客户管理中数据挖掘.docVIP

客户管理中数据挖掘 　　计算机和网络技术的发展使企业获取商业数据变得更加便捷。如何从海量的数据中提取有效信息并进行分析，进而做出快速准确的营销决策，已成为企业面临的一个课题。数据挖掘技术的应用为解决这一问题提供了有效的工具。数据挖掘就是从大量的、不完全的、模糊或者随机的数据中，提取有用的信息和知识的过程，主要特点是；处理的是海量的数据。是在没有明确假设的前提下去挖掘信息、发现知识，能发现许多未知但非常有用的规则。数据挖掘处理的数据类型广泛，能处理半结构化及非结构化的数据，数据挖掘是深层次的数据分析，它对相关数据进行统计、分析、综合和推理，以指导实际问题的求解。通过数据挖掘技术，企业从大量的数据库中发掘出不同的信息与知识，将有利于企业在市场营销中分析和掌握顾客需求，进而提供个性化的服务。 　　数据挖掘技术在企业客户行为分析中起着关键作用，企业可用数据挖掘技术对已有的客户数据进行一系列的分析，找出其中蕴涵的知识。以采取有效的措施和策略，主要作用表现在：(1)在客户细分中的作用。企业的资源是有限的，因此必须根据市场的状况，根据客户的消费行为进行划分，以采取更有效的营销策略；同时对客户进行了细分，可以使企业深刻认识客户，对不同的客户群提供相应的个性化服务，使双方都受益。可根据地理环境、产品利润、使用率、品牌忠诚度、购买阶段等因素对企业的客户进行划分。(2)客户盈利能力分析。不同的客户盈利能力不一样，企业可根据已有的历史数据，采取数据挖掘技术对数据进行分析，如可根据某种客户盈利能力度量标准将客户群按不同盈利水平进行划分，对企业的“黄金客户”给予充分重视，可向他们提供特殊服务和经营策略，提高其满意度和忠诚度，为企业的盈利作保证。另外在采取分类挖掘技术将客户分成不同的客户群，根据不同类的客户不同消费行为。考虑对这些客户实行分类管理。(3)客户关系的建立与保持。在企业的经营过程中，企业已有的客户都有生命周期，随时间而不断流失，同时随着业务的扩大也要不断补充新客户，因此企业业务发展指标都包括获取新客户的能力。新客户包括那些对企业产品和服务不了解的客户，也可能是竞争对手的客户，企业可通过采取营销手段来获得这些客户。企业通过充分利用数据挖掘技术，如对反馈的客户进行概念描述从整体上把握，运用数据挖掘中的关联规则技术挖掘他们的兴趣所在；同时，运用一定的盈利判断标准，对客户的盈利能力进行预测，可采取分类，处理数据，分析出有价值的知识，挖掘出那些对企业感兴趣并可使企业盈利的客户群，这样企业就可采取有效的促销策略。采用数据挖掘技术。企业还可以对企业已流失客户的数据进行分析，如进行一些关联分析，找出跟客户流失相关的规律和服务的缺陷所在，可对流失客户数据建立决策树模型，然后对现有客户进行预测，找出可能流失的客户群，以采取积极的预防措施。 　　数据挖掘有不同的方法，比较常用的有：关联分析、序列模式分析、分类分析、聚类分析等，每种分析方法都有各自的适用性。在客户管理中，应根据不同需要选择不同的方法。(1)关联分析，是利用关联规则进行数据挖掘。在研究领域，对关联分析的研究开展得比较深入，出现了许多关联规则的挖掘算法。关联分析是为了挖掘隐藏在数据间的相互关系，它能发现数据库中形如“某客户在一次购买活动中购买商品的同时购买商品”之类的知识。(2)序列模式分析。与关联分析相似，其目的也是为了挖掘数据之间的联系，但序列模式分析的侧重点在于分析数据间的前后序列关系，它能发现数据库中形如“在某一段时间内顾客购买商品，接着购买商品，然后购买商品的序列频度”之类的知识，序列模式分析描述的问题是在给定交易序列数据库中。每个序列是按照交易时间排列的一组交易集。挖掘序列函数作用在这个交易序列数据库上，返回该数据库中出现的高频序列。(3)分类分析。通过分析示例数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用此规则对其他数据库中的记录进行分类。如信用卡公司的数据库中保存着持卡人的记录，公司根据信用程度将持卡人分类后，利用分类分析对每个信用等级做出准确描述或挖掘分类规则，然后依据该规则对其他相同属性的数据库记录进行分类。分类分析的几种典型模型包括线性回归模型、决策树模型、神经网络模型等。(4)聚类分析。聚类分析是通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。聚类分析与分类分析是个互逆过程。在最初分析中，可根据以往经验将要分类的数据进行标定，划分类别，然后用分类分析方法挖掘出每个类别的分类规则，用此规则重新对集合进行划分。由于聚类倾向于定性分析，在很多场合下，聚类结果作为其他技术的基础，在此之上采用决策树和神经网络方法，进一步对特定类进行分析，可以达到消除数据噪音，提高可靠性的效果。 　　根据营销管理中的不同需要，