2、重點客戶發現
CRM理論經典的2/8原則，即80%利潤來自20%客戶，重點客戶發現主要應考慮以下方面：潛在客戶（有價值的新客戶）；交叉銷售（交叉銷售指企業向老客戶提供新產品、新服務的營銷過程）；增量銷售（更多地使用同一種產品或服務）；客戶保持（保持客戶的忠誠度）。
假設你是一個銀行的市場經理，想向現有的客戶推銷房屋抵押貸款和信用金卡這兩個新產品以進行交叉銷售。CRM進行交叉銷售時，需要進行三個步驟：
數據收集：從數據倉庫中收集與客戶有關的所有信息。包括客戶個人信息（年齡、收入）、交易記錄（最近的收支情況、消費次數和信用等級）……
進行建模：用數據挖掘的一些算法（如統計回歸、邏輯回歸、決策數、神經網絡等）對數據進行分析，產生一些數學公式，用來對客戶將來的行為進行預測分析。
對數據進行評分：評分過程就是計算數學模型的結果。
3、效能評估根據客戶行為分析，企業可以更準確地制定市場策略和策劃市場活動。然而，這些市場活動能否達到預定的目標是改進市場策略和評價客戶行為分組性能的重要指標。因此，CRM必須對行為分析和市場策略進行評估。這些效能評估都是以客戶所提供的市場反饋為基礎的。針對每個市場目標設計一系列評估模板，從而使企業能夠及時跟蹤市場的變化。同時在這些報告中，給出一些統計指標來度量市場活動的效率，這些報告應該按月份更新，并根據市場活動而改變。在一定的時間范圍內（3～6個月）給出行為分組的報告。
精確鎖定目標客戶
某集團應用SAS的數據挖掘方法（SEMMA）、工具（SAS/EM）及采用人工神經網絡模型來分析和決策客戶對是否愿意購買某一個產品的調查表的響應。在SAS/EM的窗口下，只需Drag-and-Drop即可迅速地實現該項目的挖掘過程的搭建，包括創建數據源、數據取樣、數據分割、變量轉換、數據探索及預處理、人工神經網絡建模、模型評估和決策及展示等。
當企業不進行任何建模分析時，盲目將調查表發出，其響應率約為23.9%。這樣既浪費了人力、財力和時間，又不便于對調查者進行分析，我們并不知道具有什么特征的客戶喜歡這個產品并將調查表提交。
但是神經網絡能夠根據數據集的分布特征自動的發現規律，并以權值表示之。這些權值實際上表征并隱藏著客戶的特征，如年齡在30-45歲之間的大多數客戶喜歡該產品并樂意將調查表提交。結果表明：如果企業將調查表減少為原來的30%，并按神經網絡權值隱含的規則散發調查表，其響應率可望達到33%；如果企業將調查表減少為原來的10%，并按神經網絡權值隱含的規則散發調查表，其響應率可望達到51%。
這樣，既節約了成本，又對客戶的特征進行了分析，為企業的決策提供了支持，通過數據挖掘，可以發現購買某一商品的客戶特征，從而可以向同樣具有這些特征卻沒有購買的客戶推銷這個商品；若找到流失的客戶特征，就可以在那些具有相似特征的客戶還未流失之前，采取針對性的措施。