客户关系 管理论文发表：《关于数据挖掘在客户关系管理中的应用》 .docVIP

　　客户关系 管理论文发表：《关于数据挖掘在客户关系管理中的应用》----客户关系管理论文 --数据挖掘在客户关系管理中的应用 ［摘要］客户关系管理既是一种管理理念，也需要相应的支持，本文从分析数据挖掘在客户关系管理中的作用入手，叙述了数据挖掘的概念、常用方法、数据挖掘的流程，并在此基础上研究了数据挖掘技术在客户关系管理中的一些应用。 ［关键词］数据挖掘；客户管理关系；营销 一、客户关系管理及数据挖掘技术的引入 随着客户需求日益多样化、个性化以及市场竞争的日益激烈，企业要想在竞争中取胜，必须及时准确地了解客户的偏好与需求，向客户提供个性化服务，与客户建立长久、稳定、良好的沟通关系，因此，企业应采取一种新型的管理机制，即客户关系管理。 所谓客户关系管理（CRM）是一种旨在改善企业与客户之间关系的新型管理机制，它是通过管理客户信息资源，向客户提供满意的产品和服务，与客户建立长期、稳定、相互信任、互利互惠的密切关系的动态过程和经营策略。即通过分析现有客户和潜在客户的相关需求、模式、机会、风险和成本，制定相应的策略，使潜在客户变成现实客户，使现实客户变成忠诚客户，最大限度地实现客户终身价值，从而不断拓展产品市场和利润空间。CRM要求企业在顾客实际偏好的基础上定制他们的产品和服务，而不仅仅依靠客户的一般特征，这就要求收集和分析大量客户资源信息。目前随着计算机技术和信息技术的发展，大量客户数据的采集已不是难题，但面对大量客户数据，如何充分利用这些信息成为了难题，而数据挖掘可以很好地解决这一难题。数据挖掘可以从大量数据中抽取出潜在的、有价值的信息和知识，揭示已知的事实，预测未知的结果，从而有利于商业运作，帮助企业做出正确决策，使企业处于有利的竞争地位。 二、数据挖掘概念及常用的方法 数据挖掘是指从大量的、不完全的、模糊的、随机的数据中揭示出隐含的、先前未知的、并有潜在价值的信息和知识的过程。数据挖掘融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术，是帮助发现隐藏在数据中知识和信息的有力工具，它通过选择数据、对数据进行检测、建立挖掘模型，挖掘出深层次的信息和知识。将数据挖掘运用到客户关系管理中，就能在数据量庞大的客户数据库中，将看似无关联的数据进行筛选、净化，提取出有价值的客户关系，从而帮助决策者做出正确的决策。目前，有许多数据挖掘的方法，如分类、聚类、关联规则、统计回归、偏差分析等等。 1.分类 分类在数据挖掘中是一项非常重要的任务。分类的目的是通过统计方法、机器学习方法（包括决策树法和规则归纳法）、神经网络方法等等构造一个分类模型，然后把数据库中的数据映射到给定类别中的某一个。 2.聚类 聚类是把一组个体按照相似性归成若干类别，即“物以类聚”。它的目的是同一类别之内的相似性尽可能大，而类别之间的相似性尽可能小，可以用来对客户进行细分，根据客户的特征和属性把客户分成不同客户群，这样就可以根据其不同需求，制定针对不同客户群的营销策略。 3.关联规则 它是描述数据库中数据项之间存在关联的规则，即根据一个事物中某些项的出现可导出另一项在同一事物中也出现，即隐藏在数据间的关联或相互关系。在客户关系管理中，通过对企业客户数据库里大量数据进行挖掘，可以从中发现有趣的关联关系，例如，买过-商品的客户以后会购买.商品。通过对这些数据进行挖掘，获得对顾客购买行为极有价值的信息，从而帮助企业及时把握客户需求，对客户实行交叉销售，为企业决策提供参考。 4.回归分析 回归分析反应的是事务数据库中属性值在时间上的特征，主要用于预测，即利用历史数据记录自动推出对给定数据的推广描述，从而对未来数据进行预测。可应用于商品销售趋势预测、客户赢利能力分析和预测等等。 5.偏差分析 偏差分析侧重于发现不规则和异常变化，即与通常不同的事件。在相类似的客户中，对客户的异常变化要给予密切关注。例如某客户购买行为发生较大变化，购买量较以前大大减少，就要对客户的这种原因进行调查，避免客户流失。 三、数据挖掘的流程 1.定义 商业问题每一个12%应用程序都应有一个或多个商业目标，否则数据挖掘可能漫无目的。根据特定的目标，如“提高市场响应率”，选择和准备数据，建立完全不同的模型，同时可以评价数据挖掘的效果。 2.数据处理 这一过程包括四个步骤： （1）数据过滤。这一步可以确保收集的数据符合分析的需要。数据挖掘的前提是高质量的数据，如果数据有缺陷的话，即使最先进的数据挖掘工具也不会有效果。 （2）数据预处理。这一步骤应确保原始数据和输入标准一致。数据挖掘所需要的数据可能在不同的数据库中，如客户数据库、产品数据库以及事务数据库，因而需要集成和合并数据到单一的营销数据库，并协调来自多个数据源的数据在数值上的差异，使数据属性标准化。同时，还要去除重复数据，例如，同样的客户只是由于地址的