数据挖掘在客户关系管理中的应1..docVIP

目录 第一章 数据挖掘在客户关系管理中的应用概述 3 第二章 数据挖掘概述 4 2.1数据挖掘定义 4 2.2数据挖掘的过程 4 2.2.1确定业务对象 4 2.2.2数据准备 4 2.2.3数据挖掘 4 2.2.4结果分析和评估 4 2.2.5知识的嵌入应用 4 2.3数据挖掘的技术 5 2.3.1 关联分析 5 2.3.2 序列分析 5 2.3.3分类分析 5 2.3.4聚类分析 5 2.3.5预测分析 5 2.3.6孤立点分析 5 第三章 客户关系管理概述 7 3.1客户关系管理的定义 7 3.2客户关系管理需要数据挖掘 7 第四章 数据挖掘技术在客户关系管理中的应用 8 4.1客户盈利能力 8 4.2客户的保持和流失 8 4.3客户获得 8 4.4客户细分 9 4.5交叉营销 9 4.6客户欺诈风险分析 9 4.7市场策略分析 10 4.8客户忠诚度 10 结论 12 参考文献 13 第一章 数据挖掘在客户关系管理中的应用概述 客户关系管理越来越受到各种企业的重视，企业通过建立客户关系管理系统，可以帮助企业制定适宜的，有针对性的营销政策，改善与客户的关系，提高销售额，增强企业竞争力。但是，随着客户关系管理系统的应用深入，明显感觉到当前的客户关系管理系统面对巨大的企业数据存储，显得有点力不从心。因此，能够从海量数据中进行知识发现的数据技术应用到客户关系管理系统就成为必然。数据挖掘这一融合多种分析手段，从大量数据中发现有用知识的方法就应运而生了，它的出现为商业决策提供了有价值的知识，让企业获得了利润。在客户关系管理中，数据挖掘正在起着导向的作用。 第二章 数据挖掘概述 2.1数据挖掘定义 数据挖掘又叫数据库中的知识发现，是指从大量数据中抽取出新颖的，潜在的，有价值的模式或规律等知识的复杂过程，它是基于数理统计，人工智能，机器学习，神经网络，模式识别等技术的交叉学科。 2.2数据挖掘的过程 数据挖掘是一个高级的复杂处理过程，一搬可以分为5个步骤，即确定数据对象，数据准备，数据挖掘，结果的分析与评估和知识的嵌入与应用。 2.2.1确定业务对象 清晰地定义出业务问题，认清数据挖掘的目的是数据挖掘的重要一步，挖掘的最后结构是不可预测的，但要探索的问题应该是有预见的，为了数据挖掘而数据挖掘则带有盲目性，是不会成功的。 2.2.2数据准备 数据准备在数据挖掘中具有重要地位。现在数据库德大量数据中，客观存在着不完整，不一致的，重复，含有噪声。因此需要进行数据准备。首先数据选择，数据清理，数据集成与数据变换，数据归约。 2.2.3数据挖掘 该步骤的作用就是利用各种算法挖掘出潜在的，有规律性的知识，该步骤是数据挖掘的核心。注意该步骤的名称与数据挖掘的区别。这里的数据挖掘只是数据挖掘任务的一个过程。 2.2.4结果分析和评估 该步骤就是根据一定的评估的标准从挖掘的结果中筛选出有价值的知识，然后利用可视化和知识表达技术，向用户提供所挖掘出的相关知识。数据挖掘的结果如果不进行评估，是不能够被使用的。评估可以采用经验的数据测试，并且要加上专业人员的判断。 2.2.5知识的嵌入应用 将分析所得到的知识嵌入到业务信息系统的组织结构中去，如个性化推荐中，将通过分析得到的用户访问行为形成知识，进行有效地个性化推荐。该过程也叫知识的集成或知识的同化。 2.3数据挖掘的技术 常用的数据挖掘技术包括关联分析、序列分析、分类分析、聚类分析、预测、孤立点分析等。事实上，解决一个已给的业务问题时，数据挖掘一般混合使用两种及两种以上的技术类别。 2.3.1 关联分析 关联分析主要用于发现不同事件之间的关联性，即一个事件发生的同时，另一个事件也经常发生。关联分析的重点在于快速发现那些有实用价值的、关联发生的事件。 2.3.2 序列分析 序列分析技术主要用于发现一定时间间隔内接连发生的事件，这些事件构成一个序列，发现的序列应该具有普遍意义，其依据除了统计上的概率之外，还要加上时间的约束。 2.3.3分类分析 分类分析通过分析具有类别的样本的特点，得到决定样本属于各种类别的规则或方法，利用这些规则和方法对未知类别的样本分类时应该具有一定的准确度，其主要方法有基于统计学的贝叶斯方法、神经网络方法、决策树方法以及 support vector machines 等。利用分类技术，可以根据顾客的消费水平和基本特征对顾客进行分类，找出对商家有较大利益贡献的重要客户的特征，通过对其进行个性化服务，提高他们的忠诚度。 2.3.4聚类分析 聚类分析是根据物以类聚的原理，将本身没有类别的样本聚集成不同的组，并对每一个这样的组进行描述的过程，其主要依据是