客户关系管理与数据挖掘

客户关系管理与数据挖掘参考文献内容背景一、客户关系管理

二、数据挖掘是CRM成功的保障三、数据挖掘技术四、结论背景知识联机事务处理OLTP(On-linetransactionprocessing)：也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。这样做的最大优点是可以即时地处理输入的数据，及时地回答。也称为实时系统(RealtimeSystem)。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。背景知识OLTP在企业的应用日渐成熟，能顺利地完成事务型业务，如自动开机（电信运营商）、即时交易（金融企业）、实时收银入账（零售商场）。但随着金融、电信等高端服务业的市场逐渐完善，OLTP系统的不足和局限也越来越为人所诟病，这是因为OLTP是处理事务的系统，可是面对诸如什么客户的利润率最高、哪些客户摇摆不定有离开的想法、哪些客户有继续购买的需求、客户喜欢什么等等问题时，就开始显得苍白无力了。因为手头现有的大量报表、报告，虽然它们详尽地说明了过去甚至今天正在发生的事件，却不能回答明天将要发生的事情。背景知识CRM是为了帮助发现以往没有发现的“问题”，发现隐藏在数据海洋里的“规律”和“趋势”。CRM的重要功能是预测未来。它的独特之处是，能充分利用企业历史上的数据，来预测企业的未来，使企业能领先一步，识别风险和机会，超前采取应对策略。一、客户关系管理客户关系管理的定义

1客户关系管理的研究和应用现状

2一、客户关系管理客户关系管理的定义

1客户关系管理的研究和应用现状

2客户关系管理（CustomerRelationshipManagement，CRM）首先是一种管理理念。其核心思想是将企业的客户作为重要的资源，通过完善的客户服务和深入的客户分析来满足客户的需求，保证实现客户的终生价值。CRM又是一种旨在改善企业与客户之间关系的新型管理机制，它实现于企业的市场营销、销售、服务与技术支持等与客户相关的领域。CRM也是一种管理软件和技术。现在市场中CRM供应商较多。国际的有Siebel、Oracol、Borland、sybase；国内的用友、中圣、金蝶创智等。一、客户关系管理客户关系管理的定义

1客户关系管理的研究和应用现状

2CRM起源于20世纪80年代初提出的接触管理（ContactManagement），即专门收集整理客户与公司联系的所有信息。到20世纪90年代初期则演变成为包括服务中心与支持资料分析的客户服务（CustomerCare）。经历了20余年不断演变发展，CRM逐渐形成了一整套管理理论体系和应用技术体系。一、客户关系管理客户关系管理的研究和应用现状

2CRM的概念发展到今天主要经历了3个阶段：1、成功应用于销售和市场的客户关系数据应用软件。（1990年）2、客户关系营销——Pepper和Rogers的1对1市场营销理论。（90年代中期）3．通过数据库营销应用客户终身价值分析。（90年代后期）

一、客客户关关系管管理客户关系管理的研究和应用现状

2从全球球的范范围看看，2002年市场场对CRM的需求求已经经比ERP（企业业资源源计划划）高高，CRM销售量量每年年的增增长率率超过过了30%，而ERP只有10%。CRM应用最最广泛泛的领领域是是与科科技和和计算算机相相关的的领域域，这这一领领域中中的企企业由由于信信息化化程度度高和和自身身的优优势，，能够够通过过CRM系统建建立起起与客客户之之间的的有效效价值值链，，从而而创造造更大大的效效益。。一、客客户关关系管管理客户关系管理的研究和应用现状

2在国内内，多多数企企业将将大部部分力力气投投入到到企业业内部部信息息系统统的建建设上上，这这意味味着CRM在我国国的应应用还还不成成熟。。在我国国生产产总值值中占占据重重要地地位的的传统统企业业在CRM的市场场中所所占比比例较较小。。加入入WTO后企业业面临临着更更为严严峻的的国际际竞争争，因因此企企业迫迫切需需要寻寻找类类似CRM的新思思路、、新理理念来来增强强企业业的竞竞争力力。二、数数据挖挖掘是是CRM成功的的保障障数据挖掘使市场信息触手可及1数据挖掘将数据加工成信息和知识

2二、数数据挖挖掘是是CRM成功的的保障障数据挖掘使市场信息触手可及1数据挖掘将数据加工成信息和知识

2数据库库及数数据挖挖掘技技术（（DataMining，DM）可以以扩展展企业业核心心业务务过程程的信信息后后勤基基础，，通过过数据据挖掘掘来保保证对对数据据的访访问及及分析析，从从而提提高业业务过过程的的有效效性。。数据挖挖掘技技术基基于事事实，，利用用数据据仓库库中产产品、、价格格、投投资、、分配配等方方面，，从浩浩瀚的的信息息海洋洋中提提炼出出有价价值的的信息息，发发现隐隐含在在这些些信息息中的的对等等的、、不明明显的的、不不可预预知的的模式式、趋趋势和和关系系，为为企业业提供供决策策的依依据。。二、数数据挖挖掘是是CRM成功的的保障障数据挖掘使市场信息触手可及1数据挖掘将数据加工成信息和知识2在CRM中，数数据仓仓库将将海量量复杂杂的客客户行行为数数据集集中起起来建建立一一个整整合的的、结结构化化的数数据模模型，，在此此基础础上对对数据据进行行标准准化、、抽象象化、、规范范化分分类、、分析析，为为企业业管理理层提提供及及时的的决策策信息息，为为企业业业务务部门门提供供有效效的反反馈数数据。。数据挖挖掘技技术的的作用用在企企业管管理客客户生生命周周期的的各个个阶段段都会会有所所体现现。二、数数据挖挖掘是是CRM成功的的保障障数据挖掘将数据加工成信息和知识

2数据挖挖掘的的主要要方法法包括括关联联分析析、时时序模模式、、分类类、聚聚类、、偏差差分析析以及及猜测测等，，它们们可以以应用用到以以客户户为中中心的的企业业决策策分析析及治治理的的不同同领域和和阶段段：1.关联分分析。。其目目的就就是挖挖掘出出隐藏藏在数数据间间的相相互关关系。。例如如，80%顾客同同时会会在购购买某某种A产品的的同时时购买买B产品，，这就就是一一条关关联规规则。。2.时序模模式。。通过过时间间序列列搜索索出重重复发发生概概率较较高的的模式式，这这里强强调时时间序序列的的影响响。例例如，，某段段时间间内，，购买买了A产品的的人中中，70%的人会会买B产品。。二、数数据挖挖掘是是CRM成功的的保障障数据挖掘将数据加工成信息和知识

23.分类。。找出出一个个类别别的概概念描描述，，它代代表了了这类类数据据的整整体信信息。。分类类是数数据挖挖掘中中应用用最多多的任任务。。要为为每个个类别别做出出准确确的描描述或或建立立分析析模型型或挖挖掘出出分类类规则则，然然后用用这个个分类类规则则对其其他数数据库库中的的记录录进行行分类类。4.聚类。。按一一定规规则将将数据据分为为一系系列有有意义义的子子集。。通俗俗地讲讲，就就是多多元统统计中中研究究所谓谓“物物以类类聚””现现象的的一种种方法法，其其职能能是对对一批批样本本或指指标按按它们们在性性质上上的亲亲疏程程度来来进行行分类类，采采用不不同的的聚类类方法法，对对于相相同的的记录录集合合可能能有不不同的的划分分结果果。5.偏差分分析。。从数数据库库中找找出异异常数数据。。6.猜测。。利用用历史史数据据找出出规律律，建建立模模型，，并用用此模模型猜猜测未未来数数据的的种类类、特特征等等。二、数数据挖挖掘是是CRM成功的的保障障数据挖掘将数据加工成信息和知识

2CRM中数据据挖掘掘的工作流流程：1.数据抽抽样。。当进进行数数据挖挖掘时时，首首先要要从企企业大大量客客户信信息数数据中中抽取取出相相关的的数据据子集集。通通过对对数据据样本本的精精选，，不仅仅能减减少数数据处处理量量，节节省系系统资资源，，而且且能通通过对对数据据的筛筛选，，使数数据更更加具具有规规律性性。2.数据探探索。。数据据探索索就是是通常常所进进行的的对数数据深深入调调查的的过程程，从从样本本数据据集中中找出出规律律和趋趋势，，用聚聚类分分析区区分类类别，，最终终要达达到的的目的的就是是搞清清楚多多因素素相互互影响响的、、十分分复杂杂的关关系，，发现现因素素之间间的相相关性性。二、数据挖挖掘是CRM成功的保障障数据挖掘将数据加工成信息和知识

23.数据调整。。通过上述述两个步骤骤的操作，，对数据的的状态和趋趋势有了进进一步的了了解，这时时要尽可能能对问题解解决的要求求进一步明明确化、进进一步量化化。4.模型化。在在问题进一一步明确，，数据结构构和内容进进一步调整整的基础上上，就可以以建立模型型。这一步步是数据挖挖掘的核心心环节，运运用神经网网络、决策策树、数理理统计、时时间序列分分析等方法法来建立模模型。5.评价。从上上述过程中中将会得出出一系列的的分析结果果、模式和和模型，多多数情况会会得出对目目标问题多多侧面的描描述，这时时就要综合合它们的规规律性，提提供合理的的决策支持持信息。二、数据挖挖掘是CRM成功的保障障数据挖掘将数据加工成信息和知识

2CRM中数据挖掘掘的应用：1.客户的获取取。把客户户根据其性性别、收入入、交易行行为特征等等属性细分分为具有不不同需求和和交易习惯惯的群体，，同一群体体中的客户户对产品的的需求以及及交易心理理等方面具具有相似性性，而不同同群体间差差异较大。。这样就有有助于企业业在营销中中更加贴近近顾客需求求。分类和和聚类等挖挖掘方法可可以把大量量的客户分分成不同的的类，适合合于进行客客户细分。。通过群体体细分，CRM用户可以更更好地理解解客户，发发现群体客客户的行为为规律。在在行为分组组完成后，，还要进行行客户理解解、客户行行为规律发发现和客户户组之间的的交叉分析析。二、数据挖挖掘是CRM成功的保障障数据挖掘将数据加工成信息和知识

22.重点客户发发现。就是是找出对企企业具有重重要意义的的客户，重重点客户发发现主要包包括：发现现有价值的的潜在客户户；发现有有更多的消消费需求的的同一客户户；发现更更多使用的的同一种产产品或服务务；保持客客户的忠诚诚度。根据据80/20以及开发新新客户的费费用是保留留老客户费费用的5倍等营销原原则，重点点客户发现现在CRM中具有举足足轻重的作作用。二、数据挖挖掘是CRM成功的保障障数据挖掘将数据加工成信息和知识

23.交叉营销。。商家与其其客户之间间的商业关关系是一种种持续的不不断发展的的关系，通通过不断地地相互接触触和交流，，客户得到到了更好更更贴切的服服务质量，，商家则因因为增加了了销售量而而获利。交交叉营销指指向已购买买商品的客客户推荐其其他产品和和服务。这这种策略成成功的关键键是要确保保推销的产产品是用户户所感爱好好的，有几几种挖掘方方法都可以以应用于此此问题，关关联规则分分析能够发发现顾客倾倾向于关联联购买哪些些商品；聚聚类分析能能够发现对对特定产品品感爱好的的用户群；；神经网络络、回归等等方法能够够猜测顾客客购买该新新产品的可可能性。二、数据挖挖掘是CRM成功的保障障数据挖掘将数据加工成信息和知识

24.客户分析。。主要包括括：客户价价值金字塔塔分析、客客户分布分分析、新增增客户分析析、流失客客户分析和和购买行为为分析。其其中分类等等技术能够够判定具备备哪些特性性的客户群群体最轻易易流失，建建立客户流流失猜测模模型，从而而帮助企业业对有流失失风险的顾顾客提前采采取相应营营销措施。。利用数据据挖掘技术术，可以通通过挖掘大大量的客户户信息来构构建猜测模模型，较准准确地找出出易流失客客户群，并并制订相应应的方案，，最大程度度地保持住住老客户。。二、数据挖挖掘是CRM成功的保障障数据挖掘将数据加工成信息和知识

25.性能评估。。以客户所所提供的市市场反馈为为基础，通通过数据仓仓库的数据据清洁与集集中过程，，将客户对对市场的反反馈自动地地输入到数数据仓库中中，从而进进行客户行行为跟踪。。性能分析与客户行为分分析和重点客户发发现是相互交叠叠的过程，，这样才能能保证企业业的客户关关系治理能能够达到既既定的目标标，建立良良好的客户户关系。三、数据挖挖掘技术数据挖掘技术

决策树法、遗传算法、集合论方法、神经网络方法、聚类方法、粗集方法、模糊集合方法、BayesianBeliefNetords、最邻近算法、关联规则挖掘算法、可视化技术等……三、数据挖挖掘技术ID3决策树法主要思想：ID3方法检验所有的特征，选择互信息最大的特征点A为产生决策树节点，由该特征的不同取值建立分支，对各分支的实例子集递归，用该方法建立决策树节点和分支，直到某一子集中的例子属于同一类。三、数据挖挖掘技术ID3决策树法主算法1、从训练集中随机选择一个既含正例又含反例的子集（称为窗口）；2、用建树算法使当前窗口形成一裸决策树；3、对训练集（窗口除外）中例子用所得决策树进行类别判定，找出错判的例子；4、若存在错判的例子，把它们插入窗口，转B，否则结束。

建树算法1、对当前例例子集合计计算各特征征的互信息息；2、选择互信信息最大的的特征A（i）；3、把在A（i）处取值相相同的例子子归于同一一子集，A（i）取几个值值就得几个个子集；4、对既含正正例又含反反例的子集集，递归调调用建树算算法；5、若子集仅仅含正例或或反例，对对应分支标标上p或N，返回调用用处。三、数据挖挖掘技术神经网络方法主要思想：以神经生理学为基础，模拟人的神经元功能，经过输入层、隐藏层、输出层等，对数据进行调整，计算，最后得到结果，用于分类和回归。三、数据挖挖掘技术一个简单的的神经网络络，图中的的椭圆表示示节点，椭椭圆间的连连线表示连连接。神经经网络接受受左边节点点的属性值值，并对其其进行计算算，右边的的节点就产产生新值，，这个值表表示神经网网络模型的的预测值。。三、数据挖挖掘技术遗传算法（GeneticAlgorithm，GA）

主要思想：基于自然进化理论，模拟基因联合、突变、选择等过程的一种优化技术。三、数据挖挖掘技术遗传算法创建一个随机的初始状态：初始种群是从解中随机选择出来的，将这些解比喻为染色体或基因，该种群被称为第一代。

评估适应度：对每一个解(染色体)指定一个适应度的值，根据问题求解的实际接近程度来指定(以便逼近求解问题的答案)。繁殖(包括子代突变)：带有较高适应度值的那些染色体更可能产生后代(后代产生后也将发生突变)。后代是父母的产物，他们由来自父母的基因结合而成，这个过程被称为“杂交”。下一代：如果新的一代包含一个解，能产生一个充分接近或等于期望答案的输出，那么问题就已经解决了。如果情况并非如此，新的一代将重复他们父母所进行的繁衍过程，一代一代演化下去，直到达到期望的解为止。并行计算：非常容易将遗传算法用到并行计算和群集环境中。一种方法是直接把每个节点当成一个并行的种群看待。然