模糊数据挖掘在CRM中的应用

  1 CRM概述

  客户关系管理(CRM)就其功能来看,就是借助先进的信息技术、网络技术和管理思想,通过对企业业务流程的重组来整合客户信息资源,并在企业内部实现客户信息和资源的共享,为客户提供更经济、更快捷更满意的产品和服务,提高客户价值、忠诚度和满意度,保持和吸引更多的客户,从而增强企业的赢利能力,最终实现企业利润的最大化。

  为实现这样的目标,企业可通过建立完整的客户数据、量身订制的产品及服务、有效的管理来建立以客户为中心的组织,去了解客户生命周期、掌握最有价值的客户及其需求、发展以个人财务需求为导向的销售模式,最终达到提高客户满意度,并提升企业的竞争力与获利率。

  客户划分是 CRM中的首要问题,一个企业在经营策划时要非常明确以下问题:销售对象是哪个客户层,哪些客户需要这样的产品,是否考虑了客户生命周期,是否建立了以客户需求为导向的客户关系,谁是公司最有价值的客户。要回答和解决以上问题,首要任务就是综合各种数据,从不同角度对客户进行分群、分组划分。

  2 数据挖掘技术概述

  数据挖掘是一种知识发现的过程,它主要基于统计学、人工智能、机器学习等技术,从大量的数据中,抽取出潜在的、有价值的知识、模型或规则的过程。高度自动化地分析数据,做出归纳性的推理,从中挖掘出潜在的模式,并对未来情况进行预测,以辅助决策者评估风险,做出正确的决策。对于企业而言,数据挖掘有助于发现业务的趋势,揭示已知的事实、预测未知的结果,提高市场决策能力。其演化过程如图 1所示。

  然而单纯的数据挖掘可能会导致“尖锐边界”等问题,因此考虑将模糊逻辑和数据挖掘结合起来的模糊数据挖掘技术引人到客户关系管理系统中。

  3 模糊数据挖掘方法

  3.1 确定模糊集

  建立样本特性指标矩阵,设聚类的对象的全体集合X={x1,x2,…,xn},为了使分类效果科学合理,首先要选取具有实际意义且有较强分辨性和代表性的统计指标。现假设X中每一个元素Xj(j=1,2,…,n。)有m个统计指标Xij=(x1j,x2j,…,xnj),其中,分量Xij表示第j个元素的第i项统计指标值(i=1,2,…,m;j=1,2,…,n)。本步骤的关键是统计指标值的求法。统计指标值反映实际的精确程度,是取得最优聚类的先决条件,由于各企业的实际情况不一样,所选取的统计指标也应各不相同。因此,统计指标值的求法因实际问题而定。

  3.2 对样本特性指标矩阵进行数据规格化

  在实际问题中,通常不同的数据有不同的量纲。因此,需要根据模糊矩阵的要求,进行标准化处理。一般可通过以下变换来实现。

  3.2.1 平移/标准差变换

  3.3 标定— 建立模糊相似矩阵

  所谓标定,是指根据实际情况,选用一定的方法对对象进行比较得出模糊相似矩阵。根据上述已建立的指标体系Xj(j=1,2,…n),求出相似系数rij表示Xi与Xj按m个特征相似的程度,得到模糊相似矩阵R=(rij)mxn本步骤的关键是如何合理地求出相似系数rij,由于求相似系数的方法很多,而且需要因实际情况不同而选用不同的方法。

  求相似系数的方法很多,主要有最大最小法、算术平均值最小法、几何平均值最小法、相关系数法、夹角余弦法、距离法、数量积法、绝对值指数法、绝对值倒数法、绝对值减数法等方法。

  对于一些实际问题,很难用解析表达式来刻画事务间的相关程度,这时只有请有经验者或专家进行评分,用〔0,1〕上的数表示。选取什么样的方法描述两个元素之间的相似程度,将直接影响分类的效果。通常是同时选三四种,最后看分类与实际吻合的情况,择优选取。

  3.4 求传递闭包— 构造模糊等价矩阵

  用传递闭包法求R的模糊等价矩阵。传递闭包是包含R的最小传递矩阵,设 t(R)是R的传递闭包,通常采用平方法求R的传递闭包,即R→R2→R4 →Rg →…→R2k经有限次运算后,一定有R2k=R2k+1,于是t(R)=R2k。

  3.5 聚类结果

  利用各个需求对该次分类的相对隶属度数据应用相对类别(级别)特征公式,得到各个部件归属各类的相对类别特征值H(r)表,从而获得了该分类数目下的部件类别划分结果。

  根据择近原则,判断该样本接近哪个模式,从这个模式的整体情况预测其发展结果。

  4 应用模糊数据挖掘实现客户分类

  假定每一个客户对一类产品的外观、使用环境功能、可靠性都有各自的要求,那么,对于产品簇建模过程来说,要将这些不同客户的不同需求转化为产品的工程指标,并最终转化为产品的零部件,工作量是非常大的,也是不科学的。所以要对不同客户的需求进行必要的聚类,通过聚类将产品需求分为不同的簇,同一簇中的产品需求视为相同,不同簇中的产品需求视为相异。这样就可以减少产品模型的种类,并且使形成的产品种类最大限度地满足不同客户的需求。

  4.1构造模糊集

  选取样本为5x5阶矩阵。设从外观、使用环境、产品功能、可靠性、忠诚度5个方面描述对产品的需求,构建模糊集 R如表1所示。

  4.2 关联矩阵规格化

  首先根据各个产品需求在产品中的地位给出其相应的权重(相当于指标对聚类作用的权重)。应用式(1)和式(2)实现规格化,结果如表2所示。

  4.3 求传递闭包— 构造模糊等价矩阵

  用传递闭包法求R的模糊等价矩阵。传递闭包是包含R的最小传递矩阵,设 t(R)是 R的传递闭包,通常采用平方法求R的传递闭包,即R→R2→R4 →Rg →…→R2k经有限次运算后,一定有R2k=R2k+1,于是t(R)=R2k。求得最优模糊矩阵。最优模糊矩阵表述的内容是每一个需求对各类别(共有m个)的相对隶属度。

  4.4聚类结果

  利用各个需求对该次分类的相对隶属度数据,应用相对类别(级别)特征公式,得到各个部件归属各类的相对类别特征值H(r)表,从而获得了该分类数目下的部件类别划分结果。应用下述的公式对最优模糊矩阵进行处理。

  设分类状态为1~m,某部件对某正态的相对隶属度表示为RA1(r)~ RAc(r),即表达了上文的最优模糊矩阵。首先,相对隶属度满足归一化条件:

  设状态变量i以对应的相对隶属度为权重,其总和

  称为相对状态特征值或级别特征值。表示了i与H(r)分布列的整体相对特征,因此,H(r)可以作为样本R对模糊概念或指标Ai归属状态判断的相对指标,它利用了状态变量i对全部相对隶属度信息,使样本 R的归属更为全面和客观。改变分类的数目m,重复上述步骤,产生新的分类,最终得到针对不同m分类的产品需求聚类结果。当m=3时,最优模糊矩阵如表3所示。

  通过对m=3时产品需求聚类分析结果的观察,可以容易地发现各个需求指标的聚分程度:{R5},{R1,R3},{R2,R4}。这说明,在考虑客户需求时,对于忠诚度高的客户群体,可以将他们的需求作为一类产品类型来重点构建;对于第二种分类,说明应该着重针对产品外观和产品功能来构建一类产品模型;同理,另外一种产品模型的构建应着重考虑产品的使用环境和产品的可靠性。可以看出,通过这样的聚类,产品模型的种类减少了,但产品模型覆盖的客户需求是完备的。

  5 结束语

  模糊数据挖掘能够自动地从数据库中发掘出新的知识,经过检验和验证,然后返回对用户有用的结果,而不是根据用户对事物的假设去检验和验证。它与传统的数据分析本质的区别是:它是在没有明确假设的前提下去挖掘信息、发现知识。数据挖掘系统已成功地用于超大型数据库的知识挖掘。

  在信息时代,要充分利用企业的信息资源,从以产品为中心的管理模式转变为以客户为中心的管理模式上来,利用模糊数据挖掘技术,分析客户的特征,探索企业和所对应市场的运营规律,不断提高企业的经济效益是企业发展的必由之路。

时间: 2024-09-15 12:20:17

模糊数据挖掘在CRM中的应用的相关文章

数据挖掘在CRM中的核心作用

企业发展CRM,目的是两方面,一是帮助营销人员管理好自己的销售过程,二是从客户数据分析中挖掘服务发展方向.其中后者更是重中之重-- 面临残酷的市场竞争,所有的企业都在不遗余力地争取新客户.然而,现有老客户也蕴涵着巨大的商机.调查发现,大部分企业每年有20~50%的客户都是变动的,而这一数字在技术型公司更甚.一方面在挖空心思争取新客户,另一面却不断失去老客户.要改变这种状况,留住老客户赢得新客户,企业必须充分挖掘现有客户潜力.通过对客户的数据挖掘学习老客户,发掘新的目标客户,这也是很多成功企业上马

怡海软件:数据挖掘在CRM中的应用

信息科技的进步,企业.政府和科学研究的计算机化,再加上互联网的普遍使用,使得数据的产生与收集迅速增加,这些庞大的数据中通常存在许多有用的信息,所以必须有新的技术和工具,将潜在的有用信息及知识提取出来. 数据挖掘技术则被认为是最有效的发现和提取工具,被应用于CRM客户关系管理系统中,利用数据挖掘所获取的信息,反馈给客户群,为客户提供更快捷和高质量的服务,提升企业竞争优势.比如在利用怡海软件CRM后,你可以对客户进行以下几个方面的分析: 1.客户价值分析:通过分析客户对企业业务所构成的贡献,并结合投

CloudCC CRM浅析CRM中的数据挖掘过程

CRM中的数据挖掘是复杂的过程.涉及客户决策的许多步骤,大致分为问题定义.数据准备和处理.数据挖掘以及结果的解释等阶段.具体步骤如下: 1.理解和发展CRM系统客户(包括营销经理.营销人员以及客户)的应用区域.日标以及相关知识. 2.为CRM系统定义商业目标集合,并为每个目标建立恰当的模型.例如,"提高客户对企业促销的响应率"或"提高每个客户响应的价值"这两个目标所需要的模型是不同的,并且在定义问题的同时,也生成了评价CRM(http://www.cloudcc.c

CRM中的关键技术与业务模式

CRM-Customer Relations Management (客户关系管理) 有许多种定义方式,本文主要针对偏重CRM的过程和目标的这种定义来阐述.这种定义认为:CRM是企业从数以百万计的巨大市场模型中选出一个适用有效的商业模型的能力.这种CRM的实现涉及到企业的客户数据收集.整理.挖掘等技术,也涉及到企业的商业业务模型. 1. 客户信息管理 企业,比如金融机构.医疗服务机构.旅行社.零售商.汽车厂家.通信公司等,一般都能通过日常业务收集到大量的客户个人信息,但仅是收集和存储大量的客户信

CRM中的关键技术与商业业务模式分析

CRM-Customer Relations Management (客户关系管理) 有许多种定义方式,本文主要针对偏重CRM的过程和目标的这种定义来阐述.这种定义认为:CRM是企业从数以百万计的巨大市场模型中选出一个适用有效的商业模型的能力.这种CRM的实现涉及到企业的客户数据收集.整理.挖掘等技术,也涉及到企业的商业业务模型. 1. 客户信息管理 企业,比如金融机构.医疗服务机构.旅行社.零售商.汽车厂家.通信公司等,一般都能通过日常业务收集到大量的客户个人信息,但仅是收集和存储大量的客户信

CRM中的销售管理子系统数据分析

CRM是一种旨在改善企业与客户之间关系的新型管理机例.它实施子企业的市场营销.销售.服务与技术支持等与客户相关的领域,通过向企业的市场.销咨和客户服务部门的专业人员提供全面.个性化的客户资料,并强化跟踪服务.信息分析的能力,使他们能够协同建立和维护一系列与客户和合作伙伴之间卓有成效的"一对一关系",从而使企业可以提供更快捷和周到的优质服务,提高客户满意度,吸引和保持更多的客户,从而增加营业额. 销售管理子系统主要是从市场管理子系统获取销售线索信息,形成商机,对协商价格.签订合同.组织发

浅析CRM中的市场管理系统数据分析

客户关系管理(Customer Relationship Management,CRM)系统既是一种应用软件,也是一种新兴的企业管理模式或经营机制.CRM 体现了两个重要的管理趋势的转变:首先,企业的经营模式从"以产品为中心"向"以客户为中心"转移:其次,管理的视角从着眼于内部要素管理"内视型"模式向以信息技术为基础来整合自己的资源的"外视型"模式转换.CRM系统主要由市场管理系统.销售管理系统和服务管理系统3部分组成.市场管

基于SITE客户模式在CRM中的应用

一.问题的提出 最近,刚刚加入公司的销售员小李碰到一个问题,他负责的一个大客户A,根据同事的介绍,他大概知道该公司在上海有很多分部,有的是工厂,有的是办公室,其中办公室也有不同,有的办公室是采购部门,有的是IT部门,他想知道具体的信息,就在公司的CRM系统中进行了查询,结果很失望,这些分部的地址都建立在同一个客户 A下面,他可以看到客户A今年购买了100台PC,根据以往记录,客户A还有继续购买的可能,但是他没有办法看出来是哪个分部有继续购买的可能. 小李去问CRM的系统管理员,管理员说可以在系统

数据挖掘在电子商务中的应用

由于数据挖掘能带来显著的经济效益,它在电子商务中(特别是金融业.零售业和电信业)应用也越来越广泛. 在金融领域,管理者可以通过对客户偿还能力以及信用的分析,进行分类,评出等级.从而可减少放贷的麻木性,提高资金的使用效率.同时还可发现在偿还中起决定作用的主导因素,从而制定相应的金融政策.更值得一提的是通过对数据的分析还可发现洗黑钱以及其它的犯罪活动. 在零售业,数据挖掘可有助于识别顾客购买行为,发现顾客购买模式和趋势,改进服务质量,取得更好的顾客保持力和满意程度,提高货品销量比率,设计更好的货品运