数据挖掘在客户关系管理系统中的应用研究.pdf

第 3 5卷第 4期 2 0 1 5年 8月 东北电力大学学报 J o u r n a l Of N o r t h e a s t Dia n li U n iv e r s it y Vo 1 3 5 No 4 Au g ， 2 01 5 文章编号 ： 1 0 0 5 - 2 9 9 2 ( 2 0 1 5 ) 0 4 - 0 0 0 7 3 - 0 6 数据挖掘在客户关系管理系统中的应用研究 王 欣 ， 薛 雯， 魏 源彤 ( 东北电力大学 经济管理学 院， 吉林 吉林 1 3 2 0 1 2 ) 摘 要： 随着“ 以客户为中心” 经销模式的应用， 企业越来越重视客户关系建设。企业积累了大量 的客户数据， 建立了客户关系管理系统， 数据挖掘技术为客户关系深层次分析提供了技术保证。利用数 据挖掘可以进行客户细分、 客户流失率分析、 客户满意度分析和市场交叉营销等分析。结合客户关系的 特点， 研究了基于数据挖掘的客户关系管理智能系统的体系结构， 提出数据挖掘在客户关系管理系统中 的实施流程， 研究了 I D 3算法的不足和改进算法。利用 K - m e a n s 对客户进行聚类分析， 并用改进的 I D 3 决策树进行解释， 可以更好地为管理者提供客户的有用信息， 可以指导企业更好地开展有针对性的低成 本服务， 可以提高企业的市场竞争力和客户的满意度。 关键词： 客户关系管理； 数据挖掘； K m e a n s 算法 ； I D 3算法 中图分类号 ： T P 3 1 1 文献标 识码 ： A 客户关系管理( C u s t o m e r R e la t i o n s h ip Ma n a g e me n t ， C R M) 是利用现代信息技术 ， 通过对客户进行深 层次地跟踪 ， 分析客户 的需求 ， 以留住老客户 、 吸引新客户 ， 并且可 以及时地发现忠诚度可能会发生 变化的客户 ， 及时地采取措施 ， 维 护企业 的利益。随着企业经营模式从 以“ 产 品” 为核心转变为 以“ 客 户” 为核心 ， 客户关系管理的重要性 日益显现 _ 2 J 。客户关系管理是工业发达国家对 以客户为中心的营 销的整体解决方案 j ， C R M是从客户实际需求出发， 利用现代信息工具， 增强企业在客户服务、 客户开 发及客户发展等方面的执行能力 ， 从而提高企业盈利及客户 的满意度 ， 实现客户和企业“ 双赢 ” 的管理 理念。客户关系管理系统是 目前正在兴起 的一种 旨在健全 、 改善企业 与客户之 间关 系的新 型管理 系 统 4 J 。客户关系管理系统不仅仅要对客户信息进行管理 ， 更重 要的是要利用 客户关 系进行数据 的挖 掘 ， 以便更好地了解营销市场的结构 、 客户的喜好等 ， 以便开发新产品及调整营销策略等 。目前 ， 企业对 积累的大量客户数据缺乏深层次的挖掘 ， 使得客户 的服务处于落后 的地位 。为了更好地对客户关系 进行研究， 将数据挖掘引入到客户关系管理系统中是非常必要的。利用数据挖掘可以找出潜在的客户 需求模式和消费行为模型， 帮助企业提高客户的满意度， 降低客户的流失率 ， 提高销售业绩， 真正体现企 业“ 以客户为中心” 的服务理念。本文研究客户关系管理智能系统的体系结构 、 数据挖掘 的应用流程以 及 K m e a n s 算法和 I D 3算法的在客户关系管理系统中的应用。 1 数据挖掘技术 数据挖掘( D a ta M i n i n g ) 也称为数据库中的知识发现， 它是一种处理大量数据的数据分析技术。主 要是从大量的、 有噪声的、 模糊的、 不完全的随机数据中提取隐含的、 未知的、 潜在的但有使用价值的信 收稿 日期 ： 2 0 1 5 - 0 5 - 2 0 基金项 目： 吉林省教育厅“ 十二五 ” 科学技术研究项 目( 吉教科合字 2 0 1 3第 1 1 9号 ) 作者简介： 王欣( 1 9 6 4 一 ) ， 女， 河北省乐亭市人， 东北电力大学经济管理学院教授， 博士， 主要研究方向： 信息管理与信息系统 7 4 东北 电力 大学学报 第 3 5卷 息和知识的复杂过程。数据挖掘技术应用 了统计学知识 、 机器学 习、 模式识别理论 、 数据库及数据仓库 理论、 信息检索理论 、 可视化理论 、 数学算法以及高性能计算等知识和技术。数据挖掘 的方法有神经元 网络、 遗传算法、 粗糙集方法、 覆盖正例排斥反例方法、 统计分析方法和模糊集方法等。数据挖掘是数据 库 中知识发现的关键技术 ， 它利用特定 的知识发现算法 ， 从大量的数据中搜索 隐含在数据 中的知识 。 2 基于数据挖掘 的客户关 系管理智 能系统 的体系结构 客户关系管理就是 以“ 客户为中心” ， 使企业走出以“ 产品为中心” 的经营理念 ， 它是一种企业经营 模式 。客户关系管理把客户的需要作为企业发展 的宗 旨， 这种观念将推动企业最大 限度地利用其与客 户的相关资料 ， 实现企业有效的服务和立体化管理 ， 从而最大化企业 的整体利益。传统的 C R M 系统一 般包括市场管理 、 销售管理 、 产 品与交货管理、 服务与支持管理、 呼叫中心等部分功能。为了便于企业做 出快速 、 有效的决策 ， 可以将 C R M、 企业资源计划( E n t e r p r i s e R e s o u r c e P l a n n i n g ， E R P) 、 供应链管理系统 ( S u p p l y C h a i n Ma n a g e m e n t ， S C M) 及其他应用系统集成起来 。E R P、 S C M等可作为 C R M 的数据仓库的 数据源。 。 J ， C R M可以将市场分析预测 的结果及时反馈给 E R P系统 ， E R P系统根据对市场 的预测情况 ， 及时地调整产品生产和营销策略。E R P、 S C M 和 C R M的链接使企业 的生产、 销售等部 门可以根据市场 预i 贝 0 做出快速敏捷 的反应 。获得客户的关键是寻找客户信息与行为模式之间的关系 ， 将数据挖 掘应用 于客户关系管理系统中， 就可以及时的发现客户的需求及客户忠诚度等信息， 企业就可以及时地调整企 业的生产和营销策略。 图 1 基于数据挖掘 的 C R M智能系统体系结构 从 图 1 基于数据挖掘的 C R M智能系统的体系结构可 以看 出， 数据层是客户关系管理 系统的物理基 础 ， 是客户数据的源泉 ， 它包括企业 内部和外部的各种信息平 台和数据库系统。不同数据源 中的数据经 过整合 ， 存放于数据仓库中。数据集市是中心数 据信 息库 的逻辑子集 ， 也称为 “ 部 门级 的数据仓库 ” 。 数据集市按照业务领域组织数据 ， 一个数据集市包含一个特定 的业务分析领域数据， 如客户互动信息集 + 一 丁一 7 6 东北电力大学学报 第 3 5卷 根据帕累托法则 ， 对 目标市场客户群进行识别 ， 根据客户群识别的结果 ， 有针对性地 向少数客户推送营 销短信， 并采用电话呼叫等方式通知少量客户， 这样既可以节省通信费用， 又可以节省人力， 同时银行也 可以得到很高的利润回报。 以往的客户价值分析多是单纯利用聚类分析来进行 ， 这些聚类 的方法虽然可以将客户划分成不 同的价值群 ， 但是缺少判断的标准 ， 对不同类的客户价值规律不能很好地进行解释， 需要决策者 自己去 进行判断 ， 因此 ， 主观性会很强 ， 不同的决策者会做出不同的决策。客户价值 的分析有很多的方法 ， 为了 减少决策者的主观意愿 ， 可 以采用聚类分析和分类分析相结合 的方法 。本文主要利用 K me a n s 算法和 I D 3决策树对客户进行细分。利用 K - me a n s 算法对客户样 本的客户价值进行聚类分析 ， 合理地划分客 户记录集合 ， 从而确定每个记录所归的类别 。再利用改进 的 I D 3决策树对客户聚类结果进行解释 ， 找出 每类客户群 的价值分布规律 ， 从而使分析结果更加有意义。 4 1 K - me a n s算法聚类分析 K m e a n s 算法是以距离值的平均值来对客户进行聚类的， 它通过欧氏距离、 绝对距离、 类平均距离、 离差距离等进行度量 。由于每一个客户只能被分 配到一个 聚类 中， 该方法又称 为硬聚类。K m e a n s 算 法处理过程如下 ： 设数据集 D具有 凡个样本 ， 每个样本有 m维 ， 对 t 个样本 m维进行聚类。 n个样本集表示为 X： X ， X ， ， ， ( 1 ) 其 中， 置 为 X = ， ， ， ( 2 ) 聚集成 k 个分类 ： C= C ， C ， ， C ， ( 3 ) 聚类 中心为 z ： 1 ni = ， i= 1 2一 ， k ( 4 ) i Ji 1 在数据集 D中随机选 k 个样本点 ， 这些样本点作为一个簇的初始平均值 ， 对剩余的 mk 个样本点 ， 计算它们与各个簇 中心的距离 ， 将这个值赋予最近的簇 ， 然后 ， 再重新计算每个簇的中心距离 ， 到准则 函 数收敛为止。本研究采用平方误差准则 ， 公式如下 ： k E： X ， ( 5 )i E C I X 2 I 其中 ： E为数据集 D中所有点的平方误差总和， k 为分类的个数 ， 及簇 的个数 ， C 代表第 i个簇 ， z 代表第 i 个簇 的聚类 中心。 聚类分析步骤如下 ： ( 1 ) 在数据集 D中选择 k个样本点 ， 将 k个样本点值分别赋给初始 的聚类中心 ； ( 2 ) 对样本集 D中的所有点 =1 ， 2， ， ) ， 依次计算其到各簇中心 2 的距离 ： d = l 置 一z l ( 6 ) ( 3 )找出 =1 ， 2， ， r t )对于 的最小距离 Min ， 将 ， 归入到和 z 距离最小的簇 中； ( 4 )重新计算各簇 的聚类 中心 ； ( 5 )按照公式( 5 )计算数据集 D中的所用点的平方误差 E ( t ) ， 并与前一次的误差 E( t一1 )进行 比较 ； ( 6 )如果 E( t )一E( t 1 )0 ， 则转 ( 2 ) ， 否则算法结束 。 在使用 Km e a n s 进行聚类分析时， 聚类之间不得相互连接 ， 不得相互重叠 。 4 2 用 I D 3决策树解释聚类分析结果 I D 3算法是 1 9 8 6年 Q u in la n提 出的， 用于决策树 的构造。其核心思想是 ， 利用信息增益值作为决策 第 4期 王欣等 ： 数据挖 掘在 客户关 系管理 系统中的应 用研 究 77 树 中每个节点所对应的分裂属性的度量标准 。利用信息增益最大的属性来划分训练样本集合 ， 使得划 分后的训练样本集所需的信息量最小。I D 3 算法的描述如下： 设 P 为训练集， 尸 中有P 个正例和 个反例， 对于一个样本集， 正例集的P E的概率为_ ， 反 L p 十 nJ 例集 N E的概率为_ _。 L p 十 n 一 颗决策树可以被看做是具有正、 反例集的消息源 ， 消息源产生的消息期望信息 I ( p ， n ) = 一 l o g 2 一 圭l o g 2 圭 ， ( 7 ) P 1 n P n P 广 n P 1 。 n 设属性A的取值为 ， A ， ， A ) ， 将P 分类为Ii 个子集 P N P 2 ， P ) 。设P 有P 个正例， n 个 反例， 子树 所需要的期望信息为I ( p ， n ) 。且根为4的树所需要的期望信息为各子树所需的期望信 息的加权平均值 ， 即 ) = ， ( p ( 8 ) 以根为 A的树进行分类得到的信息增益为 G a in ( A) =I ( p， n )一E( A) ， ( 9 ) I D 3算法选择 G a in ( A) 最大的属性作为该节点的分支属性 ， 对于决策树的每个节点都使用这条原则 ， 直 到建立出完整的决策树为止。 I D 3决策树生成算法如下 ： 输入： S ： 训练样本集， 主要由离散属性值描述； C a n d i d a t e - a t t r i b u t e ： 候选属性集合。 输出： 一颗决策树。 方法 ： ( 1 ) 创建节点 N； ( 2 ) I F S都在一个类 C T H E N； ( 3 ) 返 回 N作为叶结点 ， 标记为类 C； ( 4 ) I F C a n d id a t e - a t t rib u t e为 N u ll T H E N； ( 5 ) 返 回 N作为叶结点 ， 标记为 S中的普通类 ； 多数表决 ； ( 6 ) 选择 C a n d i d a t e a t tr i b u t e 中具有最高信息增益的属性A ； ( 7 ) 标记节点 N为 A； ( 8 ) F O R E a c h A中的已知值 a i； q 分训练样本 ； ( 9 ) 由节点 N长出一个条件为 A= n 的分支 ； ( 1 0 ) 设 S 是训练样本 S中的分支； 一个划分 ； ( 1 1 ) I F A= o 为 N u ll T HE N； ( 1 2 ) 加上一个树叶 ， 标记为 s中最普通的类 ； ( 1 3 ) E L S E加上一个由 G e n e r a t e d e c is io n t r e e ( S ， c a n d id a t e A) 返 回的节点。 采用 I D 3 算法分类的精确度较高， 层数和叶子数很少。但是， I D 3算法存在一些不足： 如 I D 3 算法 的分裂度量标准使用的是信息增益， 通过实践发现该算法对于选择的属性值个数比较多的属性比较适 用， 而属性值个数较多的属性不一定是最优的属性 。I D 3算法适用于处理离散属性 ， 对于连续的属 性需要进行离散化处理， I D 3 算法不适合处理某个属性缺少具体属性值的情况。鉴于以上缺点， 对 I D 3 算法进行了改进 ， 在改进的算法 中引入了一个修正 的参数。在求 出每个属性的信息增益后 ， 利用函数箅 出参数 ， 去修正该信息增益 ， 将其作为属性选择及样本划分子集的分裂度量标准。对于缺少属性值 的那 些样本 ， 利用相对频率随机概率