《理工论文数据挖掘在ＣＲＭ中的应用.doc》由会员分享，可在线阅读，更多相关《理工论文数据挖掘在ＣＲＭ中的应用.doc（5页珍藏版）》请在三一文库上搜索。
1、数据挖掘在中的应用 数据挖掘在中的应用是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，数据挖掘在中的应用是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，数据挖掘在中的应用的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。摘要：在灵活性和快速反应主宰的商业战场中，在信息科技对市场经济带来的巨大冲击中，企业要实时感知消费者迅速变化的需求，在竞争中获得竞争优势，就要应用客户关系管理（CRM）这一新的管理理念、商务模式和技术系统对企业业务流程和
2、管理模式进行革新。而企业在实施客户关系管理的过程中有效利用数据挖掘技术，可以指导企业高层决策者制定最优的企业营销策略，降低企业运营成本，增加利润，加速企业的发展。关键词：数据挖掘；CRM1数据挖掘的概念现如今计算机在各行各业都得到了不同层次的应用，大到政府机关，银行，学校，邮电，商场小到普通商店和家庭，每天这些不同类型的机构都会利用计算机采集和处理大量的数据尤其是商业机构这种营利性机构。但是很多公司收集数千亿字节的数据只是为了某些运作的需要，例如库存控制或者付账，一旦这些操作被完成，数据将被搁置在磁盘上也或者被丢弃，这大大降低了对这些庞大数据的利用率。实际上企业可以从这些数据中挖掘出对企业发展
3、具有价值的信息。数据挖掘正是从大量的、不完全的、隐含数据集中识别有效的、新颖的、潜在有用的可以帮助决策者进行决策的数据的过程和方法。数据挖掘有回归，决策树，神经网络等技术模型，运用这些技术模型可以完成分类，估计，预测等智能的和经济的问题，为企业开展商务行为提供科学的决策。2客户关系管理的概念所有商务活动的最高目标和最终目的就是盈利。在当前买方处于主动地位而卖方处于相对被动地位的市场环境下，企业如何更好地实现其企业目标是几乎所有企业都面临的一个重要问题。企业间竞争的不单单再是质量，品牌，价格等因素，更重要是服务质量，个性化服务和增值服务。如何了解客户，识别客户群，留住既有客户和更好的为吸引客户为
4、他们服务是企业发展的一个重要着眼点。客户关系管理指从公司的战略和竞争力角度出发，通过对企业业务流程中客户关系的交互式管理，提升客户的满意度和可感知价值，建立长期的客户关系，为相关的业务流程提供有效的决策信息，提高业务流程的效率和整合程度，从而为公司获取有利的市场定位和持续的竞争优势提供保证。3数据挖掘在客户关系管理中的应用客户关系管理以客户为中心，企业要维持与客户的良好关系，就必须真正以客户的需求为导向开展从市场调查、产品研发、营销和销售以及售后服务等的整个商务活动。企业如何定位与细分客户、如何定位产品、如何维持客户持续的热情及吸引新客户等都是企业需要认真考虑的问题。这些问题的答案实际上都隐含
5、在企业的数据中。数据挖掘能够帮助企业确定客户的特点，从而可以为客户提供有针对性的服务。通过数据挖掘，可以发现使用某一业务的客户的特征，从而可以向那些也同样具有这些特征却没有使用该业务的客户进行有目的的推销等。因此越来越的企业利用数据挖掘这个工具来为自己的商业利益服务。3.1识别潜在客户潜在客户简单来讲就是对可能成为客户会表现出一点兴趣的某个人，他们对企业产品感兴趣，能买得起商品，如果善待他们，他们将成为忠实的客户并推荐另外的客户，因此潜在客户对企业是非常有利的。利用数据挖掘的响应模型可以帮助企业发掘识别潜在客户。为了能同时分析那些马上进行购买的潜在客户和那些被企业通过电话，广告和邮件等方式联络
6、而很可能做出购买决定的潜在客户可以构建差别响应模型来分析。差别响应分析一般设置一个目标群组和一个对照群组。其目的是要找出目标群组和对照群组之间响应差别最大的那些群体区域。例如对表1一个测试邮寄活动中得到的响应数据用差别响应模型来分析。单从此表可以看出具有最高响应率的群组是收到邮寄的年轻男性，随后是收到邮寄的老年男性。如果仅依此来识别出潜在的客户是男性可能会得出不正确的结果，因为存在无论如何男性都会购买该服务的可能性很大。这时可以采用差别响应树来分析，如图1所示：由差别响应树可以很清楚地看到受该活动影响最大的群组是老年女士，没有促销时基本不会购买该服务，但是通过促销在购买量上她们增长了十倍。因此
7、通过响应模型可以帮助企业比较准确地识别出潜在的客户，从而为以后的营销活动提供依据。3.2细分客户群体细分客户的目的是根据客户特征把相似的客户归组到一起，对每一特征客户群调整产品、服务和市场推广信息，可以运用数据挖掘的聚类技术或是决策树来发现行为群体，从而划分市场。聚类是把各不相同的个体分割为有更多相似性的自群或簇的工作，它没有预定义的类和样本，而是根据记录的自相似性将其归为一类。例如要获得客户对哪些促销反应最好，就可以将客户划分为簇即划分为有相似购物习惯的人群，然后针对每个簇来查看其对促销的反应情况。这就需要首先获得各种购物习惯的特征数据，然后利用这些数据创建簇，确定正确数量的簇会遇到一些问题
8、，可以通过K平均聚类或其他技术来保证簇对某个应用的有效性。3.3预测客户行为企业通过把获得的客户记录与未来的结果联系起来来预测客户今后的行为或是指导企业的行为模式，从而能够使得企业收到最大收益或是避免某些风险。可以利用决策树，回归模型和神经网络等技术来进行市场预测，运用所获得的历史数据构造模型，用已知数据验证要预测的变量值。例如学校预测为哪些学生发放贫困助学金发放多少，运用决策树构造模型如下图所示：3.4客户忠诚度客户忠诚被认为是企业取得长期利润增长的途径。客户关系管理需要培养和选择忠诚客户，使之与公司保持长期关系，但不是所有客户都愿意与公司保持联系，一些客户的购买决策只受价格、方便等因素的影
9、响。不论公司如何以诚相对，提供高的顾客让渡价值，客户一旦发现其他公司有更低价格的商品，便马上离开转向该公司；也有一些顾客更关心商品的质量、价值、服务、节约时间等，当他用本公司的产品感到满意以后，就会成为公司的忠诚顾客。根据8/2规则（即80%的利润来自20%的客户）企业为了获得利润增长就需要识别出能为企业带来80%利润的这20%的客户，利用数据挖掘的差异性分析技术，通过对数据库中的大量数据进行分析，以确定消费者的购买习惯、购买数星和购买频率，分析客户对某个产品的忠诚程度、持久性、变动情况等，以确定忠诚客户，并为他们提供“一对一”的个性化服务，增强客户的忠诚度，最大限度地挖掘客户对企业的终生价值
10、，为企业创造更大的利润。3.5客户流失现在各个行业的竞争都越来越激烈，当市场变得饱和时，企业获得新客户的成本正在不断上升，例如移动公司会给续约的客户提供一部免费手机等。因此建立客户流失预测模型，得出即将流失的客户，对他们采取有效措施进行挽留，从而有效减少客户流失就显得越来越重要，数据挖掘可以帮助发现打算离开的客户，以使企业采取适当的措施挽留这些客户。决策树，神经网络和生存分析等技术模型工具都是数据挖掘在建立客户流失模型的工具。3.6交叉销售交叉销售是指企业向原有客户销售新的产品或服务的过程。购物篮分析的核心任务即分析在超市的购物车中哪些物品会放在一起，零售业也可以据此来计划商店货架或目录上的物
11、品的放置位置，以便把经常被一起购买的物品放在一起。经典的啤酒与尿片的故事就是交叉销售的例子。利用交叉销售一方面满足了客户对所购商品相关商品的需求，另一方面也使得企业能够扩大新商品的销售。交叉销售可以利用数据挖掘技术关联规则来确定。关联规则用于发现通常可以一起出售或者倾向于被同一人反复购买的产品簇。例如 数据挖掘在中的应用是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，数据挖掘在中的应用是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，数据挖掘在中的应用的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论
12、文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。要分析宠物食物和宠物书籍两种物品是否应该被放在一起，可以运用两条关联规则：买宠物食物的人购买宠物书籍的可能性为P1；和买宠物书籍的人购买宠物食物的可能性为P2，通过对P1和P2的值进行计算来确定是否将这两种物品摆放在一起。通过对一系列关联规则进行分析，可以帮助企业就哪些商品可以捆绑销售或应该向客户推荐哪些商品做出较为科学的决策。3.7客户欺诈风险分析在客户关系管理中，客户的信用分析和诈骗识别是非常重要的，因为一旦发生信用风险和欺诈行为，企业将面临管理活动的失败、市场份额的丧失和营销活动的失败，导致企业失去市场、顾客、竞争力和信誉。
13、据统计资料表明，企业间的欺诈行为是非常普遍的，而且一旦发生，给企业带来的损失是巨大的。如何准确、及时、有效地预测到企业可能发生的欺诈风险是非常有意义的，数据挖掘技术能够很好地解决此问题。可以利用数据挖掘中的意外规则的挖掘方法、神经网络方法和聚类方法，对客户数据仓库中的数据进行分析和处理，以便分析和评价欺诈风险的严重性和发生的可能性，准确、及时地对各种欺诈风险进行监视、评价、预警和管理，进而采取有效的回避和监督措施，在欺诈风险发生之前对其进行预警和控制。数据挖掘技术的发展为客户关系管理提供良好的技术支持，给企业实施客户关系管理提供了技术上的解决方案和保证。利用数据挖掘技术对客户的相关信息进行收集
14、、加工和存储处理，以确定特定客户群体或个体的兴趣、消费习惯，消费者倾向和消费需求，分析客户的特征，探索企业和所对应市场的运营规律性，提供既定性又定量的分析，为企业的客户关系管理工作提供决策支持，及时、准确地掌握客户的变化趋势，加强与客户的联系，有效管理和挖掘客户资源，使企业获得独特的竞争优势。参考文献1客户关系管理方法论王广宇清华大学出版社2客户世界杂志3数据挖掘技术MichaelJ.Aberry等著，别荣芳等译机械工业出版社其他参考文献Baker, Sheridan. The Practical Stylist. 6th ed. New York: Harper & Row, 1985.Fl
15、esch, Rudolf. The Art of Plain Talk. New York: Harper & Brothers, 1946.Gowers, Ernest. The Complete Plain Words. London: Penguin Books, 1987.Snell-Hornby, Mary. Translation Studies: An Integrated Approach. Amsterdam: John Benjamins, 1987.Hu, Zhuanglin. 胡壮麟, 语言学教程 M. 北京: 北京大学出版社, 2006.Jespersen, Otto
16、. The Philosophy of Grammar. London: Routledge, 1951.Leech, Geoffrey, and Jan Svartvik. A Communicative Grammar of English. London: Longman, 1974.Li, Qingxue, and Peng Jianwu. 李庆学、彭建武, 英汉翻译理论与技巧 M. 北京: 北京航空航天大学出版社, 2009.Lian, Shuneng. 连淑能, 英汉对比研究 M. 北京: 高等教育出版社, 1993.Ma, Huijuan, and Miao Ju. 马会娟、苗菊
17、, 当代西方翻译理论选读 M. 北京: 外语教学与研究出版社, 2009.Newmark, Peter. Approaches to Translation. London: Pergmon P, 1981.Quirk, Randolph, et al. A Grammar of Contemporary English. London: Longman, 1973.Wang, Li. 王力, 中国语法理论 M. 济南: 山东教育出版社, 1984.Xu, Jianping. 许建平, 英汉互译实践与技巧 M. 北京: 清华大学出版社, 2003.Yan, Qigang. 严启刚, 英语翻译教程 M. 天津: 南开大学出版社, 2001.Zandvoort, R. W. A Handbook of English Grammar. London: Longmans, 1957.Zhong, Shukong. 钟述孔, 英汉翻译手册 M. 北京: 商务印书馆, 1983.Zhou, Zhipei. 周志培, 汉英对比与翻译中的转换 M. 上海: 华东理工大学出版社, 2003.