Kliendisuhete halduse (CRM) andmekaeve all mõeldakse protsessi, mille käigus otsitakse kliendisuhete andmebaasidest ja analüüsitakse kogutud kliendikäitumise andmeid. Need andmed aitavad turundajatel oma kampaaniaid paremini fokusseerida, mis suurendab klientide hoidmist ja müüki. CRM-i andmete kaevandamist tuntakse ka kui andmete uurimist ja teadmiste avastamist. Andmekaevandamisega on seotud kaks peamist kategooriat: kirjeldav analüüs ja ennustav modelleerimine.
Kirjeldav analüüs kasutab segmenteerimist ja rühmitamist, et paremini analüüsida teatud kliendirühma käitumismustrit. Kliente saab rühmitada soo, vanuse, rassi ja muude kategooriate järgi. Segmendi peamine eesmärk on pakkuda turundajale sarnaste klientide rühma, et kasuliku ülevaate saamiseks andmeid tõhusamalt kaevandada.
Klasterdamine koondab segmendirühmad. Iga klaster välistab üksteist ja seda iseloomustab etteantud omaduste kogum. Näiteks võib klaster hõlmata 18–25-aastaseid naisi, kes ostsid 2010. aasta detsembri viimase kahe nädala jooksul teatud küünelaki. See on näide CRM-i andmekaeve kvalitatiivsest meetodist.
Mittevälistavates segmentides, mis on kirjeldava analüüsi teine vorm, viib konkreetne kliendi käitumise kogum täiesti uue käitumisviisini. Näiteks võib grupp kliente kulutada märkimisväärse summa raha spaateenustele, kuid mitte kulutada palju raha seotud teenustele, nagu juukse- ja salongihooldus. Seda tüüpi CRM-i andmekaeve nõuab põhjalikumat statistilist analüüsi kui tavaline segmenteerimine.
Ennustav modelleerimine on kahest CRM-i andmekaevandamise kategooriast populaarsem. See mõõdab kahe kliendi käitumisteguri vahelise korrelatsiooni astet ja selle korrelatsiooni statistilist usaldusväärsust. Ennustav mudel on üles ehitatud andmekaeverakenduse abil, mis määrab igale kliendile hinded, mis näitab tõenäosust, et klient käitub tulevikus samamoodi. Näiteks võib mudel aidata turundajal kindlaks teha tõenäosuse, et abielus 31–42-aastane lastega klient ostab järgmise kuue kuu jooksul teatud marki muruniiduki.
Spetsiifilisus on ennustavate mudelite abil CRM-i andmekaevandamisel väga oluline. Sel eesmärgil kasutatakse mitut tüüpi meetodeid. Ühe muutujaga mudel võrdleb üht muutujat mitme teise muutujaga, et määrata seos kõrgeima korrelatsiooniga. Hii-ruudu automaatse interaktsiooni tuvastamise analüüsi (CHAID) ning klassifikatsiooni- ja regressioonipuude (CART) mudelid kuvavad otsustuspuud, kus üks muutuja põhjustab ühe või mitme muutuja esinemise. Mitme muutujaga regressioonimudel testib mitut muutujat üksteise suhtes, et hinnata võimalikke korrelatsioone.