（管理科学与工程专业论文）数据挖掘分类技术及其在crm中的应用研究.pdf

数据挖掘分类技术及其在客户关系管理中的应用研究 摘要 近年来，现代市场营销理念和商业运作方式的核心逐步向客户关系管 理( c r m ) 转移，c r m 是一个将客户信息转化成为积极的客户关系的过 程。随着客户信息的日趋复杂、客户数据的大量积累，分析复杂的客户数 据，发现客户行为趋势，挖掘客户对企业的真正价值逐渐成为企业成功的 关键因素，决策者迫切需要将海量数据转换成有价值的信息和知识。数据 挖掘的出现为这一需要提供了有力的技术支持。数据挖掘在c r m 中的有 效运用可以从大量的客户数据中挖掘出对企业经营决策有价值的知识和 规则。而分类方法是目前商业领域中应用最广泛的数据挖掘技术。分类及 其在c r m 中的应用研究已经成为学术界和企业界共同关注的领域。 本文首先介绍了客户关系管理、数据挖掘、数据挖掘技术在客户关系 管理中应用的基本理论，提出了数据挖掘技术处理c r m 专业问题的详细 流程。 然后介绍了分类的一般过程、目前常用的分类算法；对现有的算法评 价指标做了系统的概括和总结，针对这些指标在处理c r m 领域具体问题 时的不足，提出了一种评价指标体系，为c r m 领域中应用分类方法时的 总结和评价提供了新思路。同时，在研究现有分类算法的基础上，根据c r m 领域问题的实际需求，提出了一种新算法。 最后将新的评价指标体系和算法应用到汽车销售领域客户发现问题 中，为分类技术在该领域的应用提供了一个详尽的解决方案，建模结果也 证明了指标体系和新算法的科学性和实用性。在此基础上，进一步构建了 分类技术应用于c r m 领域的系统框架，该系统框架对于解决c r m 中分类 方法的应用问题具有一定的代表性，也为数据挖掘技术在c r m 领域的应 用发展做出了一些新的探索和尝试。 随着数据挖掘分类技术的进一步发展和深化，这一研究领域也体现出 越来越重要的研究价值。同时，分类技术在电子商务时代c r m 中的进一 步深入应用，必然使c r m 具有更广泛的市场价值，为c r m 带来更广阔的 应用前景。因此，本文关于数据挖掘分类技术及其在c r m 中应用的研究 主题具有重要的学术价值和现实意义。 关键字：客户关系管理，数据挖掘，分类算法，评价指标 r e s e a r c ho nd a t am i n i n gc l a s s i f i c a t i o nt e c h n o l o g i e sa n d i t sa p p l i c a t i o ni nc r m a b s t r a c t i nr e c e n ty e a r s t h ec o r ei d e a si nm o d e r nm a r k e t i n gc o n c e p t sa n db u s i n e s s o p e r a t i o n sh a v e b e e nt r a n s f e r r i n g t oc 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 t ( c r m ) c r mi sap r o c e s so ft r a n s f o r m i n gt h ei n f o r m a t i o no fc u s t o m e r st o p o s i t i v ec u s t o m e rr e l a t i o n s h i p w i t ht h eg r o w i n gc o m p l e x i t yo fc u s t o m e r i n f o r m a t i o na n dt h es i g n i f i c a n ta c c u m u l a t i o no fc u s t o m e rd a t a ，t h e yg r a d u a l l y b e c o m ek e yf a c t o r si nb u s i n e s ss u c c e s st h a tt oa n a l y z ec o m p l i c a t e dc u s t o m e r d a t a ，t of i n do u tt h et r e n d so fc u s t o m e rb e h a v i o ra n dt o c r e a t er e a lv a l u eo f c u s t o m e r sf o r t h ef i r m s t h ed e c i s i o n - m a k e r ss t r o n g l yd e s i r e t ot r a n s f o r m m a s s i v ed a t a t ov a l u a b l ei n f o r m a t i o na n dk n o w l e d g e d a t am i n i n g t e c h n o l o g i e ss u p p l yp o w e r f u ls u p p o r t s t os u c hn e e d s t h ee f f e c t i v e a p p l i c a t i o no fd a t am i n i n gt oc r m c a ng e tv a l u a b l ek n o w l e d g ea n dr u l e s ， 缸o mm a s s i v ec u s t o m e rd a t a ，f o rd e c i s i o nm a k i n gi nf i r m s c l a s s i f i c a t i o n m e t h o d sa r et h em o s tp o p u l a rd a t am i n i n gt e c h n o l o g i e sa p p l i e dt ob u s i n e s s a n di n d u s t r yr i g h tn o w c l a s s i f i c a t i o na n di t sa p p l i c a t i o ni nc r m h a v eb e c o m e t h ec o m m o na r e a so fc o n c e r nf r o mb o t hs c h o l a r sa n de n t r e p r e n e u r s t h i sd i s s e r t a t i o nf i r s t l yi n t r o d u c e st h ef u n d a m e n t a lt h e o r i e so fc r m ， d a t am i n i n ga n dt h ea p p l i c a t i o no fd a t am i n i n gt e c h n o l o g i e si nc r m ，a n d r e c o m m e n d st h ed e t a i l e dp r o c e s s f o rt h e a p p l i c a t i o n o fd a t am i n i n g m e t h o d o l o g i e s t oc r m s p e c i f i e dp r o b l e m s t h e n ，t h i st h e s i si n t r o d u c e st h eg e n e r a lp r o c e s so fc l a s s i f i c a t i o n a n d f r e q u e n t l yu s e dc l a s s i f i c a t i o na l g o r i t h m ，a sw e l la ss y s t e m a t i cs u m m a r ya n d c o n c l u s i o no fc u r r e n t l ye x i s t e de v a l u a t i o ni n d e x e so fc l a s s i f i c a t i o na l g o r i t h m t or e c o v e rt h es h o r t f a l l so ft h o s ei n d e x e si nd e a l i n gw i t hs p e c i f i cp r o b l e m so f c r m ，t h i st h e s i sc r e a t e san e ws y s t e m a t i ci n d e xo fe v a l u a t i o n ，w h i c hs u p p l i e s s o m en e wi d e a st ot h ee v a l u a t i o no fd a t am i n i n ga l g o r i t h m s t h i st h e s i sa l s o p r o p o s e san e wc l a s s i f i c a t i o na l g o r i t h m ，b a s e do nt h o r o u g hs t u d yo fc u r r e n t a l g o r i t h m sa n dt h ep r a c t i c a ln e e d so fc r m f i n a l l y , t h i st h e s i sa p p l i e st h en e wa l g o r i t h ma n de v a l u a t i o ni n d e xt ot h e s p e c i f i cp r o b l e mo fc u s t o m e rf i n d i n g i na u t o m o b i l e ss a l e si n d u s t r y ，a n d c o n s t r u c t sad e t a i l e ds o l u t i o nf o rt h ea p p l i c a t i o no f c l a s s i f i c a t i o nt e c h n i q u e si n t h i sa r e a t h er e s u l t so fr e a l d a t am o d e l i n gp r o v e st h es c i e n t i f i c a n d p r a c t i c a l i t yo ft h a tn e wa l g o r i t h ma n de v a l u a t i o ni n d e x b a s e do nt h e s ew o r k ， t h i st h e s i sp r o p o s e sas y s t e mf r a m e w o r kf o ra p p l i c a t i o no fc l a s s i f i c a t i o n t e c h n i q u e s t ot h ec r ma r e a t h i s s y s t e mf r a m e w o r kh a ss o m e r e p r e s e n t a t i v e n e s si ns o l v i n gt h ea p p l i e dp r o b l e m so fc r mu s i n gd a t am i n i n g t e c h n i q u e s ，a n ds u p p l i e ss o m en e wc o n c e p t sa n di d e a s w i t ht h ed e v e l o p m e n to fd a t am i n i n gc l a s s i f i c a t i o n t e c h n o l o g i e s ，t h e s t u d yo fa p p l i c a t i o nf o rt h e s et e c h n i q u e si nc r mh a si n c r e a s i n g l yi m p o r t a n t r e s e a r c h v a l u e ，w h i c ho f f e r st h ec r mm o r em a r k e tv a l u ea n db e t t e r a p p l i c a t i o np r o s p e c t i v ei nt h ee - c o m m e r c ee a r b a s e do nt h ea b o v ea r g u m e n t s r e s e a r c hw o r ki n t h i st h e s i sh a s i m p o r t a n ta c a d e m i cv a l u ea n dp r a c t i c a l m e a n i n g ，f o rd a t am i n i n gt e c h n o l o g i e sa n da p p l i c a t i o no ft h e mi nc r m k e yw o r d s ：c 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 t ，d a t am i n i n g ，c l a s s i f i c a t i o n a l g o r i t h m ，e v a l u a t i o ni n d e x 插图清单 图1 1 本文的研究思路3 图2 1c r m 的系统结构9 图2 2 数据挖掘的功能1 0 图2 3 数据挖掘过程1 6 图3 1c r m 中数据挖掘系统结构2 1 图3 2 数据挖掘技术在c r m 中的应用流程2 2 图4 1 分类过程一般步骤2 9 图4 2l i f t 曲线图3 8 图5 1 消费者数据示例4 7 图5 2 消费者信息数据示例4 7 图5 3 建模数据示例5 1 图5 4 测试数据十分位数结果5 5 图5 5l i f t 图5 5 图5 6 分类技术在c r m 中应用的系统框架结构图5 7 v 表格清单 表4 1 混淆矩阵3 7 表5 1 变量变换示例4 8 表5 2 建模变量表5 0 表5 3 模型结果5 2 表5 4l o g i s t i c 回归模型变量及系数表5 3 v 独创性声明 本人声明所呈交的学位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。据 我所知，除了文中特别加以标志和致谢的地方外，论文中不包含其他人已经发表或撰写过的 研究成果，也不包含为获得佥起兰些丕堂 或其他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谢 意。 学位论文作者签字： 签字日期：口扩年6 月夕日 学位论文版权使用授权书 本学位论文作者完全了解金起王些太堂有关保留、使用学位论文的规定，有权保留 并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅或借阅。本人授权金 墅互些太堂可以将学位论文的全部或部分论文内容编入有关数据库进行检索，可以采用影 印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文者签名： 签字日期：口扩年6 月夕日 学位论文作者毕业后去向： 工作单位： 通讯地址： 名：怍切专 签字日期：脚c 月 日 电话： 邮编： 致谢 值此论文完成之际，首先感谢我的导师倪志伟教授。在三年的学习和 生活中，倪老师给予我很大的关心和帮助。从论文的选题、研究、参与科 研项目和实习、小论文的发表、论文的撰写到最终成文，无不渗透着导师 的智慧和心血，一直得到老师的启发、指导、支持和信任。倪老师渊博的 知识、严谨的治学作风以及富于创新的学术思想，让我在学业上受益匪浅。 在此，我谨向导师致以崇高的敬意和衷心的感谢! 三年的研究生学习和生活中，我得到了合肥工业大学管理学院智能管 理研究所的师兄师姐和师妹们的帮助，正是在和你们的交流、探讨中，在 你们的帮助下，我才得以不断提高。祝愿你们学业有成、前程似锦! 衷心感谢各位评审专家在百忙中抽出时间评审论文并提出宝贵意见! 借此机会，感谢我的父母，感谢刘彦初，你们在工作和生活上的支持 与关爱，使我能够安心学习，顺利完成学业! 谢谢你们! i v 段蕾 2 0 0 8 年5 月 1 1 论文的研究背景和意义 第一章绪论 随着市场经济的发展，企业间的竞争日趋激烈，客户的需求日趋个性 化，仅依靠产品本身很难在激烈的竞争中取胜，因此，企业的商业模式逐 渐从以产品为中心转向以客户为中心【lj ，客户关系管理( c r m ) 应运而生。 c r m 是企业为了保持竞争力，采取面向客户、客户驱动和以客户为中 心的发展策略。c r m “以客户为中心 的理念要求企业对自己的客户有最 全面深入的了解，同时，随着c r m 系统的不断完善，企业积累了大量的 客户信息，如何对这些信息进行有效的处理，使之成为企业决策的有效依 据是诸多实践者关注的问题。信息技术的飞速发展使得这一实际问题的解 决成为可能，而数据挖掘技术正是解决这一问题的最有效的手段之一。 数据挖掘( d a t am i n i n g ，d m ) ，又称数据库中的知识发现( k n o w l e d g e d i s c o v e r yi nd a t a b a s e ，k d d ) ，是指从大量的、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、人们事先未知的、但 又是潜在有用的信息和知识的过程。即利用各种分析工具在海量数据中发 现模型和数据间的关系并做出预测的过程。数据挖掘的研究是当前学术界 和信息产业界的一个重要的研究热点。 分类分析( c l a s s i f i c a t i o n a n a l y s i s ) 是数据挖掘研究中的一个重要课题， 也是在商业领域中应用最广泛的数据挖掘技术。分类的目的是找出一个分 类函数或分类模型( 又称分类器) ，该模型能把数据库中的数据项映射到 给定类别的某一类中，从而提取模型特征或预测未来的数据趋势。用分类 技术解决c r m 的实际问题，或者将分类算法和其他的数据挖掘技术进行 组合应用都是目前数据挖掘领域的研究热点，同时，对于企业界具有重要 的实际意义。 企业的数据库中存储了大量的客户数据，利用数据挖掘技术，深入分 析、挖掘隐含在这些数据中的有用信息，将有助于企业更好地管理客户关 系，实现c r m 的功能和目标。同时，企业在实施c r m 的过程中，需要通 过复杂信息的深层次分析，为企业行为提供决策支持，而数据挖掘作为一 种先进的、深层次的分析工具，可以通过对数据的分析挖掘，发现深层次 的知识，并对将来的趋势和行为进行预测，从而做出相应的知识驱动的决 策。因此，研究数据挖掘分类技术在c r m 中的应用，将分类技术具体应 用到c r m 的问题中，提出详细的解决方案，具有重要的研究价值和现实 意义。 1 2 论文的主要内容和结构安排 本文所做的工作主要分为五个部分： 第一部分主要是基础理论研究。首先阐述了客户关系管理基础理论、 数据挖掘基础理论以及数据挖掘在c r m 领域中的应用现状及体系结构等 问题。在深入研究理论的基础上，根据c r m 实际应用的特点，本文提出 了数据挖掘技术在c r m 中应用的具体流程，该流程改进和细化了现有的 研究成果，充分考虑了数据挖掘技术在应用时面临的诸多实际问题，提出 了一种解决办法。 第二部分是分类方法及评价指标的研究。首先阐述了分类的一般过程 及目前常用的分类方法。对现有的分类算法评价指标进行了详细的总结和 比较，在此基础上，结合c r m 的实际应用需求，提出了m p m p t 量化评 价指标体系，该指标既充分考虑了数据挖掘分类方法本身的特点，又考虑 了c r m 这一应用领域的特点，综合了评估数据挖掘分类方法的一般标准 以及特定应用领域对方法评价的特定要求，并且操作非常简便。是数据挖 掘技术在c r m 应用中的一种简单合理的评价指标，具有很强的实用价值。 第三部分在遗传算法的基础上，提出了一种新的数据挖掘分类算法一 一朴素遗传算法( n a i v eg e n e t i ca l g o r i t h m ，n g a ) ，该算法原理简单、运算 方便，可以独立使用，也可以在现有成熟模型的基础上进行二次建模，从 而进一步提高模型的分类能力。通过大量建模实验，证明该方法能够极大 简化计算量，节省大量计算资源，却能够保留遗传算法的高效率。 第四部分将本文的主要研究成果m p m p t 评价指标及n g a 算法应用 到汽车销售领域的客户发现问题中，给出了该问题的具体解决方案和详细 处理流程。通过理论联系实际的论述，为在c r m 中实施数据挖掘分类技 术提供了参考。 第五部分在实际应用的基础上，进一步构建了分类技术应用于c r m 领域的系统框架，给出了数据挖掘分类技术在处理c r m 具体问题时的流 程、步骤及每一步相关的技术、方法和工具。该系统框架对于解决c r m 中分类方法的应用问题具有一定的代表性，也为数据挖掘技术在c r m 领 域的应用发展做出了一些新的探索和尝试。 本文开展研究工作所遵循的基本思路如图1 1 所示： 2 数据挖掘分类技术及其在c r m 中的应用研究 数据挖掘理论c r m 理论 数据挖掘在c r m 中的应用 现有分类方法在c r m 中的应用 提出n g a 算法 常用的算法评价指标 提出m p m p t 指标体系 m p m p t 指标及n g a 算法的实际应用 d m 分类技术应用于c r m 领域中的系统框架 图1 1 本文的研究思路 论文共分为六章，具体的结构安排如下： 第一章绪论，介绍了论文的研究背景和意义，给出论文的主要研究 内容和结构安排。 第二章阐述了客户关系管理和数据挖掘的基本理论问题。 第三章阐述了数据挖掘技术在c r m 领域中的典型应用，介绍了目前 常用系统的体系结构，在此基础上提出了数据挖掘应用于c r m 领域的详 细处理流程。 第四章介绍了分类的一般过程、常用的分类方法；系统总结了目前 常用的算法评价指标；结合c r m 中的实际应用问题对分类方法的要求， 提出了m p m p t 评价指标体系；同时，本章还提出了一种新的数据挖掘分 类算法一一朴素遗传算法( n g a ) ，并详细叙述了该算法的步骤及特点。 第五章将本文的研究成果应用于汽车销售领域的客户发现问题中， 在建模过程中运用了多种分类方法和本文提出的n g a 算法，并将n g a 算 法和其他分类算法进行组合应用，进而对其结果进行了比较，同时，在方 3 法评价过程中，引入了本文提出的m p m p t 评价指标；在此基础上，进一 步提出了分类技术应用于c r m 领域的系统框架。 第六章对本文的工作进行了总结和展望。总结了作者在论文研究过 程中得出的主要结论和取得的主要成果，并对论文需要进一步改进的方向 进行了展望。 4 第二章c r m 及数据挖掘基本理论 2 1c r m 基本理论 随着经济的高速发展，产品更新速度明显加快，仅仅依靠产品和价格 已无法保持竞争优势，同时，信息技术的发展使顾客选择产品的机会和方 便性不断增加，客户需求日益多样化、个性化，消费期望值日趋提高。企 业要想在激烈的竞争中取胜，就要充分发挥其自身优势，向客户提供优质 的、个性化的服务，与客户建立长久、稳固的关系，从而提高客户价值和 企业价值，保证企业利润。 2 1 1c r m 的产生 2 0 世纪8 0 年代中期，随着社会经济的发展，产品日益丰富，很多行 业中商品和服务同质化不断加强，客户自主选择的机会更多，选择也更加 自由，市场竞争逐步升级，企业的经营模式也逐步从“以产品为中心 的 模式向“以客户为中心”的模式转移，从而推动了营销理论的变革，现代 市场营销理论的核心已经由原来的4 p ，即产品( p r o d u c t ) 、价格( p r i c e ) 、 渠道( p l a c e ) 、促销( p r o m o t i o n ) ，发展演变为4 c ，即消费者( c u s t o m e r ) 、 消费者愿意支付的购买成本( c o s t ) 、便利( c o n v e n t i o n ) 、沟通 ( c o m m u n i c a t i o n ) ，实现了真正意义上的以消费者为中心。c r m 作为一种 管理思想，是市场营销核心理念的体现和延伸。客户关系管理，是企业为 提高核心竞争力，达到竞争取胜、快速成长的目的，树立的以客户为中心 的发展战略，并在此基础上开展的包括判断、选择、争取、发展和保持客 户所需实施的全部商业过程。 从企业对客户的管理需求来看，为了提高客户满意度，企业必须完整 掌握客户信息，准确把握客户要求，并且建立起快速响应的管理机制，创 造便利的购买渠道、良好的售后服务和经常性的客户关怀。这就从客观上 要求企业采用先进的管理方式来管理客户信息。同时，计算机、通讯技术、 互联网应用的飞速发展，为先进的管理方式提供了必要的技术支持。此外， 数据仓库、商务智能、数据挖掘等技术的发展，大大提高了信息处理的能 力和质量。因此，企业对完整客户管理解决方案的需求和现代科学技术的 发展共同促使了客户关系管理的提出。 5 2 1 2c r m 的概念 客户关系管理( c 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 t ，c r m ) 的思想起 源于美国，在8 0 年代初便有所谓的“接触管理( c o n t a c tm a n a g e m e n t ) 专门收集客户与公司联系的信息，到9 0 年代则演变成包括电话服务中心 支持资料分析的“客户关怀”( c u s t o m e rc a r e ) 。c r m 作为一种概念，最 早由g a r t n e rg r o u p 公司于1 9 9 7 年提出，但至今还没有一个公认的定义， 目前，代表性的表述有以下几种【z ，3 ，4 ，5 ，6 j ： g a r t n e rg r o u p 认为，客户关系管理就是“为企业提供全方位的管理视 角，赋予企业更完善的客户交流能力，最大化客户的收益率 。c r m 是一 种商业策略，按照客户的分类情况有效地组织企业资源，培养以客户为中 心的经营行为以及实施以客户为中心的业务流程，并以此为手段来提高企 业的赢利能力、利润以及客户满意度。 卡尔松营销集团( c a r l s o nm a r k e t i n gg r o u p ) 把c r m 定义为：通过培养 公司的每一个员工、经销商或客户对该公司更积极的偏爱或偏好，留住他 们并以此提高公司业绩的一种营销策略。 h u r w i t zg r o u p 认为，c r m 的焦点是自动化并改善与客户关系有关的 商业流程( 如销售、市场营销、客户服务和支持等) 。c r m 既是一套原则 制度，也是一种软件和技术。其目标是缩减销售周期和销售成本、增加收 入、寻找扩展业务所需的新的市场和渠道以及提高客户的价值、满意度、 赢利性和忠实度。c r m 应用软件将最佳的实践具体化并使用了先进的技 术来协助各企业实现这些目标。在整个客户生命期中都以客户为中心，意 味着c r m 应用软件将客户当作企业运作的核心。c r m 应用软件简化协调 了各类业务功能( 如销售、市场营销、服务和支持) 的过程并将其注意力 集中于满足客户的需要上。 i b m 所理解的客户关系管理包括企业识别、挑选、获取、发展和保持 客户的整个商业过程。i b m 把客户关系管理分为三类：关系管理、流程管 理和接入管理。 盖洛普公司( g a l l u p ) 将客户关系管理定义为：策略+ 管理+ i t 。这是 个简单的公式，却蕴藏着复杂的定义。策略是指战略，管理指战术，i t 指 工具，三方面缺一不可。 中国客户关系管理研究中心( c r mr e s e a r c hc e n t e ro f c h i n a ，c r c c ) ， 从管理哲学、经营管理、技术方法三个层面对c r m 进行了界定：“c r m 是先进的管理与信息科技结合的典范，是企业为提高核心竞争力，重新树 立以客户为中心的发展战略，并在此基础上开展的包括判断、选择、争取、 发展和保持客户所需实施的全部商业过程；是企业以客户关系为重点，通 6 过开展系统化的客户研究，优化企业组织体系和业务流程，提高客户满意 度和忠诚度，提高企业效率和利润水平的完整管理实践；也是企业不断改 进与客户关系相关的全部业务流程，努力实现电子化、自动化运营过程中， 所创造和使用的i t 技术、软硬件及优化方法、集成方案等的总和 。 还有许多其他研究机构与学者提出了各自不同的c r m 定义。综合上 述定义，可以看出c r m 包括三个层面：理念、技术、实施。理念是c r m 成功的关键，它是c r m 实施应用的基础和土壤；信息系统、i t 技术是c r m 成功实施的手段和方法；实施过程是决定c r m 成功与否、效果如何的直 接因素。我们由此可以这样界定c r m 的定义【o j ：c r m 是企业为提高核心 竞争力为目的，树立的以客户为中心的发展战略，并在此基础上开展的包 括判断、选择、争取、发展和保持客户所需实施的全部商业过程；是企业 以客户关系为重点，通过开展系统化的客户研究，通过优化企业组织体系 和业务流程，提高客户满意度和忠诚度，提高企业利润水平的工作实践； 也是企业在不断改进与客户关系相关业务流程，最终实现电子化、自动化 运营目标的过程中，所创造并使用的先进的信息技术、软硬件和优化的管 理方法、解决方案的总和。 2 1 3c r m 的研究现状和发展趋势 c r m 是一种以客户为中心的经营策略，它以信息技术为手段，对工作 流程进行重组，赋予企业更完善的客户交流能力，最大化客户的收益率。 客户关系管理包括一个组织机构判、选择、争取、发展和保持其客户所要 实施的全部过程。 c r m 的理念固然重要，但是如果没有c r m 系统的产生，这些理念充 其量只是现代营销学的一两个论点而已。c r m 系统在国外的发展已有十余 年的历史，约在9 0 年代初期，最初的c r m 开始应用，其原型起源于企业 内部使用的管理信息系统，如销售队伍自动化( s f a ) 、客户服务支持系统 ( c s s ) 和呼叫中心( c a l lc e n t e r ) 等。这些软件广泛应用于销售、服务等 领域，为这些部门的管理提供了先进的解决方案，但是这些系统面向一个 单一的部门，功能相对简单，不能为企业提供与客户之间的完整视图。因 此，从2 0 世纪9 0 年代中后期开始，c r m 软件制造商以客户作为系统组织 的主线，结合数据仓库、数据挖掘、i n t e r n e t 、移动办公等新的理念和技术， 不断把独立的应用组合为完整的c r m 解决方案，使其成为管理整个企业 与客户关系的有力工具。 c r m 的思想和系统在欧美都得到了广泛的发展和应用，在金融、保险、 通信、汽车、服务、机械制造、电子、运输、零售业、旅游和传播媒体等 7 行业里都广泛应用并有许多成功的应用实例，大量的企业，如朗讯、s u n 微系统公司、通用汽车、微软、美国银行、西门子等都使用了c r m 系统。 o r a c l e 、s i e b l e 、i b m 、s a s 、m i c r o s o f t 、h p 等i t 巨头已视c r m 为未来 重要的发展方向，并成为c r m 市场的主流供应商。同时，众多的c r m 咨 询公司也在力争占领新市场的份额，安永、德勤、普华永道等都已经开始 提供c r m 咨询服务。 c r m 的概念在1 9 9 9 年进入中国，迅速得到管理理论界、企业界、软 件行业的广泛关注。中国的软件企业积极投入到c r m 软件的开发当中， 竞相实现c r m 软件的本土化。随着用友、金蝶、创智、t u r b oc r m 、联 成互动等国内企业对c r m 投入的不断加大，中国c r m 软件市场也会快速 增长。 在全球范围内，c r m 的发展主要呈现以下几个重要趋势： ( 1 ) 越来越多的c r m 供应商开始进行强强联合，以获得更大的竞争 优势： ( 2 ) 大型企业的c r m 市场已经趋于饱和，而中小企业用户的c r m 市 场才刚刚起步，越来越多的供应商开始关注中小企业市场； ( 3 ) c r m 多样化发展趋向成熟，通用产品的行业适用度和成熟度不 断提升，同时，专项定制产品的个性化和专业性也不断提高； ( 4 ) c r m 在银行、证券、保险、电信、电力等行业的应用已经比较 成熟；在高新科技、咨询服务、医药卫生、通讯电子、汽车销售、网络科 技、商业贸易等行业的发展呈快速上升的趋势。 2 1 4c r m 的系统结构和功能构成 不同行业和企业的客户关系管理的解决方案各具特色，但从方法论的 角度出发，c r m 是一种以客户为中心的市场营销理念和策略，它以信息技 术为手段，对业务功能进行重新设计，并对工作流程进行重组。它集合了 多种现代信息技术，包括：i n t e r n e t 和电子商务、多媒体技术、数据仓库和 数据挖掘、专家系统和人工智能等。c r m 的焦点是自动化并改善与销售、 市场营销、客户服务和支持等领域的与客户关系有关的商业流程。其以客 户为中心的业务流程分析思路具有一定的共性，从系统功能结构上可将整 个c r m 的架构分为三个关键部分1 7 j ： ( 1 ) 操作型c r m ：用于自动地集成商业过程，包括对销售、营销和 客户服务三部分业务流程的信息化，客户接触点、渠道、前后端的集成【8 9 1 ； 主要帮助企业做流程控制，其关键问题是如何解决数据共享。 ( 2 ) 协作型c r m ：关注客户接触点的交互，即与客户进行沟通所需 8 要的手段( 如呼叫中心、网络、电话、e m a i l 等) 的集成和自动化处理。 ( 3 ) 分析型c r m - 对操作型c r m 和协作型c r m 产生的信息进行分 析处理，是以数据仓库为基础，通过数据挖掘产生商务智能，为企业决策 提供支持。包括：客户服务支持、客户市场细分、客户变动分析、交互和 垂直销售分析、新客户模型、客户接触最优化、广告分析、信用风险评分、 客户生命周期价值模型等【1 0 】。 其系统结构如下图2 1 所示： 回回团匦 企业应用系统集成( e a i ) 耋意嘉丙一 堑际蠢翮赢隔基 移动销售ii 现场服务il 电子商务 财务 数据 集市 数据仓库 分 析 型 客户i l 产品 数据l i 数据 集市l l 集市 数据挖掘o l a p 数据统计报告 决策支持( d s s ) 商务智能( b 1 ) 2 2 数据挖掘基本理论 2 2 1 数据挖掘的定义 图2 1c r m 的系统结构 数据挖掘( d a t am i n i n g ，d m ) 1 1 , 1 2 , 1 3 】又称数据库中的知识发现 ( k n o w l e d g ed i s c o v e r yi nd a t a b a s e ，k d d ) ，是指从大型数据库或数据仓库 中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式的过程。 精确地说，在k d d 中进行知识学习的阶段称为数据挖掘。数据挖掘是k d d 中一个非常重要的处理步骤，但人们通常不加区别地使用这两个术语。 数据挖掘要解决的问题就是在庞大的数据中寻找有价值的信息，加以 9 分析，并将这些有意义的信息归纳成结构模式，给用户提供决策支持。它 是数据库研究中的一个很有应用价值的新领域，融合了数据库、人工智能、 机器学习、统计学等多个领域的理论和技术。 2 2 2 数据挖掘的功能 根据数据挖掘任务中要找的模式类型的不同，数据挖掘的功能一般可 以分为两类【1 5 , 1 6 ：描述型数据挖掘和预测型数据挖掘。描述型指找到描述 数据的可理解模式，刻画数据集合的一般特性；预测型是指根据数据的已 知属性预测或验证其他未知的变量或属性值，从而达到预测的目的。数据 挖掘的主要的功能如图2 2 所示： 图2 2 数据挖掘的功能 根据所挖掘的知识类型的不同，可以将其常见功能归纳为以下几类 【2 0 】： 1 概念描述 概念描述 ( c o n c e p td e s c r i p t i o n ) 就是通过对与某类对象关联数据的 汇总、分析和比较，对此类对象的内涵进行描述，并概括这类对象的有关 特征1 2 2 1 。这种描述是汇总的、简洁的、精确的和有用的知识。特征描述和 判别描述是两种典型的描述。特征描述给出了某类对象的总体特征，判别 描述则给出了对象之间的差异。 2 预测行为和趋势 利用历史数据找出规律，建立模型，并用此模型来预测未来数据的种 类特征等。尽管历史数据本身并不能对未来进行预测，但是其中隐含的模 式本身趋于一种不断的循环往复。因此，只要对某一个数据集建立具有代 表性的模型，就可以对它进行预测。通过对数据集中数据的分析，利用统 计分析的方法，找出需要预测的属性值并根据相似数据的分析来估算属性 1 0 值的分布情况。 3 分类分析 分类分析 ( c l a s s i f i c a t i o na n a l y s i s ) 就是通过分析i ) l l 练数据集中的数 据( 即其类标记已知的数据对象) ，为每个类别做出准确的描述、建立分 析模型或挖掘出分类规则，然后用这个分类规则对数据库中的其它记录进 行分类。分类模式的预测值可以是离散的( 如根据某种动物的特征来判断 这种动物是两栖动物还是哺乳动物) ，也可以是连续的( 如根据某人的受 教育情况和工作经验来判断这个人的工资范围) 。分类分析是一个两步过 程：第一步，建立一个模型，描述预定的数据类集或概念集。通过分析由 属性描述的数据库元组来构造模型。假定每一条记录都属于一个确定的类 别，由一个称作类标号属性的属性确定，为建立模型而被分析的数据元组 形成训练数据集。训练数据集中的单个元组称作训练样本。通常，学习模 型用分类规则、判定树或数学公式的形式提供。第二步，使用模型进行分 类。首先评估模型( 分类法) 的预测准确率。如果模型的准确率可以接受， 就用它对类标号未知的数据元组或对象进行分类。 分类分析的实现技术包括决策树、统计技术、粗糙集、神经网络、贝 叶斯分类、支持向量机等。最为典型的决策树学习系统是i d 3 ，它采用自 项向下不回溯策略，能保证找到一个简单的树。算法c 4 5 和c 5 0 都是i d 3 的扩展，它们将分类领域从类别属性扩展到数值型属性。线性回归和线性 辨别分析是典型的统计模型分析方法。 4 聚类分析 聚类分析 ( c l u s t e r i n ga n a l y s i s ) 和分类分析是一个互逆的过程。在 统计方法中，聚类分析是多元数据分析的三大方法之一( 其它两种是回归 分析和判别分析) 。在机器学习中，聚类分析被称作无监督或无教师归纳； 在人工智能文献中，聚类也称概念聚类。与分类分析不同，聚类分析输入 的是一组未分类记录，并且这些记录应分成几类事先未知。聚类分析就是 通过分析数据库中的数据记录，根据一定的分类原则，合理地划分记录集 合，确定每个记录所在的类别。数据库中的记录被划分为的一系列有意义 的子集称为簇。其分类原则采用最大化类内相似性、最小化类外相似性原 则，即使得一个簇中的对象具有很高的相似性，而与其他簇中的对象很不 相似。 聚类分析的实现方法包括统计方法、机器学习方法、神经网络方法和 面向数据库的方法，比如，系统聚类法、分解法、加入法、动态聚类法、 有序样品聚类、有重叠聚类、模糊聚类法、运筹方法等。主要的聚类算法 的类型可分为基于划分方法、基于层次的方法、基于密度的方法、基于网 格的方法、基于模型的方法等。一个聚类算法通常包含了多种聚类方法的 思想。 聚类分析和分类分析在实际应用中可以结合使用，例如在最初的分析 中，分析人员根据以往的经验先利用聚类分析将要分析的数据进行标定， 划分类别，然后用分类分析方法分析该数据集合，挖掘出每个类别的分类 规则，接着用这些分类规则重新对这个集合( 抛弃原来的划分结果) 进行 划分，以获得更好的分类结果。这样分析人员可以循坏使用这两种分析方 法直至得到满意的结果。 5 关联分析 关联分析( a s s o c i a t i o na n a l y s i s ) 是发现一个事件和其他事件之间相 互依赖或关联的知识。数据关联是数据库中存在的一类重要的可被发现的 知识，关联分析可以从数据库中大量的数据中发现项集之间有趣的关联、 相关关系以及项集的频繁模式。从不同的角度考察，关联分析所发现的关 联规则有多种分类l l