Szöveg- és adatbányászati technológiákat egyesítve a CLEMCRM számos területen alkalmazható az ügyfél megtartástól a marketing költségek csökkentésén át a személyre szabott ügyfélélmény kialakításáig.

Ügyfél szegmentáció
Az ügyfelek múltbeli ügylet, ügyfél és viselkedési adatai (számlaforgalom, hiteltörlesztés, bankkártya használat, stb.) alapján ügyfélszegmenseket hozunk létre, amely szegmensek - a szegmentáláshoz felhasznált adatok szempontjából - hasonló ügyfeleket tartalmaznak. Segítségével azonosíthatók a fontosabb fogyasztó szegmensek és minták. Az ügyfélprofilok segítségével támogatjuk a stratégiaalkotást, valamint a marketing kampányok kialakítását: egyes fogyasztói szegmenseket más ajánlatokkal, más csatornákon kereshetjük fel, különböző akciókkal, kedvezményekkel fokozhatjuk az ügyfél elégedettséget és a lojalitást.
Az ügyfél szegmensek további elemzések alapjául is szolgálhatnak (ügyfélérték, ügyfélmegtartás, ügyfél-bázis növelés, keresztértékesítés, csalás felderítés).

Elvándorlás előrejelzés
A korábbi ügyfél, ügylet és viselkedési adatok alapján minden ügyfélre megbecsüljük a lemorzsolódás valószínűségét a következő időszakra. A prediktív elemzési megoldások feltárják a lemorzsolódási szokásokat, és alaposabb betekintést biztosítanak a távozások okába. Megfelelő lépések alkalmazásával esetleg megelőzhető az ügyfelek távozása, hűségük erősíthető. A helyes lépés meghatározásában segíthet az ügyfél szegmentáció.

Ügyfélérték számítás
A korábbi ügyfél, ügylet és viselkedési adatok alapján prediktív eljárásokkal osztályozzuk az ügyfeleket azok jövőbeli profitabilitása és lemorzsolódási valószínűsége szerint. Segítségével előre jelezhetjük, mely ügyfelektől mennyi profit várható és egyedi igényekre szabott ügyfélkezelést nyújthatunk. Az egyedi igények meghatározásában az ügyfél szegmentáció nyújt támogatást, így az értékes ügyfelek egyszerűen célozhatók meg olyan marketing-akciókkal, melyek tartós hűséget eredményeznek.

Algoritmusok
A CLEMCRM az IBM SPSS Modeler és az IBM SPSS Statistics Standard széles modellpalettáján megtalálható modellező algoritmusokat használja.

Kiértékelés
Az elkészített modellt az adatbányászati módszertanban szokásos eszközökkel (találati mátrix, gain, lift, ROI) validáljuk.

Automatizálás
Fontos az elkészített megoldás a mindennapi üzleti folyamatokba való integrálása és automatizálása, kezdve az adat-transzformációktól egészen az automatizált riportolásig és ügyfélbesorolásig.