基于数据挖掘技术客户关系管理应用.docVIP

基于数据挖掘技术客户关系管理应用 　　摘 要 客户关系管理是适应企业“以产品为中心”到“以客户为中心”的经营模式的战略转移和关系营销的需要而发展起来的新的管理理念。数据挖掘技术能很好的进行数据的分析、处理，有助于客户关系的管理。探讨了数据挖掘技术在客户关系管理中的相关应用。 　　关键词 数据挖掘 客户关系管理 关联算法 粗糙集方法 聚类 　　中图分类号：TP309 文献标识码：A 　　在当今激烈竞争的商业环境中，竞争对手的增加、业务的多样化和全球化已使企业间的竞争急剧增强。企业只有不断的通过各种渠道同客户进行有效的互动交流，并且从这种互动中获取信息，了解客户，提高客户满意度来获得利润，才能在竞争中立丁不败之地。尤其是新经济时代的到来，客户是企业至关重要的成功因素和利润来源，谁把握了客户谁就拥有了市场，使得企业战略正从“以产品为中心”向“以客户为中心”转变。对于企业而言，“以客户为中心”的最终目的是企业自身利润的最大化。因此，企业还需进一步对真正的客户的价值进行挖掘。客户的价值挖掘工作要求企业通过数据分析，掌握客户的行为规律，运用于企业决策中。随着数据仓库、数据挖掘技术的发展和成熟，客户的价值挖掘工作得到了必要的技术支持。 　　1数据挖掘技术 　　数据挖掘（DataMining）是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘常用的分析方法包括分类和预测、聚类分析、关联规则、序列模式、孤立点分析等。本文分别从关联算法、粗糙集方法和聚类等角度阐述数据挖掘技术在客户价值管理中的应用。 　　2数据挖掘技术在客户价值管理中的应用 　　2.1发现新客户 　　2.1.1数据挖掘应用需求 　　“以客户为中心”的CVM，客户是企业的生命，不断获取新客户是企业生存和发展的必要条件。发展新客户的目的是将潜在的客户转变成消费企业的产品或服务的现实客户。这些消费者可能是对你的产品/服务不了解的顾客，也可能是你的产品/服务的潜在消费者，还可能是你竞争对手的客户。显然，针对这些不同的消费者需要采用不同的策略才能有效的获取到需要的新客户。另外，客户也分优劣，有些客户获得时付出的努力要比他们成为公司客户后贡献的利润低，所以选择优质客户进行获取是企业获取新客户的先决条件。采用数据挖掘可以辅助新客户开发活动。 　　2.1.2Apriori算法 　　APr1ori算法是最著名的关联算法。此算法利用一种逐层搜索的迭代方法：k项集用于探索（k+1）项集。具体方法是：首先找出频繁1-项集，记为L1；然后利用L1来挖掘L2，即频繁2-项集；不断循环下去直到无法发现更多的频繁K-项集为止。这里的关键步骤是由频繁项目集的集合Lk-1，生成Lk：首先利用Lk-1，与自身连接生成候选的k维数据项目集的集合Ck，然后对Ck中的数据项目集进行频度统计，丢掉频度低的数据项目集而形成频繁项目集的集合Lk（最后的频繁项集Lk必须是Ck的一个子集）。 　　Apriori算法利用了两个重要性质。 　　性质1：k维数据项目集x是频繁项集的必要条件是它的所有k-1维子集均是频繁项集。 　　性质2：若k维数据项目集x的任一k-1维子集不是频繁项集，则x不是频繁项集。 　　对于新客户的发展而言，得到了新客户的市场反馈并收集之后，就可以使用Apriori算法对客户数据提取特征。 　　2.2客户保留 　　2.2.1数据挖掘应用需求 　　随着市场竞争的日益激烈，大部分市场己趋于饱和状态。获得一个新客户的成本越来越高，因此，保留原有客户的价值也显得越来越重要了。有统计表明，企业争取一个新客户的成本是保留一个老客户的7-10倍，而流失1个老客户的损失，只有争取10个新客户才能弥补。因此保持现有客户，提高他们对企业的忠诚度对企业至关重要。对于客户保留，企业可通过数据挖掘对客户数据库中大量的客户信息作针对性研究，根据分析结果制定使潜在离开者留下来计划和方案，改善客户关系，争取保持客户并提高收益。 　　2.2.2粗糙集算法 　　这里我们用粗糙集算法来进行分析，粗糙集是由波兰学者Z.Pawlak在1982年提出的一种研究不精确、不确定性问题的数学工具，其基本思想是，将数据库中的属性划分为条件属性和结论属性，把数据库中的元组根据各个属性不同的属性值分成相应的子集，然后根据条件属性划分的子集和结论属性划分的子集之间的上下近似关系生成判定规则。其中下近似是指所有对象都一定被包含，上近似是指所有对象可能被包含。 　　设{X1，X2，X3，…}是基于条件属性的划分，{Y1，Y2，Y3，…}是基于结论属性的划分，则有： 　　定义1：Yj最小包含（下近似）X，是指等价类X，中的所有元素都包含在Yj中； 　　定义2：Yj最大包含（上近似）X，是