数据挖掘在客户关系管理系统中应用.docVIP

数据挖掘在客户关系管理系统中应用 　　摘 要：现代企业管理中广泛的将数据挖掘技术应用于客户关系管理（CRM）领域，以此来帮助企业更好地分析和处理客户数据、挖掘客户价值、建立客户关系、提升企业竞争力。本文阐述了数据挖掘的概念、客户关系管理的涵义，论述了了数据挖掘在CRM 中的应用和具体的客户分析方法，为企业的经营管理和营销策略提供了帮助。 　　关键词：数据挖掘 客户关系管理 客户分析 　　 　　一、引言 　　客户关系管理体系的核心理念是对客户的价值进行发现和管理，通过对既有客户的价值进行分类，制定针对性的营销策略，从而使价值不同的客户的实际需求得到满足，以发展新客户，降低运营成本。客户也可从企业制定的专门的营销方案和客户关系管理策略中获得适合的交易体验。数据挖掘是分析型CRM 实现其“分析”功能的必要手段，也是实现客户分类的有效工具。随着企业的发展壮大，如何对海量的客户数据信息进行处理和利用，提取对企业经营有用的信息，以辅助营销决策，是一个亟待解决的问题。目前的CRM数据库难以对数据信息中特有的关系与规则进行发现，数据挖掘技术由于能够抽取出客户数据中的有价值信息，从而为企业决策提供支持，成为目前研究的一个热点。 　　二、客户关系管理中的数据挖掘技术 　　在客户关系管理系统中，数据挖掘技术可以通过对客户行为的描述和预测，来使客户关系管理流程得到优化，从而提升企业客户关系管理的效率。将数据挖掘技术结合数据仓库，能够使挖掘的过程实现自动化，利用面向对象的开发方法，最终开发出高效易用的CRM系统。由于看待问题角度不同，数据挖掘技术在客户关系管理系统中可以分为两类过程，一是以技术为中心的过程，二是以商业为中心的过程。前者所关注的是数据的科学处理和运转，使用智能方法，从技术角度进行数据的处理，向用户提供挖掘的知识；后者则更注重商业投资回报率和对数据的理解等，从业务问题出发，进行数据挖掘的应用，并预测投资回报率。如何对这些海量的数据进行分析发现，为商业决策提供有价值的信息，使企业获得利润，强有力的工具就是数据挖掘。在???析型CRM 系统中，数据挖掘是其中的核心技术，数据挖掘是从大量的数据中，抽取出潜在的、有价值的知识、模型或规则的过程。对于企业而言，数据挖掘可以有助于发现业务发展的趋势，揭示已知的事实，预测未知的结果，并帮助企业分析出完成任务所需的关键因素，以达到增加收入、降低成本，使企业处于更有利的竞争位置的目的。 　　1、数据挖掘常用的算法 　　（1）决策树（decision tree）决策算法。决策树是一个类似于流程图的树结构，其中每个内部节点表示在一个属性上的测试，每个分枝代表一个测试输出，而每个树叶节点代表类或类分布。决策树算法包括树的构造和树的剪枝，有两种常用的剪枝方法：先剪枝和后剪枝。 　　（2）神经网络（Neural Network）。神经网络是一组连接的输入/输出单元，其中每个连接都与一个权相连，在学习阶段，通过调整神经网络的权，使得能够预测输入样本的正确类标号来学习。 　　（3）遗传算法（Genetic Algorithms）。遗传算法根据适者生存的原则，形成由当前群体中最适合的规则组成新的群体，以及这些规则的后代。遗传算法用于分类和其他优化问题。 　　（4）粗糙集方法。粗糙集方法基于给定训练数据内部的等价类的建立。它将知识理解为对数据的划分，每一被划分的集合称为概念，利用已知的知识库来处理或刻画不精确或不确定的知识。粗糙集用于特征归约和相关分析。 　　（5）模糊集方法。基于规则的分类系统有一个缺点：对于连续属性，他们有陡峭的截断。将模糊逻辑引入，允许定义“模糊”边界，提供了在高抽象层处理的便利。其它还有贝叶斯网络、可视化技术、临近搜索方法和公式发现等方法。 　　三、利用数据挖掘技术进行客户分析 　　根据数据挖掘所能够完成的任务，数据挖掘技术可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。在客户关系管理中，数据挖掘可以应用到客户群体分类、客户信用分析等多个方面，通过深度的数据分析，有助于企业开展交叉销售和制定出以客户为中心的战略决策。 　　1.客户群体分类分析 　　客户群体分类就是把客户根据其性别、年龄、收入、交易行为特征等属性细分为具有不同需求和交易习惯的群体，同一群体中的客户对产品的需求以及交易心理等方面具有相似性，而不同群体间差异较大。客户群体细分可以使企业在市场营销中制定出准确的营销策略，分析不同客户群体的差异化需求，提供有针对性的产品和服务，提高客户对企业和产品的满意度，更加深入的分析潜在用户、客户保留和市场细分，留住原有客户，挖掘潜在客户，围绕客户进行市场定位与细分，制定出更加有效的营销策略。 　　2.客户信用分析 　　客户信用分析就是通过调查、分析、预