一家大型连锁商场最近推出在线购物服务，消费者可以通过商场网站购买商店的产品。这个电子商务网站初期获得了成功，在前六个月的运作中销售收入占总收入的7%。
　　
虽然对CRM的需要得到广泛的认同，大家也愿意投入资金提供解决方案，然而企业却越来越发现自己的不足。在几百万元的巨额投入之后，企业却觉得客户还没有开始的时候多。在以成败论英雄的大环境之下，成功者不知道自己能不能站稳到最后。
　　
公司想更好地了解网站客户的成分和行为方式。是不是喜欢上网消费的商店现有的客户在网上购买产品？这将会使销售收入从一个渠道转向另一个渠道，而不会使总收入增加。如果是这样，就应该了解这些客户在什么条件下选择网上购买而不是去商场，他们购买的产品有哪些。
　　
现有客户参观网站后接下来会在几天内去商店购买吗？这会表明这些客户在网上挑选产品，但仍选择亲自购买。
　　
对现有客户和新的网上客户来讲，网站上哪些广告对哪些网上购买最有效？新的网上客户倾向于购买哪些特定产品？有什么方法可以按照点击流数据来辨别有希望购买的新的网上浏览者？对他们来说哪些广告最为有效？
　　
下面是如何运用客户关系管理来解决问题。
　　
1。整合
　　
将网上得到的数据与公司已有的客户的数据集成，按姓名区分出网上浏览者。　通过集成网上交易纪录和商店交易纪录，可以辨别出既是网上顾客又是商店顾客的消费者。　现有的商店客户在网上的购买行为(运用点击流数据)可以与他们在非网上渠道的购买行为相比较。对网上广告的响应率同样可以与非网上广告相比较。　把基于web的市场一揽子分析软件(购物车分析)运用到点击流数据中，以区分什么产品有可能一同销售，什么产品可能会被客户留在购物车中，放弃购买。
　　
2。分析
　　
需要分析的第一个问题，也是最重要的一个，就是网上销售收入到底是新的收入还是仅仅是从商店渠道到网上渠道的转移。为了解答这个问题，必须将网上客户的数据细分为现有客户和新客户(不论任何渠道)。当然所有的新客户都标制着收入的增长，但如果现有客户在一段时间内通过任何渠道的购买增加，也意味着收入的增长。
　　
要按照销售渠道对网上购买的现有客户的所有购买行为进行分析。这是直接的全方位分析(按照客户级别、渠道、时间和产品几个基本方面)，有助于辨别现有客户喜欢的购买方式。
　　
参观过网站但并未网上购买的现有客户也要分析其商店购买行为。与网站上推荐的产品信息有关的点击流是另外一个需要分析的方面。如果推荐的网站产品信息和接下来的商店购买有相关性的话，这可能表明网站促进了其它渠道的销售收入的增长。
　　
全方位的深入的CRM分析可以使网上广告、e-mail促销、加盟网络以及搜索引擎等电子营销活动(e-marketing)取得高成效，也使这些活动与不同层次的客户的特殊产品购买行为产生关联。另外，可以把统计回归率分析和数据挖掘技术应用到分析中。
　　
预测模型有助于按网站浏览者的点击流行为来区分哪些人最有可能购买某种产品。可以将其运用到电子营销计划中最有可能促成客户购买行为的特定内容中。
　　
3。行动
　　
当能购用名字来区分网站浏览者时，点击流数据成为更有用的指数。将点击流数据与客户数据整合到一起，能够得到更为全面的客户行为和喜好。这家公司需要开发出一种机制来获取客户的姓名和其他描述数据，以及激励浏览者提供这些信息。
　　
如果分析表明多渠道客户的浏览行为、选择产品和购买模式都按预测的进行，那么公司可以改变其营销策略，以恰当地激励这些客户。例如，如果客户喜欢上网查看，但实际上是去商店购买产品，客户可以在网上要求在指定的商店能够得到某一产品。这样就保证了客户去商店时产品会已经在那里。
　　
广告、激励因素和产品销售地点得以个性化，并按每个客户的喜好来分发与配送。这样的个性化使客户在体验消费时更加方便，有亲切感和满足感。增强的客户关系会带来更高的客户忠诚度、低成本的客户获取，并为公司带来更高的收益。