crm2和参考文献.docVIP

2.文献综述 2.1社会化CRM概述及数据挖掘技术 2.1.1社会化CRM Wikipedia定义Social media（社会化媒体）是“为通过社会互动进行传播而设计，并且创造了具有高可用性且易于升级的应用”。词条“Social media”第一次被提出是在Linkedin于大约2004年创建了他们的社会网络应用之后。从2006年7月以后关注度稳定上升。当时，Wikipedia将“Social media”定义为“用来描述相对于媒体人和媒体机构主导的媒体，更多由公众群体作为群体通过社会化方式主导创建的媒体” Andreas kaplan 和michael haenlein 定义Social media为“一组基于国际互联网建立顾客关系中潜在的风险因素，以及如何帮助企业做好准备，建立与消费者和媒体和内部员工的透明关系”。 在《marketing to the social web》中larry weber系统的阐述了 Twitter ，facebook等社会化媒体对于企业发现目标顾客并与之建立沟通的重要性，此外还介绍了新近产生的工具和平台，可以帮助企业即刻在该领域收获成果。 2.1.2数据挖掘部分 A数据挖掘概念 数据挖掘是指立基数据库分析技术，用于支持科学决策制定的过程，它主要基于与商业智能相关的机器学习技术。AI（人工智能）技术、统计科学等相关学科的结合，高度自动化地系统分析和处理解读企业拥有的大量数据信息，做出归纳性的退了和探索研究，从中挖掘出潜在的价值规则模式，从而形成科学预测，帮助企业的决策者调整策略制定流程、降低运营系统风险、支持作出科学的决策判断。 数据挖掘的主要方法包括关联分析、时序模式分析、分类分析、聚类分析、偏差分析以及预测、决策树分析、人工神经网络分析等，它们可以被有效应用到以客户为导向的企业决策分析及管理的不同进程阶段和领域。 关联分析（correlation）其目的是挖掘出隐藏在数据间未被发现的相互关系。例如，有大约80%顾客会同时在购买了某种A产品的同时购买了B产品，这就成功的发现了一条关联规则。、 时序模式（sequence discovery），通过针对时间序列的搜索，得出重复发生概率较高的模式，在这一模式中强调时间序列的影响力。例如，在某段时间内，购买了A产品的消费者中，有70 %的消费者会另外购买B产品。 分类（classification），找出一个类别的概念描述，并以此代表该数据的整体信息。分类是数据挖掘中应用最多的任务和功能。分类法要为每个具体类别做出准确的描述或建立分析模型或挖掘清晰的分类规则，然后用这个分了规则对其他数据库中的记录进行分类研究。 聚类（clustering），按一定规则将数据分为一系列有意义的子集。同一聚类中，个体之间的差距相对较小，不同聚类之间，则个体之间的距离相对偏大。采用不同的聚类方法体系，对于相同的记录集合可能产生不同的划分结果。 偏差分析（deviation），从数据库中找出异常数据，从而指引发现问题。 预测（prediction），利用历史数据找出重复同现的规律模式，建立固化模型，并以此模型来预测未来数据的种类、特征等。 决策树（decision tree），机器学习中，决策树是用于预测研究的数学模型；它代表的是对象属性与对象值之间的某种映射关系。树中每个节点表示某个对象，其中的每个分叉路径则代表的是某个可能的属性值，而每一个叶节点则对应具有上述属性值的子对象。决策树系统仅有单一输出模式；若需要多个输出，则可以建立独立的决策树以处理不同输出目标。 以数据产生决策树的机器学习技术被定义为决策树学习，通常的简称是决策树。 决策树学习也是数据挖掘中一种高应用率的方法。在这里，每个决策树都表述了一种树形结构体系，并由其分支来对该类型的对象依据属性进行分类。每个决策树可以依靠针对源数据库的分割进行反复数据测试。在这一过程中可以递归式的对树进行修剪整理。当不能在进行分割或一个单独的类可以被应用于某一分支时，递归式的过程就完成了。另外，随机森林分类器将许多的决策概率来设计构成。决策树如果通过数据计算方法可以取得更加理想的效果。 决策树系统的工作原理： 决策树一般都是通过自上而下的流程来生成的。 虽选择分割的方法有多种，但是目的皆一致，即对目标类尝试进行最佳的分割。 从决策树根节点到叶子节点都会有一条路径，这条路径定义为一条“规则”。 决策树可以是二叉的，同时也可以是多叉的。 对每个节点的衡量： 通过该节点的记录数量； 在假设是叶子节点情况下，分类的路径； 对叶子节点正确分类的比例状况。 人工神经网络（ANN,artificial neural network），人工神经网络是由具有自适应性的简单单元构成的广泛并行且互连的网络，它的组织能够模拟出生物神经系