另一方面，在激烈的竞争环境下，对有限数目的客户的争夺将加白热化。由于获取一个新客户的成本比保留一个老客户的成本大得多，采取什么样的客户保留措施来提高户忠诚度，已成为企业考虑客户关系时的关键问题。而这些答案已经存在于与客户的交往过程的记录中，即客户数据库中，只不过没有对客户数据进行有效地利用，从中发现潜在的、与客户忠诚有关的、有价值的知识。METAGroup行的一项调查中，800家商业和IT公司的经理们被问了一个问题：你是认为你的公司是否使用了客户数据来理解你的客户？29%的答案承认在一定程度上使用了客户数据来理解客户，67%的回答是否定的。仅有4%的回答是充分利用了客户数据。本文建立的CRM的信息结构不再局限于事务处理，更强调如何将分析工具应用于客户数据，将发现的知识用于与优化客户关系有关的决策问题。
1.客户智能
有些专家在研究中提到了客户智能的概念。本文将他们对客户智能的研究分为三大类：一、围绕客户智能的作用、内容、实质的研究。MarkAllenSmith将客户智能与客户分析等同起来。BO公司的PaulClark在分析客户智能与CRM的关系时认为：客户智能是CRM的智慧所在（thebrainsbehindCRM）。二、围绕客户智能的实现的研究。JimBerkowitz提出“商业智能是CRM的基础”的观点。另一个难得可贵的地方是该研究对商业智能包括的组件进行了分析，将OLAP、数据仓库、数据挖掘技术作为商业智能的必备组件。三、与客户智能密切相关的研究。EmmaChablo则在研究中指出，客户知识是CRM的重要的组成部分，而营销数据智能是向CRM提供真正客户知识的CRM部分。他将营销数据智能定义为利用数据驱动营销手段和技术来提高对客户，产品和交易数据的理解和知识，以此帮助CRM制订战略决策。
由于研究的角度因人而异，很难从中总结出一个令人信服的定义。这其中存在一个共性：几乎没有人从知识在制订与客户有关的决策的过程中的作用这一视角来研究客户智能，而只有将对知识的研究作为出发点，才能够发现客户智能实质的内容。
