基于数据挖掘客户智能分析和研究.docVIP

基于数据挖掘客户智能分析和研究 　　摘要：从客户关系的角度上来说，企业十分希望建立与客户建立稳固的关系，并将这种稳定的客户关系转化为企业经营管理所需的资金支持。因此，为了促使目标的及时实现，就要求企业对营销过程当中，客户的各种行为进行深入的了解与分析，收集与客户相关的信息资料，将看似无序、无关的信息资源通过各种分析方法加以挖掘，形成潜在的知识规律，获取客户智能。而数据挖掘技术无疑在此环节工作中有着突出的应用价值与意义。该文依据这一实际情况，以数据挖掘技术为研究对象，着眼于客户智能分析，研究了在客户智能分析工作中，数据挖掘技术的应用要点及其操作方法，希望能够引起各方工作人员的特别关注与重视。 　　关键词：数据挖掘；客户智能；技术；方法；分析 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）35-7906-02 　　当今时代进入知识经济的全面发展时代，该元素在社会经济发展国民经济建设提升的过程当中，占据着基础性的地位，备受各方关注重视。企业与企业之间的竞争，现代意义上更多地体现为对知识资源的竞争，由此使得客户智能在资本体系中的重要性更加凸显出来。但，由于知识具有无限性的特征，如何获取知识成为了各方人员最为关注的问题之一。同时，为了使消耗大量财力、物力所整理获取的数据资源能够得到最根本性以及高效率的应用，避免知识贫乏与数据丰富占有之间的矛盾问题进一步突出，就需要加大对于建立在数据库基础之上，知识发现技术的研究工作。而在知识发现技术的研究方面，当前的重点即体现在本文所研究的数据挖掘技术当中。与此同时，各方工作人员也开始思考这样一个方面的问题：即在市场竞争日益激烈发展的背景下，从营销角度上来说，企业如何在参与剧烈市场竞争的过程当中，寻求并获取更加稳定的客户资源，通过对营销手段的综合运用，使客户价值最大化的发展目标得到保障，同时使企业能够通过此方式获取更加突出的利润，这一问题的根本解决途径就在于客户智能分析问题。为此，该文在结合数据挖掘技术与客户智能的基础之上，研究有效的客户智能分析方法，并对其展开详细分析与说明。 　　1 主要数据挖掘技术分析 　　数据挖掘技术历经了数十年的发展进程，形成了包括统计分析、以及知识发现在内的相关数据挖掘技术。实践研究结果表明：所应用的数据挖掘技术越多，则其所获取的数据精确性也就越高。其原因在于：对于某一种技术不适用的问题而言，采取其他方法可能达到事半功倍的效果，挖掘技术适用性的核心则在于数据的规模，以及问题的类型。在获取客户智能的过程当中，可供借鉴的数据挖掘技术主要包括以下几个方面： 　　1）关联性规则是数据挖掘技术当中，最主要的表现形式之一。关联性规则的核心在于：以大型数据库为环境支持，在其中选择对象所感兴趣的规则，其所使用的规则表现形式多可以概括为：如果怎么样、怎么样、怎么样，那就怎么样。关联性规则应当是现阶段各类数据挖掘技术当中，形式最为简单，但效果十分有效的技术之一。同时，在现阶段的技术条件支持下，包括APPIORI、STEM、AIS、以及DHP在内的多种算法均是建立在关联性规则基础之上实现的，通过对以上技术算法的应用，使得数据之间潜在的关系能够得到有效的发掘。 　　2）序列模式分析与关联性规则分析在数据挖掘过程当中有着一定的相似性，其根本性的目的均体现在：研究数据数据之间的内在关系方面。但，与关联性规则分析方法不同的是：在序列模式分析技术下，其数据分析的重点在于，研究数据间的前后性序列关系，结合营销实际工作来看，对于在某一时间段内客户先后购买的甲、乙、丙三类商品而言，以上三类商品可以形成一个完整的序列。为研究其频度高低水平，要求通过对序列模式分析技术的，应用挖掘在此时间段内交易序列数据库当中返回数据库中出现频率最高的序列。同时，建立在对最小置信度以及最小支持度数值分析的基础之上，形成数据序列关系的最终分析结果。 　　3）分类分析的目的在于：构建与问题相对应的分类集合，通过模型或函数的方式加以呈现。该模型集合能够将数据库当中所涉及到相关数据，通过映射的方式反映至所给定的类别研究范畴当中。假定某一数据库存在与其特征完全相反的类别，则该数据库当中的每一个记录都赋予其所属的类别标记，形成一个完整的示列数据库，而分类分析数据挖掘技术的应用的核心则在于：建立在该分析示例数据库的基础之上，为每个类别作出准确的描述，同时还可构建与分析模型相对应的分类规则。通过对分类分析技术的应用，使得相关工作部门能够明确潜在客户的价值与其发展效益，从而在客户服务的投入方面做到心中有数。 　　4）聚类分析的核心在于：将一组个体按照其相似性进行划分。聚类分析的根本性的目的在于：对同一类别而言，需要尽量的缩短个体与个体之间的差异、距离；而对于不同类别而言，其个体之间的距离原则上