有限制条件的关联规则
　　(3).序列模式分析
　　(4).聚类分析
　　案例：某银行如何使用销售问题工具
　　第三部分：数据挖掘策划营销
　　1. 潜在客户的来源
　　2. 客户获取传统方法与数据挖掘方法的对比
　　3. 客户对营销活动响应的不同类型
　　4. 构建响应模型的步骤
　　案例：银行营销模式转变的启示
　　第四部分：客户挽留活动的策划
　　1. 保留老客户与获取新客户的成本对比
　　2. 适合构建流失预警的行业和领域
　　案例：银行行业流失预警案例剖析
　　第五部分:客户细分与个性化营销策划
　　1. 客户细分的价值
　　2. 客户细分与“1对1营销”的区别
　　3. 基于数据驱动的细分介绍
　　4. 基于数据驱动的细分的几种方法
　　5. 不同的细分类型
　　案例：某银行建立客户需求实例解析