1、根据客户的历史信息、呼叫信息、客户级别等信息，建立客户接入分类模型，对接入客户进行客户细分，针对不同的客户群采取不同的服务应答策略，从而提高客户满意度。
2、呼叫异常行为分析模型，采用异常检检测法或时间序列算法，找出有异常呼叫行为的客户，在合理的假设下应该服从泊松分布，而实际生活中有可能突然数量加大、时间超长的呼叫，通过呼叫异常行为分析，可以找出这些“异常”的呼叫及造成呼叫的原因，及时发出预警信息。
3、通过分析呼入量的变化，以及呼入的种类数量，可以根据坐席服务人员的专业水平，并根据业务种类的不同价格，合理安排坐席人员的数量以及排班，，在不降低呼叫中心接通率的基础上，降低运营成本。IVR，减少不必要的人工接入。从而减少人工成本。
5、挖掘出高满意度用户，总结细分高满意用户的特点，并建立标榜学习。从而提高整体的客户满意度。
6、数据跟踪每个班次的操作员人数、呼叫数和订单数、响应时间和基于“挂断率”（能够反映客户失望度）的服务等级标准，分析找出用户挂断的潜在因素，从而避免类似的挂断的发生。
最后总结一句话，数据挖掘在呼叫中心的应用，可以减少成本、增加收益、提高效率、避免风险、扩大影响、削除障碍
积极思考造成积极人生，消极思考造成消极人生。
