CRM模型及數據挖掘在技術轉移中心的研究與應用.pdf

1、進入信息時代后,信息技術的高速發(fā)展和市場競爭的加劇促使客戶關系管理這個概念的產生?？蛻絷P系管理的最終目標是提高企業(yè)的盈利能力,其直接目標是提高客戶的滿意度、改善企業(yè)與客戶的關系。其應用主要包括客戶的獲取、交叉營銷和客戶的保持等方面。數據挖掘技術是在大量的數據中發(fā)現未知知識的數據分析技術。通過利用數據挖掘技術,分析客戶數據,發(fā)現其中的規(guī)律,從而為客戶關系管理提供決策依據。 本文分析了客戶關系管理系統(tǒng)的應用和發(fā)展現狀,指出目前的客戶

2、關系管理系統(tǒng)普遍缺乏客戶關系模型的建立,對客戶數據停留在統(tǒng)計分析的層面上缺乏有效的數據分析技術對客戶進行深入的了解,也就是數據挖掘技術應用不足。本文就這兩方面展開研究,首先結合技術轉移中心提出了一個客戶關系指數模型,有了客戶關系指數的數學模型就可以根據客戶關系指數的高低劃分客戶群,可以使用數據挖掘技術分析客戶群特征,從而有針對性的制定客戶營銷策略。 本文對經典關聯(lián)規(guī)則挖掘算法進行了研究,并對關聯(lián)規(guī)則挖掘算法在客戶關系管理系統(tǒng)中交

3、叉營銷和客戶獲取兩方面的應用展開探討。本文詳細分析了Apriori算法的不足和性能瓶頸,并以此作為突破點改進了Apriori算法,以用于對技術成果成交記錄進行關聯(lián)規(guī)則挖掘。改進后的算法結合具體應用,擴展了布爾型關聯(lián)規(guī)則挖掘算法,在現有的關系表上進行關聯(lián)規(guī)則挖掘,而無需將關系表轉化為水平的數據組織方式,使挖掘操作更簡單方便。在產生頻繁項集的過程中,改進算法省去了傳統(tǒng)算法中創(chuàng)建候選集的步驟,避免了Apriori算法中為了產生頻繁項集,需要生

4、成大量候選集的缺點。通過對目前關聯(lián)規(guī)則評價標準局限性的分析,改進算法引入了影響度度量方法,采用“支持度-置信度-影響度”框架作為評價關聯(lián)規(guī)則的標準。影響度的增加使我們只需考慮規(guī)則后件與前件同時發(fā)生的百分比和規(guī)則后件隨機發(fā)生的百分比有顯著不同的規(guī)則,使隨機關聯(lián)關系從有用的關聯(lián)關系中分離出來,并避免了高置信度的誤導規(guī)則的出現。最后結合Apriori算法在技術轉移中心CRM系統(tǒng)中交叉營銷方面的應用對技術成果成交數據進行了分析,發(fā)掘數據模型。