数据挖掘技术应用论文.docx

数据挖掘技术应用论文[摘要]在客户关系管理中企业将面临大量的来自于客户和市场的数据和信息这些数据是大量的、不完全的、有噪声的、模糊的、随机的但同时又是非常有用的。数据挖掘技术可以将这些数据有效的分析、整理从而给数据使用者提供有效、及时的信息。本文就数据挖掘技术在客户关系管理中如何应用做了粗浅的探讨。[关键词]数据挖掘客户关系管理应用步骤根据波特的影响企业的利益相关者理论企业有五个利益相关者分别是客户、竞争对手、供应商、分销商和政府等其他利益相关者。其中最重要的利益相关者就是客户。现代企业的竞争优势不仅体现在产品上还体现在市场上谁能获得更大的市场份额谁就能在竞争中占据优势和主动。而对市场份额的争夺实质上是对客户的争夺因此企业必须完成从“产品”导向向“客户”导向的转变对企业与客户发生的各种关系进行管理。进行有效的客户关系管理就要通过有效的途径从储存大量客户信息的数据仓库中经过深层分析获得有利于商业运作提高企业市场竞争力的有效信息。而实现这些有效性的关键技术支持就是数据挖掘即从海量数据中挖掘出更有价值的潜在信息。正是有了数据挖掘技术的支持才使得客户关系管理的理念和目标得以实现满足现代电子商务时代的需求和挑战。一、客户关系管理（CRM）CRM是一种旨在改善企业与客户之间关系的新型管理方法。它是企业通过富有意义的交流和沟通理解并影响客户行为最终实现提高客户获取、客户保留、客户忠诚和客户创利的目的。它包括的主要内容有客户识别、客户关系的建立、客户保持、客户流失控制和客户挽留。通过客户关系管理能够提高企业销售收入改善企业的服务提高客户满意度同时能提高员工的生产能力。二、数据挖掘（DM）数据挖掘（DataMining简称DM）简单的讲就是从大量数据中挖掘或抽取出知识。数据挖掘概念的定义描述有若干版本。一个通用的定义是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取人们感兴趣的知识这些知识是隐讳的、事先未知的、潜在有用的信息。常用的数据挖掘方法有：（1）关联分析。即从给定的数据集中发现频繁出现的项集模式知识。例如某商场通过关联分析可以找出若干个客户在本商场购买商品时哪些商品被购置率较高进而可以发现数据库中不同商品的联系进而反映客户的购买习惯。（2）序列模式分析。它与关联分析相似其目的也是为了控制挖掘出的数据间的联系。但序列模式分析的侧重点在于分析数据间的前后（因果）关系。例如可以通过分析客户在购买A商品后必定（或大部分情况下）随着购买B商品来发现客户潜在的购买模式。（3）分类分析。是找出一组能够描述数据集合典型特征的模型以便能够分类识别未知数据的归属或类别。例如银行可以根据客户的债务水平、收入水平和工作情况可对给定用户进行信用风险分析。（4）聚类分析。是从给定的数据集中搜索数据对象之间所存在的有价值联系。在商业上聚类可以通过顾客数据将顾客信息分组并对顾客的购买模式进行描述找出他们的特征制定针对性的营销方案。（5）孤立点分析。孤立点是数据库中与数据的一般模式不一致的数据对象它可能是收集数据的设备出现故障、人为输入时的输入错误等。孤立点分析就是专门挖掘这些特殊信息的方法。例如银行可以利用孤立点分析发现信用卡诈骗电信部门可以利用孤立点分析发现电话盗用等。三、数据挖掘在客户关系管理中的应用1.进行客户分类客户分类是将大量的客户分成不同的类别在每一类别里的客户具有相似的属性而不同类别里的客户的属性不同。数据挖掘可以帮助企业进行客户分类针对不同类别的客户提供个性化的服务来提高客户的满意度提高现有客户的价值。细致而可行的客户分类对企业的经营策略有很大益处。例如保险公司在长期的保险服务中积累了很多的数据信息包括对客户的服务历史、对客户的销售历史和收入以及客户的人口统计学资料和生活方式等。保险公司必须将这些众多的信息资源综合起来以便在数据库里建立起一个完整的客户背景。在客户背景信息中大批客户可能在保险种类、保险年份和保险金额上具有极高的相似性因而形成了具有共性的客户群体。经过数据挖掘的聚类分析可以发现他们的共性掌握他们的保险理念提供有针对性的服务提高保险公司的综合服务水平并可以降低业务服务成本取得更高的收益。2.进行客户识别和保留(1)在CRM中首先应识别潜在客户然后将他们转化为客户这时可以采用DM中的分类方法。首先是通过对数据库中各数据进行分析从而建立一个描述已知数据集类别或概念的模型然后对每一个测试样本用其已知的类别与学习所获模型的预测类别做比较如果一个学习所获模型的准确率经测试被认可就可以用这个模型对未来对象进行分类。例如图书发行公司利用顾客邮件地址数据库给潜在顾客发送用于促销的新书宣