预算-预测模型是解译政策和决策如何影响财务业绩的主要诊断工具。典型的财务体系也支持这些模型，因为它们的格式适合现有的会计体系和数据形式。这种天然的匹配使得它成为一种很好的方法，并应用在那些通过单个产品/服务类别来规划和评估绩效的所有机构中。

    在CRM环境下，这种方法不再奏效了。传统的财务数据来源以及分析方法所赖以生存的假定和关系在CRM中显得不够充分，因为CRM需要从系统的观点，而非各自独立的观点来看待问题。CRM模型的重要性在于它们能够揭露公司内部以及公司和客户之间相互作用所产生的影响，而不是用各部分预算和预测简单地加总来得到整个企业的结果。

    模型结构

    构造成功的CRM模型的关键在于找出在复杂性、可用性、以及成本之间能够提供恰当平衡的结构。例如，在逻辑中含有大量固定元素的模型容易被采用；它们只需较少的用户决策。但是限制选择也会降低适用性，从而降低探究带有分歧方案的能力。

    这一原则也适用于范围选择。只预测基于单个消费者需求点的某一种产品财务业绩的模型很容易构造，因为你只限于那些线性连贯的活动，包括获取、保持、直到终止。但这种方法将会很快过时。它使得你无法理解你的CRM战略的整体财务影响，因为它并不包括产品族或业务单元同客户之间的相互作用影响。

    模型类别

    有两种基本的CRM预算-预测模型：面向活动的模型和面向连续性的模型。
 
    面向活动的CRM模型适合于那些连续再销产品的公司；新的订单需要额外的营销活动。相应地，通过相似公司或客户活动（例如促销或下订单），它们的计划建立在移动的客户市场之上。

    与之相反，面向连续性CRM模型的公司销售不间断服务（电话服务，公用事业）或产品，这些服务和产品定期交货（书，唱片，易腐食品），同时客户也定期付款。它们的目的不在于得到下一个订单，因为客户已经进行服务登记了，它们的目的在于保持这些客户）。这些模型预测的结果是建立在同时间因素相关的市场细分和消费类型基础之上的。

    幸运的是，尽管这两种模型存在差别，构造这些模型的先决条件却很相似。它们是：

    清晰定义的目标：构造模型的技巧主要取决于目标，因为目标决定输入、处理以及输出的要求。

    适当的时间范围：要仔细斟酌模型的时间跨度。一年或两年对于评估决策的长期效果来说显得太短。相反，长期范围需要更多的假设和细节，这又将使得模型很难操作并很难理解所获得的结果。

    输入、处理以及输出的时间间隔要早做决定。你很可能要用一些周、月、季、年的增量组合。通常，越小的增量会提供更大的柔性，但同时也需要更多的研究和分析来给予支持。

    客户细分：客户细分是CRM的核心和灵魂，因此它是CRM预算-预测模型不可或缺的因素。你必须能够辨别和理解如何按照相似点来创建客户群，因为这些客户群的特征是所有预测建立时所围绕的框架。
 
    客户移植方法：从传统的预算-预测模型所反馈的财务结果仿效随时间变化预测的产品/服务销售。相反，CRM模型认识到这些销售基本能够及时反映某一点的客户群质量。因此，关键是要辨别出通过客户的生命周期来移植客户，同时获取客户质量差别的方法。这些方法最好能够揭露成本和收入两方面的现金流，并反馈到诸如促销和下单这些具体活动中。

    数据有效性：通常来说，你需要三种数据：载入、预测以及确认。第一种数据描述模型开始时的客户基础，第二种数据传递在实际规划时所需的信息，第三种数据用来确认。这三种数据都要从历史资料中获取，因此要确保可以得到这些资料。

    非常好的数目

    其实并不一定非要历史数据。事实上，如果你的公司或业务环境在近几年变化很大的话，这些历史数据发而会成为累赘。在这种情况下，可以大致估计一下。这样你还是能够用不同的假定进行研究和验证，测试其合理性、假设以及预期结果。

    如果你依然要采用历史数据提供模型输入的话，要注意两个障碍：1）从不同的系统中组合数据需要大量的数据提取和处理；2）已建立的分析模型和工具不足以支持CRM模型。

    存在这两个障碍的与原因在于传统的系统、数据结构以及分析方法集中在单个业务分部或产品的业绩上。它们设计用来支持分析，提供总结，所积累的信息完全限制在传统的支配渠道链中。这与CRM环境下所需要的分析类型差异很大。后者认为即使公司内部的各个功能和业务都运营的很好，公司作为一个整体不一定就好。

    实际上，CRM分析与传统分析的起点相反。首先，CRM分析集中在整体层面，即公司打算如何向它的客户提供服务，然后再关注内部各个业务团队与其客户之间的相互作用，最后集中在构成这些相互作用的各个组成部分。这样的分析不会在主要目标上误入歧途，并通过优化业务团队之间以及团队与公司整体间的相互作用取得最好的公司-客户交互。

    模型的确认和调整

    调整和确认一起进行。通过匹配输入，并把输出与某一特定时间段内的历史数据做比较，便可以评估模型的有效性。如果得到的是现实数据，这表明模型构造的很好；否则就将它看作一次调整的机会，需要研究和协调现实数据和历史结果间的区别。构造模型是件不断反复的事。你从某一版本的模型中学习并构造一个新的模型，在这个新模型平台之上，你再用从中获取的知识构造下一个模型。

    总之，要认识到一致性比准确性更重要，因为无规律地应用这些数据和逻辑有损最好的意图和使用者的信任。要从简单开始，应用各种方法，检查你正在应用的方向，返回来用更多的细节再做，这样你才会成功。

    实施CRM项目对任何一家公司来说都是一个大的举措。如果公布的失败率可信的话，表明这一项目花费大、费时，且有风险。在实施之前先构造一个CRM预算-预测模型能够阐述概念与现实间的差距，从而降低风险。如果你不能解释CRM项目到底是什么，并至少构造出一个粗略的模型来阐述这一项目能够带来的优势的话，这一项目就不应该实施。

    构造CRM预算-预测模型的中心在于相关客户群的辨别、业务单元间的相互关系，以及在整个生命周期引导客户的方法。恰当的应用这些信息，客户活动的财务影响就会显示露出来，从而公司就能够管理它的客户群，就像投资时，需要找出获取新客户与保持已有客户这两个需要间的唯一平衡点一样。

    检验清单

    1．构造CRM预算-预测模型的原因定义得很清楚吗？

    2．将来的使用者用这个模型时会觉得舒服吗？

    3．支持这一模型所需的数据存在吗？

    4．应用这一模型的范围和局限性与使用者有过良好沟通吗？

    5．模型在编码逻辑和输入要求间取得平衡了吗？

    6．模型尽可能准确地反映了业务单元、公司以及客户间的相互作用了吗？