一、客户关系管理
　　1.客户关系管理的定义
　　销售管理软件,首先是一种管理理念。其核心思想是将企业的客户作为重要的资源，通过完善的客户服务和深入的客户分析来满足客户的需求，保证实现客户的终生价值。
　　销售管理软件又是一种旨在改善企业与客户之间关系的新型管理机制，它实现于企业的市场营销、销售、服务与技术支持等与客户相关的领域。通过向企业的销售、市场和客户服务的专业人员提供全面、个性化的客户资料，并强化跟踪服务、信息分析的能力，使他们能够维护一系列与客户和生意伙伴之间卓有成效的“一对一关系”从而使企业得以提供更快捷和周到的优质服务.提高客户的满意度。
　　销售管理软件也是一种管理软件和技术。它将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其他信息技术紧密结合在一起，为企业的销售、客户服务和决策支持等领域提供了一个业务自动化的解决方案，使企业有了一个基于电子商务的面对客户的前沿，从而顺利实现由传统企业模式到以电子商务为基础的现代企业模式的转化。
　　2.客户关系管理的研究和应用现状
　　销售管理软件起源于20世纪80年代初提出的接触管理（ContactManagement），即专门收集整理客户与公司联系的所有信息。到20世纪90年代初期则演变成为包括服务中心与支持资料分析的客户服务（CustomerCare）。经历720余年不断演变发展，销售管理软件逐渐形成了一整套管理理论体系和应用技术体系。
　　从全球的范围看，2002年市场对销售管理软件的需求已经比ERP高，销售管理软件销售量每年的增长率超过了30%，而ERP只有10%。2005年的销售额达到了140亿美元之多，企业信息化的重点从后台系统转向了前台。在国内，多数企业将大部分力气投入到企业内部信息系统得建设上，这意味着销售管理软件在我国的应用还不成熟。 　　销售管理软件应用最广泛的领域是与科技和计算机相关的领域，这一领域中的企业由于信息化程度高和自身的优势，能够通过销售管理软件系统建立起与客户之间的有效价值链，从而铲射功能更大的效益。而在我国生产总值中占据重要地位的传统企业在销售管理软件的市场中所占比例较小。加入WTO后企业面临着更为严峻的国际竞争，因此企业迫切需要寻找类似销售管理软件的新思路、新理念来增强企业的竞争力。现在市场中销售管理软件供应商较多国际的有Siebel、Oracol、Borland、sybase，国内的用友、中圣、金蝶创智等。
　　二、数据挖掘是销售管理软件成功的保障
　　大量数据的产生和收集导致了信息的爆炸，但信息仅仅停留在这个阶段，未对这些信息进行适时和深层次的分析，致使企业对客户知识的缺乏。数据挖掘可以从繁杂的数据中找出真正有价值的信息知识，提高企业对客户了解程度，时时快捷的发现并满足客户的需求，从而提高企业的竞争力。
　　1.数据挖掘使市场信息触手可及
　　数据库及数据挖掘技术（DataMining，DM）可以扩展企业核心业务过程的信息后勤基础，通过数据挖掘来保证对数据的访问及分析，从而提高业务过程的有效性。当企业通过数据仓库直接向其顾客索取某些信息密集型顾客支持过程的资源时，支持成本会不断地下降，企业的管理成本也就随之降低。
　　利用信息技术和数据资源，不断地增强对客户的了解程度，使客户感觉好像与企业有一种独一无二的个人关系，具有有效的信息文换和访问能力，与客户打交道变得更容易一些。数据挖掘技术基于事实，利用数据仓库中产品、价格、投资、分配等方面，从浩瀚的信息海洋中提炼出有价值的信息，发现隐含在这些信息中的对等的、不明显的、不可预知的模式、趋势和关系，为企业提供决策的依据。
　　2.数据挖掘将数据加工成信息和知识
　　在销售管理软件中，数据仓库将海量复杂的客户行为数据集中起来建立一个整合的、结构化的数据模型，在此基础上对数据进行标准化、抽象化、规范化分类、分析，为企业管理层提供及时的决策信息，为企业业务部门提供有效的反馈数据。数据挖掘对客户资料进行分析，是挖掘客户潜力的基石。
　　数据挖掘技术的作用在企业管理客户生命周期的各个阶段都会有所体现。数据挖掘帮助企业发现客户的特点，从而可为客户提供有针对性的服务。通过数据挖掘，可以发现购买某一商品的客户的特征，从而可以向那些也同样具有这些特征却没有购买的客户推销这个商品；若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，采取相应的措施。
　　三、数据挖掘技术
　　数据挖掘技术有多种，包括决策树法、遗传算法、集合论方法、神经网络方法、聚类方法、粗集方法、模糊集合方法、BayesianBeliefNetords、最邻近算法、关联规则挖掘算法、可视化技术等，这里主要介绍ID3决策树法、遗传算法、神经网络方法。
　　1.ID3决策树法
　　ID3决策树法是最有影响和最早的决策树方法。在规模越大的数据库中，运用ID3决策树法进行数据挖掘的效果越好。它利用一系列规则划分，建立树状图，可用于分类和预测。
　　ID3方法检验所有的特征，选择互信息最大的特征点A为产生决策树节点，由该特征的不同取值建立分支对各分支的实例子集递归，用该方法建立决策树节点和分支，直到某一子集中的例子属于同一类。ID3方法利用互信息最大的特征建立决策树，使决策树节点数最小，识别例子准确率高。决策树叶子为类别名，即P或者N。
　　（1）主算法
　　①从训练集中随机选择一个既含正例又含反例的子集（称为窗口）：
　　②用建树算法使当前窗口形成一裸决策树；
　　③对训练集（窗口除外）中例子用所得决策树进行类别判定，找出错判的例子；
　　④若存在错判的例子，把它们插入窗口，转B，否则结束。
　　（2）建树算法
　　①对当前例子集合计算各特征的互信息；
　　②选择互信息最大的特征A（i）；
　　③把在A（i）处取值相同的例子归于同一子集，A（i）取几个值就得几个子集；
　　④对既含正例又含反例的子集，递归调用建树算法；
　　⑤若子集仅含正例或反例，对应分支标上p或N，返回调用处。
　　2.神经网络方法
　　人工神经网络从神经生理学的基本观点和结论作为构造人工神经网络基本假设的前提。以神经生理学为基础，模拟人的神经元功能，经过输入层、隐藏层、输出层等，对数据进行调整，计算，最后得到结果，用于分类和回归。可以将神经网络模型分成：（1）感知机（2）Hamming网络（3）Hopfield网络。
　　一个简单的神经网络，图中的椭圆表示节点，椭圆间的连线表示连接。神经网络接受左边节点的属性值，并对其进行计算，右边的节点就产生新值，这个值表示神经网络模型的预测值。
　　3.遗传算法
　　遗传算法（GeneticAlgorithm，GA）基于自然进化理论，模拟基因联合、突变、选择等过程的一种优化技术。它的主要步骤如下：
　　编码：GA在进行搜索之前先将解空间的解数据表示成遗传空间的基因型串结构数据，这些串结构数据的不同组合便构成了不同的点。
　　初始群体的生成：随机产生N个初始串结构数据，每个串结构数据称为一个个体，N个个体构成了一个群体。GA以这N个串结构数据作为初始点开始迭代。
　　适应性值评估检测：适应性函数表明个体或解的优劣性。不同的问题，适应性函数的定义方式也不同。
　　选择：选择的目的是为了从当前群体中选出优良的个体，使它们有机会作为父代为下一代繁殖子孙。遗传算法通过选择过程体现这一思想，进行选择的原则是适应性强的个体为下一代贡献一个或多个后代的概率大。选择实现了达尔文的适者生存原则。
　　交换：交换操作是遗传算法中最主要的遗传操作。通过交换操作可以得到新一代个体，新个体组合了其父辈个体的特性。交换体现了信息交换的思想。
　　变异：变异首先在群体中随机选择一个个体，对于选中的个体以一定的概率随机地改变串结构数据中某个串的值。同生物界一样，GA中变异发生的概率很低通常取值在0.001～0.01之间。变异为新个体的产生提供了机会。
　　GA的计算过程为：选择编码方式，产生初始群体，计算初始群体的适应性值。
　　如果不满足条件
　　｛选择交换变异计算新一代群体的适应性值｝
　　四、结论
　　数据挖掘是销售管理软件的前提和基础，销售管理软件是数据挖掘的延续和创新，通过将两者进行有效的组合，不断促进企业单个客户价值的提升和客户规模的扩大，有效地推动着企业价值和实力的不断攀升。