由于科学模型可以对数据库进行复杂的分析，因此大规模的营销活动让位于选择性的营销活动，这些活动可以通过发现哪些客户更有可能消费特定产品来确保更高的有效性。它们还通过提醒人们可能的辍学来促进保留。
在市场中金融机构的报价成倍增加并占据消费者每天收到的大量商业建议书的市场中，负责商业领域的人面临的挑战是吸引注意力，在不过度增加的情况下扩展客户产品组合费用。
实现此目标的最佳方法不是浪费精力，而是针对合适的人员。但是，如何预先在我们的数据库中检测谁对某产品有特定兴趣？
这是数据挖掘给我们的答案之一；一组用于探索和分析大量数据的技术，以提取隐式，先前未知和潜在有用的信息。
有趣的是认识到它的使用在不同行业的主要参考中如何传播：分销链，金融服务，信用卡或频繁购买者卡，客户忠诚度系统等。
用于销售和交叉销售的数据挖掘
面对经常被他们所忽略的消息饱和所淹没的听众，提供正确的信息是一种今天令人惊讶的姿态，并受到客户的高度评价。
该工具可以通过在购买任何产品/服务的过程中得出的来自不同来源的数据进行交叉链接，来识别潜在买家接受产品的趋势。它可以充分利用公司拥有的数据库中的可用信息，并且可以跨越变量，从而找到通常难以想象的相关性。通过数据挖掘，可以发现大量数据之间隐藏的重要模式和关系。
用于活动优化的数据挖掘应用程序允许使用狭窄但有效得多的联系人列表，从而显着改善获得的响应并通过合适的渠道进行准确的聚焦。这样可以降低成本，并大幅提高销售额。
按购买限额工作
在像我们一样的价格调整时期，客户对处理信用卡的实体的经常需求之一与购买和融资限额的增加有关。
通过特定的Data Mining软件对适当的参数进行管理，不仅可以根据客户的财务行为，还可以根据允许定义用户个人资料的使用习惯，对这一点进行更即时的分析。
保留率：定位“辍学”
尽管公司可能认为客户停止接收某种产品/服务的决定是一个突然的决定，但实际上存在一些细微的信号或警告，这些信息可以从Data Mining使用的不同技术中读取。
记住吸引新客户的成本比保留成本高得多，这是旨在发现这些早期迹象的明智策略。如果我们知道哪一组用户最容易丢失，我们可以考虑有针对性的保留措施。
总而言之，关键是那些通过活动收集有关其客户的信息的公司，学会阅读该信息以使公司和用户本身受益。
