（管理科学与工程专业论文）基于改进BP神经网络的客户分类模型研究.pdf

独创性声明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获得武汉理工大学或其它教育 机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示了谢意。 签名：谨亟垒 日期：丝! ! ：苎：兰 学位论文使用授权书 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即：学校有 权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅 和借阅。本人授权武汉理工大学可以将本学位论文的全部内容编入有关数据库 进行检索，可以采用影印、缩印或其他复制手段保存或汇编本学位论文。同时 授权经武汉理工大学认可的国家有关机构或论文数据库使用或收录本学位论 文，并向社会公众提供信息服务。 ( 保密的论文在解密后应遵守此规定) 贼纵戳儿荡砭旁别鹤儿刁p 嗍叭吩 武汉理工大学硕士学位论文 摘要 随着经济的发展和社会的进步，企业越来越清晰地认识到以产定销的生产和 销售模式不再适应时代的要求，纷纷从“以生产为中心 转向了“以客户和市场 为中心，日益认识到客户的重要性。企业的管理者已经意识到了保持良好的客户 关系对于提高企业自身竞争力的重要性，如何提高客户的满意度和忠诚度，吸引 和保持客户不流失，并不断地开发出新的客户来扩大市场份额，成为管理者日常 考虑的重要问题。目前，客户关系管理的理念已经深入人心，但是很多企业却并 没有寻找到客户关系管理的有效途径和方法。不少企业也开发出了客户关系管理 系统软件，积累了海量的关于客户的数据信息，但是由于这些信息没有得到深层 次的挖掘和利用，与企业投入到大量成本相比，他们并没有获得期望的收益。 客户分类管理是实现客户关系管理的重要内容和手段。企业要正确地实施客 户关系管理并从中受益，就需要对已有的客户信息进行充分的分析和研究，挖掘 客户的潜在需求，不断完善企业的产品或服务。在分类的基础上可以将所有客户 可以划分成不同的群体，不同的群体具有各自的特征。一方面，企业可以根据不 同群体的不同特征制定不同的服务策略，这样能够使营销资源得到最大化的利用； 另一方面，企业还可以通过分析群体成员的特点，识别出各个群体自身特有的若 干属性，通过市场调查来确定市场中具备对应属性的人群，进行主动服务。 本文通过文献查阅发现在客户分类领域较常用的几种分类方法有决策树法、 贝叶斯法、遗传算法以及神经网络方法等。通过几种方法的对比分析，发现其各 有优劣，但是神经网络方法作为一种新型的分类方法得到了更广泛的应用，它具 有对非线性问题良好的解决能力，因此本文以b p 神经网络方法为基础，并且针对 其不足进行改进，最后以汽车行业为例，通过调查问卷的方式建立客户分类指标 体系，利用改进后的b p 神经网络方法建立客户分类模型，并以分类结果为基础， 根据每个分类群体的特点制定针对性的营销策略，实施差异营销和主动服务，提 升企业的业绩和在市场上的竞争力。 关键词：客户关系管理，客户分类，b p 神经网络 武汉理工大学硕士学位论文 a b s t r a c t w i t ht h ed e v e l o p m e n to fe c o n o m ya n dt h ep r o g r e s so fs o c i e t y , m o r ea n dm o r e e n t e r p r i s e sh a v er e c o g n i z e dt h em o d e lo fp r o d u c t i o nt h a tt h es a l ew a sd e c i d e db yo u t p u t n ol o n g e rm e e tt h er e q u i r e m e n t so ft h et i m e s m o s to ft h e mp a ym o r ea t t e n t i o nt ot h e m a r k e ta n dc l i e n ti n s t e a do fp r o d u c t i o n m a n a g e r so fe n t e r p r i s eh a v eb e e na w a r eo ft h e i m p o r t a n c et h a tm a i n t a i n i n gg o o dc u s t o m e rr e l a t i o n sf o ri m p r o v i n gt h ec o m p e t i t i v e n e s s h o wt o i m p r o v ec u s t o m e rs a t i s f a c t i o na n dl o y a l t y , a t t r a c ta n dr e t a i nc u s t o m e r sa n d c o n t i n u et o d e v e l o p n e wc l i e n t st o e x p a n dm a r k e t s h a r et h e s e p r o b l e m s h a v e b e c o m ei m p o r t a n tc o n s i d e r a t i o nf o r m a n a g e r s c u r r e n t l y , t h ec o n c e p to fc u s t o m e r r e l a t i o n s h i pm a n a g e m e n th a sb e e na c c e p t e db ym o r ea n dm o r ep e o p l e b u tm a n y c o m p a n i e s s t i l ld o n tf e n de f f e c t i v e w a y s a n dm e a n sf o rc u s t o m e r r e l a t i o n s h i pm a n a g e m e n t s o m ee n t e r p r i s e sh a v ed e v e l o p e dt h es o f t w a r e s y s t e m f o rc u s t o m e rr e l a t i o n s h i pm a n a g e m e n ta n da c c u m u l a t e dv a s ta m o u n t so fd a t aa b o u t c u s t o m e r s ，b u tt h e s ed a t ah a v en o tb e e nd e e p l e v e lm i n e d ，t h e yd o n tr e c e i v et h e e x p e c t e db e n e f i t sc o m p a r i n g 谢1t h el a r g ea m o u n tc o s t c u s t o m e rc a t e g o r ym a n a g e m e n ti sa ni m p o r t a n t p a r to fc u s t o m e rr e l a t i o n s h i p m a n a g e m e n t e n t e r p r i s e w a n t s t ob e n e f i t 舶mc u s t o m e r r e l a t i o n s h i p m a n a g e m e n t t h e y n e e dt oa n a l y s i sa n dr e s e a r c ht h em a t e r i a l o fc u s t o m e r s ， e x c a v a t et h ep o t e n t i a lc u s t o m e rn e e d s ，a n dc o n s t a n t l yi m p r o v et h ep r o d u c t so rs e r v i c e s a l lc u s t o m e r sc a nb ed i v i d e di n t od i f f e r e n tg r o u p so nt h eb a s i so f t h ec l a s s i f i c a t i o na n d d i f f e r e n tg r o u p sh a v et h e i ro w nc h a r a c t e r i s t i c s o nt h eo n e h a n d , e n t e r p r i s e c a nf o r m u l a t ed i f f e r e n ts t r a t e g i e sa c c o r d i n gt ot h ed i f f e r e n tc h a r a c t e r i s t i c s ，t h i sc a n m a k em a x i m u mb e n e f i to fm a r k e t i n gr e s o u r c e s o n 也eo t h e rh a n d , e n t e r p r i s ea l s oc a n a n a l y z et h ec h a r a c t e r i s t i c so f o ft h eg r o u pm e m b e r s ，i d e n t i f yt h eu n i q u ep r o p e r t i e s a n dr e n d e ra c t i v es e r v i c e t h r o u g hl i t e r a t u r er e v i e w , t h i sp a p e rf o u n dt h a tt h e r ea r em a n ym e t h o d si nt h e f i e l do fc u s t o m e r c l a s s i f i c a t i o ns u c ha l sd e c i s i o n t r e e s ， b a y e s i a nm e t h o d , g e n e t i ca l g o r i t h ma n dn e u r a ln e t w o r km e t h o d sa n ds o o n t h r o u g hc o m p a r a t i v e a n a l y s i s ，t h i sp a p e rf o u n da d v a n t a g e sa n dd i s a d v a n t a g e sf o rt h e s em e t h o d s a san e w t y p eo fc l a s s i f i c a t i o nm e t h o dn e u r a ln e t w o r kh a sb e e nw i d e l yu s e d , i th a sag o o d s o l m i o nt ot h ec a p a c i t yo fn o n l i n e a rp r o b l e m s t h e r e f o r e ，t h i s p a p e r b u i l dm o d e l b a s e do nb pn e u r a ln e t w o r ka n di m p r o v ei t sl i m i t a t i o n s f i n a l l y , t h i sp a p e re s t a b l i s h q u e s t i o n n a i r ei n d e xs y s t e ma n db u i l dc u s t o m e rc l a s s i f i c a t i o nm o d e l o nt h eb a s i s o fc l a s s i f i c a t i o nr e s u l t s ，t h i sp a p e rd r a wu pt a r g e t e dm a r k e t i n g s t r a t e g i e s t h e s e h m e a s u r e sc a l le n h a n c ec o r p o k e y w o r d s ：c u s t o m e rr e l a t i n e t w o r k 武汉理工大学硕士学位论文 目录 摘王荽i a b s t r a c t i i 第1 章绪论1 1 1 研究背景和意义l 1 2 国内外相关研究综述2 1 3 研究内容与方法5 1 3 1 研究内容。5 1 3 2 研究方法6 第2 章客户分类8 2 1 客户分类的必要性8 2 1 1 客户分类管理可以提高客户满意度一8 2 1 2 客户分类是营销方案制定的基础9 2 2 分类方法介绍9 2 2 1 决策树方法1o 2 2 2贝叶斯分类1 1 2 2 3 遗传算法。1 2 2 2 4 人工神经网络1 2 2 2 5 分类方法的对比分析1 3 第3 章神经网络对客户分类的适用性分析1 4 3 1 人工神经网络1 4 3 1 1 人工神经网络基础1 4 3 1 2 神经网络的分类优势1 6 3 2b p 神经网络1 7 3 2 1b p 神经网络原理。1 8 3 2 2 误差反传( b p ) 算法1 9 3 2 3 传统b p 算法的不足及改进2 0 第4 章基于改进b p 网络分类模型的设计2 4 4 1 分类样本集的准备。2 4 4 1 1分类指标及类别标识的确定2 4 4 1 2 分类数据的预处理一2 5 4 1 - 3 分类样本的选择原则2 6 4 2 模型的初始权值2 7 i v 武汉理工大学硕士学位论文 4 3 分类模型的结构设计2 7 4 3 1隐层数的设计2 8 4 3 2 隐层节点数的设计2 8 4 4 分类模型的训练与测试2 9 第5 章客户分类模型实证研究3 0 5 1 客户忠诚度的重要性3 0 5 2 问卷设计和数据处理3 0 5 3 分类模型的结构3 2 5 4 模型的应用。3 3 5 5 分类结果的应用分析3 5 第6 章总结及展望3 7 至| 【谢3 9 攻读硕士学位期间发表的论文4 3 附录z 和4 v 武汉理工大学硕士学位论文 1 1 研究背景和意义 第1 章绪论 近年来，经济全球化不断发展，世界各国的经贸关系越来越密切，同时 企业之间的竞争也日趋激烈。传统的以产定销，依靠不断扩大规模获取收益 的的粗放式经营管理模式不再适应时代的发展，而以客户为中心、以市场为 导向的集约化经营管理模式正被越来越多的企业所认同和接受。企业要在激 烈的市场竞争中立于不败之地，就要能够尽量保持住现有客户，识别出潜在 的客户，对客户关系进行管理。企业要正确地实施客户关系管理，就必须根 据需要对其现有的客户进行合理的划分，通过此分类建立起对应的客户服务 体系，并通过一定的方法识别出潜在客户，并采取针对性的营销方法对这些 潜在客户主动服务，实行差异化的营销策略，这样才可以有效的保留住现有 客户，开发潜在市场，提升企业的业绩，提高市场份额。 客户分类是依据客户自身的属性进行的一种有效识别。企业的资源是有 限的，这就决定了企业无法满足所有客户的需求，不能为所有客户提供满意 的服务，这就导致企业在发展的过程中，虽然不断的有新客户的加入，但同 时也不断地会有老客户因服务质量不满意而流失。对企业来说，开发一个新 客户是保持一个老客户的成本是不一样的，前者是后者的5 倍；保持一个不 坚定客户的成本是保持一个忠诚客户成本的1 0 倍。由此可见，识别出那些企 业需要重点开发和保持的客户对企业的赢利能力有着重大的影响。所以，企 业能否采取有效措施保持住老客户特别是优质客户，不仅决定着企业的赢利 能力，也影响着企业的核心竞争力。企业现有的客户中，有2 0 的客户为企业 创造了8 0 的效益，这2 0 的客户对企业利润贡献度比较大，这些客户企业要 重点保持，利用较多的资源为其服务；而另外一部分客户由于忠诚度不够或 者对企业的效益贡献比较少，企业应该降低其服务成本。要识别出这些要重 点保持的客户和对企业效益贡献比较小的客户，需要进行客户分类。 通过客户分类挖掘出客户的潜在需求，可以帮助企业制定个性化的服务 方案，这样一方面可以使客户享受更加优质的服务，消除因服务滞后引起的 利润损失，方便客户，愉悦客户；另一方面，也可以提高企业的整体服务水 武汉理工大学硕士学位论文 平和服务质量，转变企业服务观念，取得客户的信任，减少客户流失，提高 客户关系质量，达到客户保持的目的。通过数据挖掘技术对市场和客户信息 进行统计和分析，发现市场机会，确定目标客户群和营销组合，科学地制定 出市场和产品策略，是现代企业越来越关心的问题，同时对我国的客户关系 管理的发展和企业信息化水平的提高也有着重要的意义。 1 2 国内外相关研究综述 客户分类管理是一种管理理念，它将企业的所有客户作为最重要的资源， 为了实现客户的价值，企业通过优质的服务来让客户满意，并通过客户的深 入分析来不断提高服务品质，通过客户需求的不断满足来实现企业自身的价 值。同时，客户分类也是进行其他客户分析的基础，对分类结果进行深入分 析可以使企业的活动更具针对性。 ( 1 ) 客户分类原则 客户分类通常是以客户自身的社会属性、价值属性和行为属性特征为基 础，按照客户对企业的价值大小将所有客户进行有效识别和区分，对高价值 的用户提供优先的服务。客户分类管理有利于针对不同类型的客户制定差异 化的客户服务策略，达到客户保持的目的。 客户分类管理就是通过差异化的服务来满足不同类别客户的需求，以此 来保证客户不流失，提升客户的忠诚度，类别不同的客户所需求的服务是不 同的，假如没有对客户分类，对全部客户的服务策略都是一样的，其结果必 然是一些客户的需要得到了有效满足，而另外一些客户根本不需要这样的服 务，他们需要的服务没有得到满足，这样就造成了资源的巨大浪费。任何一 个企业的资源是并不是无限的，要让这有限的资源为企业全部的客户进行服 务，实现其最大价值，必须对所有客户进行分类，对不同的客户群实施差异 化的针对性服务。 通常采用的客户分类方法有两种，一种是基于统计学特征对客户进行分 类，这种方法一般是根据客户的具体情况，确定相应的客户评价指标，比如 客户的年龄、性别、收入、购买产品等作为指标，来对客户进行分类，这种 方法可以发现客户群的规律，识别出潜在客户，进行主动营销；另一种是按 客户的价值来进行分类，也就是根据现有客户对企业利润的贡献大小来进行 分类，有利于企业充分利用自身的有限资源更好地为现存客户服务，淘汰对 2 武汉理工大学硕士学位论文 企业贡献利润小以及造成企业利润亏损的客户。 客户分类是有效实施市场策略的第一步，也是成功管理客户关系的基石。 在客户细分的过程中，细分维度和细分方法选择不能是随机的，必须与其分 类目标保持一致。客户分类是企业了解客户的重要手段，它基于企业对客户 具有的价值的认知，将客户划分为不同的重要等级，并以此制定客户的差别 化服务政策，通过政策的实施将客户分类的结果作用于企业实践。无论采用 何种分类策略，最终的目的都要能够从某个角度来对客户的价值进行有效的 区分，对高价值的客户提供高价值的服务，对低价值客户提供相对廉价的服 务，以追求收益的最大化。 ( 2 ) 客户分类方法 通过查阅国内外的相关文献，发现在客户分类领域存在着多种分类方法， 而在文献中比较常用的分类方法主要是决策树方法、贝叶斯方法、遗传算法 以及神经网络方法。 决策树方法是一种重要的分类方法，它的基本原理是用决策点代表决策 问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各 种结果，经过对各种方案在各种结果条件下损益值的计算比较得到分类结果。 张翠娥，2 0 0 7 以描述型变量和行为变量为基础，将客户的年薪、学历、年 龄、职业、婚姻以及房产等属性作为决策属性集，利用决策树方法建立了我 国银行客户的分类模型，将所有的银行客户划分成四个类别，即风险客户、 较差客户、一般客户和重点客户，并对每一类客户进行了对策分析。 曹 薇，2 0 1 0 了运用决策树方法构建了w e b 页面分类器的基本方法和过程，并提 出了一个基于c 4 5 决策树的w e b 页面分类器的框架，在此基础上实现了一个 运用于网络爬虫的w e b 页面分类器。 王莉莉，2 0 0 7 针对银行客户的信用问题， 利用改进的i d 3 算法建立一个客户信用评估模型，以此来识别客户的信用。 贝叶斯分类算法是统计学分类方法，它是一类利用概率统计知识进行分 类的算法。它的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出 其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为 该对象所属的类。 胡邦辉，2 0 1 0 利用朴素贝叶斯分类器，结合多种强对流天 气指数场、f i s h e r 准则和相关系数法的预报因子选取技术，分别建立了漳平、 广州和湛江3 个单站的雷暴预报模型，并对该模型进行了实证研究，证实了 其有效性。 陈益军，2 0 0 9 通过分析树木体系的特征，研究并分析了可能影 响树木分类结果的几个方面，提出了树木分类建模时应该考虑的因素，并将 武汉理工大学硕士学位论文 其归纳为六个方面，从中抽取与分类最相关的内容和信息，构建了冬态树木 分类的模型，最后用贝叶斯方法实现了该分类模型，完成了基于贝叶斯的冬 态树木分类系统。 遗传算法是模拟生物进化过程的计算模型，是自然遗传学和计算机科学 相互结合、相互渗透而发展起来的一种方法。遗传算法在分类领域也有着广 泛的应用， 舒展，2 0 0 6 利用改进的遗传算法，建立一个指纹分类系统，将所 有的指纹归为了拱形、帐形、左捋形、右捋形和斗形等五个大类。 蔡立军，2 0 0 6 1 利用遗传算法代替独立分量分析中的传统的估计分离矩阵算法，对基因表达 式数据进行分类，提出了一种基于遗传算法的基因分类算法，实验结果表明， 该方法获得了很好的分类效果。 ( 3 ) b p 神经网络 人工神经网络是一种模拟生物神经网络特征，进行分布式并行信息处理 的信息处理系统。它通过调整内部大量神经元节点之间相互连接的权值，从 而达到处理信息的目的。人工神经网络具有良好的自学习和自适应的能力， 它可以通过预先准备的输入一输出数据集，分析掌握两者之间潜在的规律， 最终根据这些规律，用新的输入数据来推算输出结果。 b p 神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用 最广泛的人工神经网络模型之一，它被广泛应用在分类、聚类、预测等领域。 b p 神经网络模型的拓扑结构一般由三层构成，它们分别是输入层、隐层和输 出层，它的学习过程一般由两个阶段组成，即信息的正向传播和误差的反向 传播。输入层各神经元负责接收来自外界的输入信息，并传递给隐层神经元； 隐层主要是进行信息变换，根据需要可以设置单隐层或多个隐层；隐层的处 理结果传递到输出层，这样便完成了一次信息正向传播的过程，由输出层输 出最终的结果。当最终输出与预期的输出差别较大时，进入误差的反向传播 阶段。误差经过输出层，按误差梯度下降的方式修正各层权值，向隐层、输 入层逐层反传。通过不断进行的信息正向传播和误差反向传播过程，各层的 权值不断得到调整，此过程一直进行到网络输出的误差减少到可以接受的程 度，或者达到预先设定的学习次数为止。 高琴，2 0 0 7 利用b p 神经网络方法建立了预测模型，以某个股实际收盘价 为原始数据样本，对网络进行训练后对股票价格进行了短期预测，并计算出预 测值和实际值的误差，通过实验发现该模型收敛速度较快，预测准确率比较高。 刘弘，2 0 0 9 针对我国商业银行竞争日益激烈，存在较多不良贷款的现状，收集 4 武汉理工大学硕士学位论文 了1 3 6 个财务指标，利用b p 神经网络建立了一个贷款违约识别模型。 韩明 华，2 0 0 8 通过分析零售业客户消费行为的特征，建立了零售业客户细分的指标 体系，采用主成分分析和b p 神经网络相结合的方法，构建起了零售业客户细分 的模型，并利用m a t l a b 软件对该模型进行t n 试和验证，结果表明该模型具有 良好的适用性和准确性。 综合国内外研究现状，学者们在客户分类领域已经有了一定的研究，但 是对于国内的企业来说，客户分类管理还没有被透彻理解，应用还不够深入， 国内的不少企业并没有认识到客户关系管理的精髓，没有建立完整的机制来 保证客户信息的搜集和整理。员工也意识不到客户信息的重要性，并且采集 时存在随意性，并没有制定统一的规范和标准，没有统一的信息平台，导致 许多有用的客户信息流失掉，管理层在进行决策时很难从这些零散模糊的数 据中获得有效的信息。虽然一些企业也积累了不少客户的相关信息，但是缺 乏深层次的开发应用。因此，有效地进行客户分类，将所有客户划分为不同 的类型，对他们进行分门别类的研究，制定相应的服务策略，合理分配企业 资源，是当前企业需要重点关注的问题，只有这样才能达到保持客户，最大 限度地提高客户满意度的目的。 1 3 研究内容与方法 1 3 1 研究内容 本论文将从客户关系管理与数据挖掘相结合的角度，通过将几种传统的 分类方法与b p 神经网络进行分析对比，以此发现b p 神经网络方法在客户分 类领域的优势，然后对其进行改进并在此基础上建立客户分类模型。最后， 以汽车行业客户为例，通过问卷调查的方式手机数据，建立该行业客户忠诚 度分类的指标体系，通过问卷调查的方法搜集整理数据，验证模型的有效性， 并以分类结果为基础，针对不同类型的客户确定差异化的营销对策。 第一章主要是对国内外客户关系管理和数据挖掘技术的相关理论研究 现状进行归纳和总结。 第二章详细阐述客户保持管理以及消费者行为分析理论，为客户关系管 理中的客户分类提供相关理论支撑。 第三章将三种传统的分类方法决策树方法、贝叶斯方法和遗传算法与神 5 武汉理工大学硕士学位论文 经网络方法进行对比分析，从而突出神经网络在分类领域的优势，并且针对 经典b p 神经网络方法收敛速度慢的不足进行改进。 第四章介绍b p 神经网络分类模型设计的一般方法，包括分类训练样本 集及分类测试样本集的选择准备原则，数据的预处理方法以及初始权值和隐 含层节点数的设计原则等。 第五章对分类模型进行实证研究。分析研究影响客户忠诚度的相关因 素，并以汽车行业客户为例选取了1 1 个问题建立调查问卷，确立了客户忠诚 度的衡量标准，利用发放调查问卷的方式收集整理数据。最后以改进的b p 神 经网络算法为基础，构筑客户忠诚度分类模型，以此来检验模型的有效性， 并从分类结果出发制定针对性的营销策略。 1 3 2 研究方法 本文采用的研究方法如下： ( 1 ) 文献研究。通过调查国内外的文献，获得了客户分类方面的大量资 料，从而全面地、广泛地了解该领域的研究现状。 ( 2 ) 对比研究。将决策树方法、贝叶斯方法及遗传算法等常见的分类方 法与神经网络方法进行分析比较，突出b p 神经网络方法在处理非线性问题和 客户分类领域的优势。同时，将改进的b p 神经网络方法与传统的b p 神经网 络方法进行对比，以确定改进后的方法具有较快的收敛速度。 ( 3 ) 理论研究与实证研究相结合。通过对经典b p 神经网络算法的分析， 针对其不足之处进行改进，并在改进的b p 神经网络算法的基础上，以汽车行 业为例建立分类模型，进行客户分类的实证研究。 1 3 3 技术路线 本文的技术路线遵循理论一模型一实证的研究路线，突出了理论与实践 的紧密结合。首先对国内外相关理论、方法和实际调研资料的分析，初步确 定本文要采用的分类方法，在此基础上，发现现有方法的不足并针对不足之 处进行改进，利用改进方法建立分类模型并通过实证来验证模型的有效性。 具体的技术路线和实施方案可分解如下： 6 武汉理工大学硕士学位论文 b p 神经嘲络特点及用 国内外相关资料收集 常用分类方法于分类领域的优势分析 决策树方法、 汽车行业客户为例，以 贝叶斯方法、 调查问卷的方式收集数 据，建立客户忠诚度分神经网络及遗 客户分类相关理论研。 传算法等的对 类模型，并提出对策分 比分析 析。 究 b p 神经网络的不足及 改进 图1 - 1 技术路线图 7 武汉理工大学硕士学位论文 第2 章客户分类 2 1 客户分类的必要性 客户分类管理就是通过差异化的服务来满足不同类别客户的需求，以此 来保证客户不流失，提升客户的忠诚度。客户分类是客户关系管理的基础， 它是客户关系管理的一项重要内容。实施客户关系管理，必须要通过客户分 类，根据客户的属性将企业的客户划分为不同的类型，对他们进行分门别类 的研究，然后针对不同类型客户的特点合理分配服务资源，制定并实施相应 的客户服务策略，从而达到保持客户，最大限度地提高客户满意度的目的。 2 1 1 客户分类管理可以提高客户满意度 客户的满意度是影响客户保持的主要因素。满意度高的客户会有重复购 买的需求，客户在购买产品前往往会事先形成一种对将要买到的产品的心理 期望，而这种期望企业的销售人员是无法掌握的，如果产品的质量、外观以 及企业提供的服务等达到或超出了客户的预期，那么对客户来说便会形成很 高的满意度。反之，客户的满意度就会降低。所以，企业要通过提高客户的 满意度来达到客户保持的目的。一方面，企业要根据客户的现实需要尽力提 高和改善产品的质量和服务，这是提高客户满意度的最基础的条件。客户分 类管理可以根据不同客户的特征将所有客户划分成具有不同特点的客户群， 每个客户群具有显著差异的特点，企业可以根据每个细分客户群的特点，采 取针对性的措施来提高客户的满意度。 任何一个企业的资源是并不是无限的，要让这有限的资源为企业全部的 客户进行服务，实现其最大价值，必须对所有客户进行分类，对不同的客户 群实施差异化的针对性服务。类别不同的客户所需求的服务是不同的，假如 没有对客户分类，对全部客户的服务策略都是一样的，其结果必然是一些客 户的需要得到了有效满足，而另外一些客户根本不需要这样的服务，他们需 要的服务没有得到满足，这样不仅造成了资源的巨大浪费，同时也无法让所 有的客户都满意。因此，客户分类管理与企业的利润息息相关。企业的利润 来自企业营业收入与其投入成本的差额，而企业的收入直接来自客户购买产 8 武汉理工大学硕士学位论文 品或服务愿意支付的价格，因此，客户是企业利润最直接的来源。实施客户 分类管理，针对客户群的特点提供主动性和针对性的服务可以提高客户的满 意度，保持客户不流失，这样便可以为企业创造源源不断的利润。 2 1 2 客户分类是营销方案制定的基础 客户分类管理可以帮助企业识别客户潜在的未被满足的需求，从而制定 更具有针对性的营销措施。例如，可以通过研究客户在一段时间内生活习惯 或收入开支的变化情况，间接地来分析客户产生了何种新的消费需求或者了 解客户何种欲望未被完全满足，然后企业可以此为依据研发出针对这种需求 的新产品。在国外西方国家，上世纪8 0 年代至今，由于生活条件的改善以及 运动量的减少，很多人担心自己的身体过于肥胖，因此在减肥方面的花费不 断增加，一些公司及时发现这类客户群的特点，并针对这个客户群体适时的 推出了样式各异的减肥用的运动器械，与减肥相关的书籍和饮料等也应运而 生，客户分类管理帮助企业及时发现不同客户群的特征，并根据其特点采取 针对性的销售策略，这种针对性的营销策略给企业带来了丰厚的回报。 通过客户分类管理将所有的客户划分到不同的群体中，可以及时发现影 响客户购买的决定性因素。例如，根据所有客户的购买记录可以从统计学方 面来对客户进行分类，比如性别、年龄、收入等，从这些方面将客户划分到 不同的客户群，可以发现其中潜藏的规律。例如，某汽车4 s 店从性别的角度 分类发现女性相比男性更喜欢微型和小型轿车，男性更偏爱中型和中大型轿 车，但是女性在选择s u v 和m p v 时要多于男性，针对这种规律企业在对女性 和男性客户进行宣传时，可以采取不同的销售推荐策略j 使营销宣传更具有 针对性，同时这种针对性的销售措施也降低营销成本。因此，客户分类管理 是企业制定营销措施的基础。 2 2 分类方法介绍 分类是数据挖掘的一个重要组成部分，在许多领域都有着非常广泛的应 用，比如科学实验、商业预测等。分类是一种有监督的学习过程，它的实质 就是要建立一个分类模型或者分类器，将一个未知类别的数据元组划分到几 个已知的类别标识中。通常在模型建立之前先要准备一个训练数据集，该数 9 武汉理工大学硕士学位论文 据集的样本属性与待分类的数据元组属性相同，并且该训练集中的每个训练 样本都有一个类别标志，利用分类算法对训练样本计算分析，提取分类规则， 然后利用测试集进行测试，对分类规则模型进行修正和完善，直至达到满意 的分类效果。分类的目的是得到一个对各个类的具体的规则描述，然后利用 得到的规则来对其它数据记录进行划分。 图3 - 1 分类过程示意图 近年来，国内外的学者及专家对数据分类方法方面做了大量的研究，也 产生了很多数据分类的算法，下面对几种比较经典的分类方法进行介绍和分 析。 2 2 1 决策树方法 决策树方法利用一种树形结构来对数据元组进行比较和分析，其中树形 中的每个决策节点代表了对数据元组进行分类的决策属性，而属性的每一个 分枝代表的是数据元组按该属性进行下一步分类的取值范围，叶子节点代表 的是数据元组的分类标识，从根节点到每个分支节点对应一条分类析取规则， 从树中的每个分支提取有效的信息，便形成了分类的规则。决策树一般分类 决策树的生成和树的剪枝两个过程，决策树的生产过程是以训练样本数据元 组为基础，剪枝过程则是利用测试数据元组对生成的决策树进行修正和完善， 如果树形结构中的某一分枝的分类准确性不高，则将这一分剪掉，从而提高 分类准确性。 在决策树的生成过程中，其输入是一个训练数据集，输出是一个决策树， 树中的每个节点对应着进行类别划分的决策属性，分枝对应着数据元组进行 进一步划分的取值特征。决策树的构造过程如下： ( 1 ) 根据实际需要和所要处理的数据的特点，准备训练样本数据集。确 1 0 武汉理工大学硕士学位论文 定类别标志属性和决策树的决策属性集。 ( 2 ) 在决策属性集中选择最能够标示类别能力的属性作为决策节点。其 中有一个根节点，若干叶子节点。 ( 3 ) 根据当前决策节点的属性，将训练样本数据集分成不同的数据子集， 每个属性值形成一个数据子集，该属性有几个属性值便形成了及格子集。 ( 4 ) 对于每一数据子集，重复上面的过程，直到最后出现下面的情况： 子集中的所有数据元组都属于同一个类别；该子集遍历了决策树中的每一个 节点；子集中的剩余决策属性相同。 ( 5 ) 形成叶子节点。经过上述几个过程，便能够得到一个决策树，可以 此对数据元组进行分类。 利用决策树算法构建分类模型效率较高，在现实中得到了很多的运用。 同时，利用决策树分类可以比较容易地提取出分类规则，而且这些规则往往 也比较容易理解与解释。 2 2 2 贝叶斯分类 贝叶斯分类最初来自于古典数学理论，数学基础比较坚实，它是基于贝 叶斯原理的一种分类方法，可以利用该方法来预测类成员的可能性。通过计 算数据元组在每个类别归属下的条件概率，比较数据元组在各个类别归属假 设下的条件概率，选取其中的最大概率的类别归属作为最终的分类标识。贝 叶斯问题的求解过程可以通过以下步骤进行描述： ( 1 ) 定义随机变量。将未知参数看成随机变量，记为0 。将样本 x 1 , z 2 ，x 一的联合分布密度p ( x l ，工2 ，x 厅；目) 看成是x l ，x 2 ，x 一对口的条件分 布密度，记为p ( x l ，x 2 ，x 竹i 伊) ( 2 ) 确定先验分布密度p ( 秒) 。 ( 3 ) 利用贝叶斯定理计算后验分布密度。 ( 4 ) 利用计算得到的后验分布密度对所求的问题进行推断。 贝叶斯分类具有如下的特点：贝叶斯分类并没有刚开始就把类标志分配 给某一个对象，而是先通过计算得出该对象在每个类上面的分布概率，然后 对得到的概率值进行比较，将具有最大概率值的类标志分配给该对象；通常 情况下，在这种分类方法中，对象的各个属性可以是分散的，也可以是连续 的。但是在分类过程中每一个属性都是起作用，最终的分类结果是各个属性 武汉理工大学硕士学位论文 共同作用的结果。 2 2 3 遗传算法 遗传算法是模拟进化论中的自然选择和遗传机制而发展起来的一种计算 方法。从数学角度来看，它属于概率性的最优解搜索算法。遗传算法包括三 种常用的遗传算子，它们分别是选择算子、交叉算子和变异算子。选择算子 通过某种规则从父代中选择出适合的个体，这些个体组成了中间群体；交叉 算子通过随机地从中间群体中挑选出两个个体，然后按照某种交叉规则将两 个个体染色体中的子串进行互换，形成新的个体；变异算子是通过一定的概 率来改变个体染色体上的某些基因值，变异的概率一般与种群的大小和染色 体的长度有关。 遗传算法的基本求解步骤：首先要通过一定的编码策略将实际问题的可 行解数据转换成遗传空间里面的由基因构造而成的染色体或者个体，这样通 过编码便生成了第一代种群。然后，利用评估函数来评估种群中的个体或染 色体的优劣，按照优胜劣汰的原则，选择出种群中的优良个体。对这些选出 的优良个体进行交叉操作，从而繁殖出新一代的适应性更好的个体。最后， 在生成的群体中按照一定的概率选择出一些个体，对这些个体的染色体进行 某些部位基因值的改变，以此来保证群体的多样性。 在遗传算法中，最初种群中的个体是通过编码的形式来表示的，并且是 由随机过程产生的，然后依照适者生存的规则，由初始种群中选出适合的个 体产生新的后代，这样种群便得到了不断进化，直到种群中的个体都满足了 预先给定的条件。 2 2 4 人工神经网络 人工神经网络是在神经科学发展的基础上，通过模拟生物大脑神经网络 的结构和思维特点进行信息记忆和处理的一种非线性动力学系统。虽然每一 个神经元的结构非常简单，但是大量的神经元组成的系统却可以实现信息的 分布式存储以及信息的非线性转换。 利用神经网络构建分类模型的之前，首先要准备训练样本样本集和测试 样本集，同时确定网络的结构以及各层神经元的个数，在网络的训练过程中， 模型会自动调整各个神经元之间的连接权值，提取训练样本集中蕴涵的规律。 1 2 武汉理工大学硕士学位论文 测试样本集用来检验模型的精度和准确性。神经网络具有良好的非线性处理 能力，同时，它对噪声数据具有很强的承受能力，因此在分类领域得到了广 泛的应用。 2 2 5 分类方法的对比分析 生成决策树的比较经典算法是i d 3 算法，该算法的基础理论比较清晰易 懂，但也存在一些不足：该算法比较适用于属性值较多的属性，但是在很多 情况下最优的往往不是取值偏多的属性，即i d 3 算法利用熵值最小原则确定 的优先判断的属性，在现实生活中往往不是最重要的；在构建决策树时，前 后节点之间的相关性不够紧密，联系比较松散；i d 3 算法对数据噪声较敏感， 特征值容易出错；算法虽然理论比较易懂，但是计算量偏大，特别是当属性 值比较多的情况下，过程比较复杂。 贝叶斯分类方法理论比较简单、分类的准确率也较高，理论上看起来并 没有什么缺陷，但是在实际应用中，它往往不能直接加以使用。因为该方法 需要我们给出证据的分布概率值，但是现实中我们通常无法给出证据精确的 分布概率，造成了我们在应用该方法时只