数据挖掘在商场CRM中的应用研究
基于聚类的数据挖掘技术在电子商务CRM中的应用研究
ｌ ｎ
异度限制条件 的就不 能聚 为一类 。算法过程 如图 ｌ 所示 ：
图 １ 聚 类 过程
∑ ∑ｄ， （ｊ ｉ ）
ｂ＝ 上 止 一 （） ３
Ｃ
２ １ 数据转换 ． 根据稀 疏特 征的 定义方式 ，将数 据属性转 换成二 态变
合； 稀疏 特征 不全相 同 的属性序 号集合 ； 集合 的稀疏 差异 类
度 。如 果 形 成 的初 类 中对 象 较 少 （ 于 约 定 的 类 中对 象 个 数 少 根据 以上聚类 结果 ， 以得到 以下信息 ： 可
为其 中的一 个对象 子集 ，在该子 集 中所 有对 象的取值 同 时 为 ｌ的属性 个数为 ａ 取值 不全相 同的属 性个数 为 ｅ 则集合 ， ，
Ｘ 的 差 异 度 Ｄ（ 定 义 为 ： Ｘ）
Ｖ ｃｏ） ｅｔｒ算法 ， 由武 森博 士等学者在 ２ ０ ０ ２年提 出， 是一 种针对
区间变量型 高属性 维稀疏数据进行 聚类的有效算法嗍 。该方 法应用“ 稀疏特征 ’ 稀疏差异度 俩 个新概 念， ， 和“ 将一个 高属 性维稀疏聚类 问题转化 为若干个低属性维聚类 问题 ，不 仅使
换 并 确 定 了 集 合 差 异 度 上 限 值 ｂ 就 可 以 采 用 Ｃ ０Ｓ Ｖ 算 ， ＡＢ Ｆ 法 进 行 自底 向上 的 聚 类 。 过 聚 类 ， 成 初 类 个 数 为 Ｃ 初 类 经 形 ，
表 ４ 聚 类结 果
类 名 称 对象 序 号 对 象 数 相 同 的 属性 序 号 不 同 的属 性 序 号 差 异度 Ｓ Ｄ Ｆ
律 ，即利用数 据挖掘技 术实 现 Ｃ Ｍ （ｕｔｍｅ ｅａ ｏ ｓｉ Ｒ Ｃ ｓ ｒ ｌｔ ｎｈｐ ｏ Ｒ ｉ
数据挖掘技术在客户关系管理中的应用
数据挖掘技术在客户关系管理中的应用在当今竞争激烈的商业环境中，企业要想取得成功，与客户建立和保持良好的关系至关重要。
客户关系管理（CRM）已经成为企业战略的重要组成部分，而数据挖掘技术的出现为客户关系管理带来了新的机遇和挑战。
本文将探讨数据挖掘技术在客户关系管理中的应用，帮助企业更好地理解客户需求，提高客户满意度和忠诚度。
一、数据挖掘技术概述数据挖掘是从大量的数据中提取出有价值的信息和知识的过程。
它涉及到统计学、机器学习、数据库技术等多个领域的知识和技术。
数据挖掘的主要任务包括数据预处理、分类、聚类、关联分析、预测等。
通过这些任务，数据挖掘可以帮助企业发现隐藏在数据中的模式、趋势和关系，为企业的决策提供支持。
二、客户关系管理中的数据来源在客户关系管理中，数据的来源非常广泛。
企业内部的数据源包括客户的基本信息、购买记录、投诉记录、服务记录等。
此外，企业还可以从外部获取数据，如市场调研数据、社交媒体数据、竞争对手数据等。
这些数据通常是异构的、分散的，需要进行整合和预处理，以便进行数据挖掘。
三、数据挖掘技术在客户细分中的应用客户细分是客户关系管理的重要环节，它可以帮助企业将客户分为不同的群体，针对不同群体制定个性化的营销策略。
数据挖掘技术中的聚类分析可以用于客户细分。
通过对客户的属性、行为等数据进行聚类分析，企业可以将客户分为不同的细分群体，如高价值客户、潜在客户、流失客户等。
然后，企业可以针对不同细分群体的特点和需求，制定相应的营销和服务策略，提高客户满意度和忠诚度。
例如，一家电商企业通过聚类分析发现，有一部分客户购买频率高、购买金额大，属于高价值客户群体；另一部分客户购买频率低、购买金额小，但对价格比较敏感，属于价格敏感型客户群体。
针对高价值客户群体，企业可以提供专属的客服服务、优先配送等特权，以提高他们的满意度和忠诚度；针对价格敏感型客户群体，企业可以定期推出促销活动、发放优惠券等，以吸引他们购买更多的商品。
数据挖掘技术在客户关系管理(CRM)中的应用研究
与分类模式不同 ， 进行聚类前并不知道将 户、 通过完善的客 组 内的差别尽可能小 。
户服 务 和 深 入 的 客 户 分 析 来 满 足 客 户 的 需 求 。 证 实 现 客 户 的 要 划 分 成几 个 组 和 什 么 样 的 组 ．也不 知 道 根 据 哪 些 数 据 项来 定 保 终 生 价值 。接 常 规算 法 ， 家 企 业若 保 住 ５ 的 稳定 顾 客 ， 该 义 组 。一般 来 说 ，业 务 知 识 丰 富 的人 应 该 可 以理 解 这 些 组 的含 一 ％ 那 义 ． 果产 生 的模 式无 法 理 解 或 不 可 用 ． 该 模 式 可 能 是 无 意义 如 则 企 业 的 利润 至 少 会增 加 ２ ％。 ５ Ｃ Ｍ 也 是 一 种 管理 软件 和 技 术． 将最 佳 的 商 业 实 践 与 数 的 。 Ｒ 他 自动预 测 趋 势 和 行 为 ： 据 挖掘 自动 在 大 型数 据库 中 寻 找 数 据挖 掘 、 数据 仓 库 、 对 一 营 销 、 售 自动 化 以及 其 他 信 息 技 术 一 销 紧密 结 合在 一 起 ． 企 业 的 销售 、 户 服 务 和决 策 支 持等 领域 提 预 测 性 信 息 ．以往 需 要 进 行 大 量 手工 分 析 的 问题 如 今 可 以迅 速 为 客 直 接 由数 据 本 身得 出结 论 。 个典 型 的例 子 是市 场 预 测 问 题 ， 一 数 供 了一 个 业务 自动 化 的 解 决方 案 据 挖 掘 使 用 过 去 有关 促 销 的 数 据 来 寻 找 未来 投 资 中 回报 最 大 的 １２ Ｃ ． ＲＭ 的 特 征
维普资讯
２０ ０ ６年第 １ Ｏ期
福 建 电
脑
３ ７
数据挖掘技术在客户关 系管ｔ Ｃ Ｍ） ￥（ Ｒ 中的应用研究
数据挖掘在CRM中的应用
以将客户划分为簇 即划 分为有相似购物习惯 的 人群 ，然后针对每个簇来查 看其对促销的反应 情况 。这就需要首先获 得各种购物 习惯的特征 数据 ， 然后利用这些 数据创 建簇 ， 确定正确数量 的簇会遇到一些问题 ，可以通过 Ｋ平均聚类或 其他技术来保证簇对某个应用的有效性 。
速 企 业 的发 展 。 关键词 ： 据挖掘 ；Ｒ 数 Ｃ Ｍ
１ 数据挖掘 的概念 现如今计算机在各行各 业都得到 了不 同层 次 的应用 ， 大到政府 机关 ， 行 ， 校 ， 银 学 邮电 ， 商 场小到普通商店和 家庭 ，每天这些不 同类 型的 机构都会利用计算机采集 和处理大量 的数据尤 其是商业机构这种 营利性 机构 。但是很 多公 司 收集数千亿字节 的数 据只是为 了某些运作 的需 要， 例如库存控制或者付账 ， 一旦这些操作被 完 成， 数据将被搁置在磁 盘上也或者被丢弃 ， 这大 大降低 了对这些庞大 数据 的利用率 。实 际上 企 业可 以从这些数据 中挖掘出对企业发展 具有 价 值 的信息 。数据挖掘正是从 大量的 、 不完全 的 、 隐含数据集 中识别有效 的 、 颖的 、 新 潜在 有用 的 可以 帮助决 策者 进行决 策 的数 据 的过 程和 方 法。数据挖掘有 回归 ， 策树 ， 决 神经 网络 等技术 模型， 运用这些 技术模 型可 以完成分类 ， 估计 ， 预测 等智能 的和经济的问题 ，为企业 开展商务 行为提供科学的决策 。 ２客户关 系管理的概念 所有商务 活动的最高 目标和最终 目的就是 盈利 。在 当前买方 处于主动地位而卖方 处于相 对被 动地位 的市场环境下 ，企业 如何 更好地实 现其企业 目标是几 乎所有企业都 面临的一个重 要问题 。企业 问竞争 的不 单单再是质量 ， 品牌 ， 价格 等因素 ， 要是服务质量 ， 更重 个性 化服务和 增值服务 。如何 了解 客户 ， 识别客户群 ， 留住既 有客户和更好 的为吸引客户为他们 服务是企业 发展的一个重 要着 眼点。客户关 系管 理指从公 司的战略和竞 争力 角度出发 ，通过对 企业业务 流程中客户关 系的交互式管理 ，提升客户的满 意度 和可感知价值 ， 立长期 的客户关 系 ， 建 为相 关的业务流程 提供 有效的决策信 息 ，提高业务 流程的效率 和整合程度 ，从而为公 司获取有利 的市场定位和持续 的竞争优势提供保证。 ３ 数据挖掘在客户关 系管理 中的应用 客 户关 系管理 以客户为 中心 ，企业 要维持 与客户的良好 关系 ，就必须真正 以客 户的需求 为导向开展从 市场 调查 、 产品研发 、 营销和销售 以及售后服 务等的整个商务活动 。企 业如何定 位与细分客户 、 定位产品 、 如何 如何 维持客户持 续的热情及 吸引新客户等都是企业需 要认真考 虑的问题。这些问题的答案实 际上都 隐含在企 业的数据中。数据挖掘能够帮助 企业 确定客户 的特点 ， 而可以为客户提供有针对 性的服务 。 从 通过数据挖 掘 ，可以发现使用某一业 务的客户 的 特 征 ，从 而 可 以 向那 些 也 同样 具 有 这 些 特 征 却没 有使用 该业 务 的客户 进 行有 目的的推 销 等。因此越 来越的企业利用数据挖 掘这个工具 来为 自己的商业利益服务 。
数据挖掘技术在CRM中的应用研究
ｓ） ｉ 。信息发现是指单纯地对信息进行处理、 ｓ 整理 和分析 ， 以发掘出蕴涵在信息之间的潜在的有价值 的知识或者联 系， 但并不进行对信息处理结果的预 测。信息发现包括条件逻辑推理、 关联处理和信息 规律趋势和变化等 ； 预测模型是指通过上一阶段的
的知识， 而且使用和获得信息的速度也很缓慢。随 着生产力水平的极大提高和信息技术的飞速发展 ，
手段进行数据对 比；４ 数据挖掘阶段（ ａ ｉ （） Ｄ ｔ Ｍｎ ａ ． ｉ ） 也就是通过使 用在线分析工具、 ｎ ： ｇ 先进的信息 技术以及统计数学等方法为企业提供实时的信息 反馈 和与合 作 伙 伴 的信 息交 流 。数 据挖 掘 使 企业 管理者更能获得存在于信息之中的深层价值 ， 从而 为企业的经营战略决策产生重要帮助作用。 （ ） 二 数据挖掘技术的内容。数据挖掘是进行
失 的原 因 ， 而 采 取 相 应 的措 施 ；３ 客户 忠诚 度 从 （）
分析 ， 通过对客户交易资料 的记 录和分析 ， 可以采 用序列模式来预测消费者的忠诚度 ， 并据此来调整 企业 的生产和提供的服务 ， 提高客户 的忠诚度并吸 引新 客 户 ；４） 户 分 类 ， 同 的消 费 者 对 产 品 和 （ 客 不 服务 的要求不同， 也为企业创造不 同的收益 ， 企业
１６ ３
信息处理 ， 利用有价值 的知识资源和预测模型对其 进行发展趋势预测 ， 这包括结论预测和发展趋势展 望 等 ； 常分 析是 指 数 据 挖 掘 的扩 展 阶段 ， 发 现 异 对 的异常情况作 出分析 ， 括偏 离侦测 和关联分析 包 等。总的来说 ， 数据挖掘技术通常有六种手段进行
Ａ ｃｓ ｃｅ ）企业开始应用关联模式处理储存信息， ｓ 在 整个企业范围内建立起 了数据收集和信息管理系 统， 管理层可 以获得企业 的历史 信息 ；３ 数据导 （） 航 阶段 （ ａ ａｉ ｔｎ 、 业 内出现 了数据仓 库 ， Ｄ ｔ Ｎ ｖｇｉ ）企 ａ ａｏ 应用多维数据基的处理和储存信息 ， 企业不仅能应
数据挖掘技术在分析型CRM中的应用研究
实现业务 自动化的部门业务整合在一起 ， 商业模式 和信息 技 将 基本 的数据挖 掘流程 一般包括以下几部分 ： 商业问题的理 术有效得结合 在一起 ， 为企业 的销售 、 客户 服务和决 策支持等 解 、 数据 理解 、 数据准备 、 建立模 型 、 型 的证 实和评价 以及 扩 模 如 所 领域提供一个 面向客户 的业务解决方案 。一般来讲 ，Ｒ Ｃ Ｍ应用 展 应 用 ， 图 ３ 示 。 系统可以分 为三个层次 ： 操作型 、 协作型 、 分析型 。其体 系结构
【 收稿 日 】 ０００—４ 期 ２ １—４ ２ 【 基金项 目】 浙江商业职业 技术 学院院级重点科研项 目（Ｚ Ｚ ２００ ） Ｓ Ｙ Ｄ ０９５ 【 作者简介 】 王慧（９０ ）男 ， １８一 ， 浙江 商业职业技术学院信息技术分院高级工程师， 研究方 向： 信息技术与 网络经济。
１８ １
理统计分 析 、 数据库 、 能语 言来分析 庞大数据资料 的技术就 智 应运而生 ， 数据挖掘技术为此做出了巨大 的贡献 。
一
、
数据挖 掘定 义 与功能
从技术角度来讲 ， 数据挖掘就是指从大量 的、 不完全的 、 有 噪声 的 、 模糊 的、 随机 的实际应用数据 中， 提取 隐含 在其 中的 、 人们事先不知道的 、但又是潜在有用 的信息 和知识 的过程 ， 就 是利用包括数据仓 库在 内的分析 工具在海量 数据 中发 现模 型 或 规 律 等 知识 并 做 出预 测 的复 杂 过 程 。 从商业角度来将 ， 数据 挖掘是面 向应用的深层次的数据分 析方法和技术 ， 其主要 是对 现有 的大型商业数据库 中的业务数 据进行抽取 、 转换 、 分析和其他模型化处理 ， 中提取辅助商业 从 决策的关键性数据 。数据分析本身 己经有很多年 的历史 ， 只不 过在过去数据 收集 和分析的 目的是用 于科学研究 ， 在 ， 现 由于 各 行业 业 务 自动 化 的 实 现 ，商 业 领 域 产 生 了大 量 的业 务 数 据 ， 按照企业既定业务 目标 ，对大量的企业数据进行探索和分析 ， 揭示隐藏 的商业规律 或者验证 已有 的商业规律 就成为数据 挖 掘的重要任务
浅析数据挖掘在企业CRM中的应用
４ 数 据 初 步分 析 。 这 一步 骤 的工 作 较 为繁 重 ，因 为企 业 需要
数 据 变换 、研 究 每 个 字段 的取 值 分 布 字 段 之 间 的相 关 性 及联 合 ５ 建立 模 型 。建 模 是 数据 挖掘 的核 心环 节 ．可 分 为 以下步 骤
２ 客户保 持 。对 客户数 据库 中大 量的 历史交 易记 录 、人 口统计 在 这 一 步 中做 好 建模 前 的所 有 准备 工 作 ．具 体 包 括 ：基 于模 型 的 ．
［ 关键词】 数据挖 掘
一
、
引 言
据 的 获Leabharlann 渠 道一 一 数 据从 哪 里 获得 ７数 据 仓 库 是 否建 立 ７企 业 原
企 业在 面 临残 酷 的 市场 竞争 中 ．要 想谋 生 存 求发 展 ，就 要 努 有 数 据 仓 库 中 的数 据 ．是 否 有 满 足 此 次 数 据 挖 掘 任 务 需 要 的 数
力提 升 自 己的核心 竞争 力 ，从 以往 的 “ 以产 品 为 中心 ”转 变 为 ” 以 据 ７已 有数 据 的 哪 些宇 段 可 以被此 次 任 务 所 用 ７ 因此 ，建 立有 效 客 户 为 中心 ” 的 管 理 模 式 这 便 需 要 构 建 客 户 关 系 管 理 系 统 的数 据 仓 库 是 进 行 数 据 分 析 之 前 必 须 要做 的 。 （Ｒ ） Ｃ Ｍ 。随 着数据 挖掘 技 术 的发展 为 Ｃ Ｍ 提 供 了技术 支持 ，帮 Ｒ
二 数 据挖 掘 在 Ｃ Ｍ 中 的应 用 Ｒ
数 据 挖掘 在 Ｃ Ｍ 中的 应用 就 是把 成熟 的数 据 挖掘 理论 和 技 Ｒ 术 ，应 用到 具体 的 企 业 问题 上 ．创 建描 述 和预 测 客 户行 为 的模 型 ， 通过 与信 息 、通 信 等各 种 先进 技术 的结合 ．优 化 ＣＲ 流程 以实 Ｍ
数据挖掘技术在客户关系管理中的应用
数据挖掘技术在客户关系管理中的应用客户关系管理（Customer Relationship Management，CRM）是指企业通过运用各种资源和技术手段，建立和维护与客户之间的互动关系，以实现客户满意和企业利益最大化的管理活动。
随着信息技术的发展，数据挖掘技术在客户关系管理中发挥着越来越重要的作用。
本文将详细探讨数据挖掘技术在客户关系管理中的应用。
首先，数据挖掘技术可以帮助企业进行客户分析。
通过收集和分析大量的客户数据，企业可以了解客户的偏好、行为习惯和购买意愿，从而更好地满足客户需求。
数据挖掘技术可以通过对数据进行聚类分析、关联分析和预测分析等，帮助企业识别客户的特征和行为模式，并进行有效的客户细分。
例如，一家电子商务企业可以利用数据挖掘技术对用户行为数据进行分析，将用户划分为购买型、浏览型和潜在型客户，以便有针对性地推送个性化的产品推荐和营销活动。
其次，数据挖掘技术在客户关系管理中还可以用于客户挖掘。
企业通过数据挖掘技术可以挖掘潜在客户，即那些对企业产品或服务具有潜在需求的潜在客户。
通过对大量数据的分析，企业可以发现那些具有购买潜力的人群，并采取有针对性的营销活动，提高转化率和销售额。
例如，一家保险公司可以利用数据挖掘技术对公开的人口统计数据和社交媒体数据进行分析，挖掘出那些正在计划购买保险的潜在客户，并通过电话营销或电子邮件营销等方式与他们取得联系。
此外，数据挖掘技术还可以用于客户满意度分析。
通过对客户反馈数据和购买历史等数据的分析，企业可以了解客户对产品和服务的满意度，以及客户的投诉和退款情况，进而改进产品和服务质量。
数据挖掘技术可以通过对大量的文本数据进行情感分析，帮助企业识别客户的情绪和意见，并及时采取措施解决问题。
例如，一家酒店可以利用数据挖掘技术对客户的评论和评分进行情感分析，了解客户的意见和需求，进一步改进服务和提升客户满意度。
最后，数据挖掘技术还可以用于客户流失预测。
客户流失是企业重要的挑战之一，因为吸引新客户的成本通常比维持现有客户的成本要高。
数据挖掘技术在CRM中的应用研究
关 系管 理为企 业 经 营 、 策 和 管 理 提供 了一 种新 决 型商业模 式 。
售、 服务、 技术支持等与客户相关的领域 ， 旨在改 善企业与客户之间关 系的新型机制 ； 也是企业通
过 技术 投资 ， 建立 能搜集 、 跟踪 和分析 客户信 息 的 系统 ， 造并 使 用先 进 的信 息 技术 、 硬 件 ， 创 软 以及 优 化 的管理方 法 和解决方 案 的总和 。
１２ 数 据挖 掘的定 义 ．
数 据挖掘 （ Ｋ ） 从 大 量 数 据 中 提取 出 或 ＤＤ 是
当今许 多企业 的数据 库或 数据 仓库 中都搜集 和存储 了大量 关 于 客户 的宝 贵 数据 ， 些 数 据涵 这 盖 了从 客户基 本数 据 、 购买 记 录 及 客户 反 馈 的各 个 环节 。充分 利用这 些数 据 ， 入分 析 、 掘 隐含 深 挖 在 这些 数据 中 的有 用 信 息 ， 有 助 于企 业 更 好地 将 管理客 户关 系 ， 现 Ｃ Ｍ 的功 能和 目标 。数据挖 实 Ｒ 掘 技术 的 目的是对这 些数 据进行 抽 取 、 转换 、 分析 和模型 化处理 ， 中提取 辅 助 商 业 决 策 的关 键性 从 数 据律 。客户 关系 管理是 数据挖 掘 技术在 企业决 策 支持 系统 中的重要 应用 领域 。
ｌ Ｃ Ｍ 与 数 据挖 掘 的基 本 理 论 Ｒ
１ １ Ｃ Ｍ 的概 念 ． Ｒ
急剧增大。在大量的数据与信息 中， 蕴藏着企业 运作的利弊得失。若能够对这种海量 的数据与信 息 进行 快速 有效 地 深入 分 析 和处 理 ， 能 从 中找 就 出规律和模式 ， 获取所需知识 ， 帮助企业更好地进
数据挖掘分析在CRM系统中的应用
福 建 电
脑
２１ ０ ２年 第 ４期
数 据挖 掘 分 析在 Ｃ Ｍ 系统 中的 应 用 Ｒ
刘 盈
（河北联合 大 学 河北 唐 山 ０ ３ ０ ６ ０ ０）
【 摘 要 】 客 户流 失 分析是 一 种 具有 预 测性 的数据 挖掘 分 析技 术 。 文章针 对 ｃ Ｒ 客 户 ： Ｍ
一
数 据 挖 掘 （ａａＭｉｉｇ ， 称 数 据 库 中 的 知 ｄｔ ｎｎ ） 又 当前 企业 问 的竞 争 不 仅 仅 是 产 品 的竞 争 、 企 识 发 现 （ ｎ ｗｅ ｇ ｓｏｅｙｉ ｔｂ ｓ， Ｄ）是 Ｋ ｏ ｌｄ ｅＤｉ ｖｒ ｎＤａａ ａｅＫＤ ， ｃ
、
获 取 信 息
要信 息 的获 取后 ． 就可 以进 行 相应 的员工 培训 。 设 挖 掘 与 商业 数据 仓库 相 结合 ．并 以适 当的形 式把 备 投 入与 投 资项 目决 策 阶段 ．将 资金 投 入 到需 要 结 果表 示 给从事 商业 活 动 的用 户看 。 数据 挖掘 是从 大量 数据 中提 取知 识 。从 数 据 加 以改善 的地 方 ．意 识企 业 降低 成 本将 资 金 用在
刀 刃上 。
库 的 观点 出发其 次 ．预测 型 数 据挖 掘 ”包 括 一 系 “ 列 在 数 据 中查 找 特 定 变 量ｆ 为 “ 称 目标 变 量 ”与 其 ） 识别 有 价值 的客服 ．已得 到关键 有 益 信 息是
企业 掌 握 主动 的关 键 。 以服 务类 企业 为例 这类 公 他 变 量 之 间关 系 的技 术 【 下 面 具体 介 绍 几种 预 司经常 能够 很 容 易就 能识 别 出那些 即将 与 他们 终 测型 数据挖 掘技 术 、 ａ 决策 树 止 业务 往来 的客 户 他 们 也知道 如 何联 系 到 这些
数据挖掘在客户关系管理(CRM)中的应用
据挖掘技 术 。数据挖掘 能够帮助 企业 确定 客 户的特 点 ， 从而可 以为客户提供有 针对性 的 服务 。通 过数 据挖掘 ， 可发现 购买某一商 品的客户的 特征 ， 而 可以 向那些 也 从 同样具 有这些特 征却 没有购买 的客 户推销 这个 商 品； 还 可找 到流失客户 的特 征 ， 在那些 具有 相似特 征 的客 户还 未流 失之前 ， 采取有针 对性 的措施避免 他们的流失 。
摘 要 ：Ｃ Ｍ现在逐 渐成为企业 的焦点 ， 成 为计算机 领 域一 个活跃 的研 究领 域 。介 绍 了有 关 Ｃ Ｍ 和 Ｒ 也 Ｒ 数据挖掘 的一些基本概念 ， 以及数据挖掘应 用于 Ｃ Ｍ所 带来的好 处 ； Ｒ 最后指 出了如何 在 Ｃ Ｍ 中实施数 据 Ｒ
挖掘 应用 。
关键 词 ：数据挖掘 ；客 户关 系管理 ；交叉销 售
不 同 。我 们 认 为 ， Ｒ 是 一 种 以 客 户 为 中 心 的 经 营 策 ＣＭ 略 ， 以信息技术为手段 ， 它 对业 务功能 进行 重新设 计 ， 并 对工 作流程进行重组 ｌ。 ｌ 一 因此 ，Ｒ 实 际上 是 一 个 概 念 ， 需 要 一 个 新 的 、 ＣＭ 它 以
能够 处理 客户 各种 类型 的 询问 ， 括 有关 的产 品 、 要 包 需 的信息 、 订单请求 、 订单执行情 况 ， 以及高 质量 的现场 服 务 。所有这一切 ， 要求 企业 具有一 个强 大的信 息支 持 都 平台， 及时 、 准确地 收集 和分 析客 户 、 市场 、 销售 、 服务 及 整个企业 内部 的各 种信息 。这 些信息 是 企业 的财富 ， 它 如实地记 录 着企 业运 作 的 本质 状况 。但 是 面 对如 此海 量 的数据 ， 迫使人们不 断寻找新 的工具 来对 企业 的运 营
数据挖掘在CRM中的应用
足 Ｘ中条件 的记录 也 一定满 足 Ｙ中 的条件 ” 。 式 ， 里强调 时 间序列 的影 响 。例如 ， 买 了激 光打 印机 的人 中 ， 这 购
半 年后 ８ ％ 的人 会买新 硒鼓 。 ０
３ 、分 类 ：就 是 找 出一组 能够 描 述数 据集 合 典 型特征 的模 型 来推 动 了西 方 国 家工 商 业 的发 展 ，深 刻 地 影 响着 企 业 的经 营理 （ 函数 ） 或 ，以 便能 够 分 类识 别 未 知数 据 的 归 属和 类 别。 分 类 挖 念 以及 人们 的生 活 方式 。 近年 来 ，信 息 技 术 的快 速 发展 为市 场
和 提升 成 为企 业 发 展 的核 心 。数 据 挖掘 能 够 对 海量 的数据 进 行
３ 、人 工神 经 网络 ：它从 结构 上模 仿生 物 神经 网络 ，是 一种 挖 掘和 深层 次分 析 ，从 中发 现有 价 值 的客 户 ，利 用 模 式和 知 识 通 过训 练 来 学 习的 非线 性预 测 模 型 ，可 以完成 分类 、聚 类 、特 对客 户需 求进行预 测 ，为 企业 的经 营决 策提供 帮助 。 征挖 掘等 多种 数据挖 掘任 务 。 ４ 、最 近 临技术 ：这种 技术 通过 已辨别 历史 记录 的组 合 来辨
的关 系价 值 的一 个 旅程 。 客户 关 系 管理 的成 果 意味 着 客 户 企 业 更 有价值 ，企 业对 客户 也更 有价值 。
综 合各 种观 点 ， Ｒ 的含 义 还可 以从 以下 ３方面进行 理 解 Ｃ Ｍ １ Ｒ 是 一 种 现 代 经 营 管理 理 念 。 作 为一 种 管 理 理 念 ， 、Ｃ Ｍ Ｃ Ｍ 源于 西 方的 市场 营销 理 论。 市场 营 销 的理 论 和 方法 长期 以 Ｒ
关于数据挖掘在CRM中的应用
户理 解的 模式 的非平 凡 提取 过程 。数据 挖掘是 － Ｉ广 义的 交叉 学 科， 汇 聚 了不 同领域 的 研 究者 ， 其是 ＇ － Ｊ 它 尤 数据库 、 工智能 、 理统 计 、 人 数 可视 化 、 行计 算 等 方 面 的学 者 和 工 程 技 术人 员。 当前 ， ＭＫ 并 Ｄ Ｄ研 究正 方 兴
Ａｌ ｔａ ｔ Ｔ ｉ ａ ｅ ｉ ｕ ｓ ｓｔ ｅ ｅ ｓ ｎ ｅ ａ ｄ ｅ ｔｎ ｉｎ ｄ ｖ ｌｌｎ ｍ ｆｄ ｔ ｎｎ ｎ ｔ ｓ ｂ ｓ ｅ ｈ ｏ ＇ ｎ ｅ ｅ ｔｅ ｏｖ ． ｒ ｒ ｃ ｈｓ ｐ ｐ ｒｄｓ ｓｅ ｓｅ ｃ ｎ ｘｅ ｓｏ ｅ ｅ ａ ｅ ｏ ａ ａｍｉｉｇ ａ ｄ ｉ’ ａ ｉ ｔｃ ｎ ＭＤ ａ ｄ ｎ ｗ ｓ ｖ ｌｅ ｓ ｃ ｈ ｏ ｃ
知识 发现 的过程 能够 被 用 户理 解 ， 便于 在知识 发 现过 程 中的 人机 交互 ； 究在 网络 环 境下 的 数据 挖掘 技 也 研
术， 特别是 在 Ｉｔ ｔ ｎ ｍｅ上建 立 Ｄ Ｄ服 务器 ， ｅ ＭＫ 与数 据 库服 务 器 配合 ， 实现 数 据 挖掘 ； 强 对 各 种非 结 构 化 数 加 据的挖掘 ， 如文 本 数 据 、 形 图 像 数 据 、 媒 体 数 据 。 但 是 ， 论 怎 样 ， 求 牵 引， 场 驱 动 是 永 恒 的 ． 图 多 无 需 市 ｍ 将 首先 满足 信 息时 代用 户 的急需 ， 大量 基 于 ｍ＜ 的决 策支 持软 件 工具 产 品将 会 问世 。 ｒ ） 数据挖 掘的 扩展 将表 现 在 四个方 面 ： 挖掘 知识 类型 的 扩 展 、 挖掘 技 术 方 法 的扩 展 、 用 的扩 展 以及 实 应 例 和软件的 扩展 。数 据挖 掘类 型将 会从关 联 规则 、 分类 、 类 、 聚 相似 模式 、 混沌 模 式 、 时序 模 式 、 测 等扩 展 预 到 文本 、 户访 问路 径 、 客 音频 、 视频 等 ， 至发 展到 生 物 信息 挖掘 、 甚 游戏 信 息挖 掘 、ＭＩ文 档 、 语 言 文本 挖 Ｘ 多 掘、 图表数 据库 、 分子 结构 数 据库 等 ； 掘 技术方 法 的扩 展 则从统 计 学 （ 挖 数理 统计 ）证 据 理论 、 器学 习 、 、 机 神 经 网络 、 糙集 、 粗 近似 推理 、 小波 、 形 、 念 格 、 念树提 升 、 策树 等 ； 用扩展 将 从金 融 、 分 概 概 决 应 医疗 保 踺 、 市场 业 、 售业 、 零 制造 业 、 工程 与 科学 、 经纪 业和安全 交 易 、 券交 易 、 证 瑕疵 分 析 、 府 和 防卫 、 政 电信 、 司法 、 业经 企
数据挖掘在客户关系管理中的应用研究
数据挖掘在客户关系管理中的应用研究摘要：企业之间市场竞争的焦点从产品质量的竞争转移到客户资源的争夺，为了从客户数据中找出对企业有价值的信息，概述了数据挖掘技术的方法、工具和流程；总结了如何在CRM应用数据挖掘技术。
关键词：客户关系管理;数据挖掘；客户；企业；信息1 客户关系管理（CRM）最早提出客户关系管理(Customer Relationship Management CRM)的概念的是美国著名的计算机技术咨询和评估集团Garner Group。
他们认为：CRM是企业一项商业策略，按照客户的分类情况有效地组织企业资源，培养以客户为中心的经营行为以及实施以客户为中心的业务流程，赋予企业更完善的客户交流能力，最大化客户的收益率，同时提高企业的利润。
客户关系管理作为一种“以客户为中心”的先进的经营管理理念，能够实现通过客户利益的最大满足促进企业利润极大增长的经营目标。
因此，有学者指出，我们已经进入了客户关系时代。
为顾客提供高质量的服务，不断提高客户的满意度和忠诚度，已经成为新形势下企业管理的一项重要工作。
2 数据挖掘技术数据挖掘技术，是近几年国内外迅速发展起来的一门交叉学科，涉及到数据库、统计学、人工智能与机器学习等多个领域，并广泛应用于金融风险预测、产品质量分析、分子生物学、基因工程研究、Intemet站点访问模式发现及信息搜索和分类等众多领域。
可以毫不夸张地说，凡是有大量数据积累的地方，都有数据挖掘技术的用武之地。
2.1 数据挖掘的概念数据挖掘是从大量的数据中挖掘出隐含的、未知的、用户可能感兴趣的和对决策有潜在价值的知识和规则。
这些知识是隐含的、事先未知的、但却是潜在有用的。
数据挖掘所挖掘的对象也是多种多样的，它可以是结构化的，比如我们所熟知的关系型数据库中的数据；也可以是半结构化的，如文本、图形和图像等数据；甚至还可以是分布在网络上的异构型数据。
2.2 数据挖掘的方法目前常用的数据挖掘方法主要有：聚类分析、关联规则分析、分类、回归分析、粗糙集分析、决策树分析等方法。
数据挖掘在CRM中的应用
的同时购买商品 Ｂ ，这对顾客的购买行为提供 ”
极 有 价值 的信 息 ， 以帮助 企 业如何 摆放 货架 上 可
电大理Ｔ
总铃 ２７期 ３
据和 支持 。 要充 分 发挥 数据 挖 掘技 术在 Ｃ Ｍ 中 的作 Ｒ 用 ， 了利用 前述 的基本方法 ， 除 数据 挖掘技 术必 须 将 业 务处 理 阶段 数据 转 存 到大 型 数据库 或 数 据 仓 库中 ，并与 客户关 系管理 的行为有 机集成 。
的商 品 ，如何规 划市场 ，实施促 销计划 。 ２２分 类分析 ．
分类分析就是通过分析示例数据库 中的数
据， 为每 个类 别做 出准确 的描述 或建 立分 析模 型 或 挖掘 出分类 规则 ， 后用 这个 分类 规则对 其 他 然 数 据库 中 的记 录进行 分类 。 分类 的 目的是 建立 一 个 分类 函数或 分类模 型 ， 该模型 能把 数据 库 中的 数据 项 映射到 给定类 别 中的某 一个 ， 于 规则描 用
关键词 数据挖掘 Ｃ Ｍ 关联规则 时间序列模 式 Ｒ
１ 数 据挖 掘在 ＣＲＭ 中的应 用 范 围 ＣＭ （ Ｒ 客户 关 系 管理 ）是一 种 以客 户 为 中 心 的经 营策 略 。 以信 息技 术 为手段 ， 它 将客 户数
据作 为基 础 ， 过数 据 分析技 术加 强对 客户 的 了 通 解 ，并 对 Ｃ Ｍ 流程 进行 重新 设计 ［】 Ｒ １。数据挖 掘
２ 数据 挖 掘在 ＣＲ 中的基 本方 法 Ｍ ２１关联 规则 发现 ．
未标 定的记 录 ， 即输 入 的记录还 没 有进行 任何 分 类 。在 Ｃ Ｍ 中聚类 分析 可用于 市场 细分 ， 目标 Ｒ
在ｃ 中运用关联规则发现找出客户购买
各种 商 品之 间存 在 的相 互 联 系 。这 种 联 系形 如 ｘ— Ｙ 的逻 辑规 则 ，其 中 ｘ， Ｙ均 是数 据库 中相 关数 据特 征属 性值 的集 合 。 如在 某超 市 的交易 例 数据 库 中存储 了大 量 的销售 数据 ， 利用 关联分 析 发现“０ ９ ％的顾 客在 一 次购 买活动 中购 买 商 品 Ａ
数据挖掘技术在客户关系管理中的应用案例综述
数据挖掘技术在客户关系管理中的应用案例综述概述客户关系管理（CRM）是指企业通过建立和维护良好的客户关系，以实现企业目标的一种管理方式。
随着信息技术的发展，数据挖掘技术被广泛用于客户关系管理中，帮助企业更好地了解客户需求，提升销售业绩。
本文将综述数据挖掘技术在客户关系管理中的应用案例，并分析其效果和挑战。
1. 销售预测销售预测是客户关系管理的核心任务之一，有助于企业调整销售策略并提前做好资源配置。
数据挖掘技术通过分析历史销售数据、客户行为和市场趋势等信息，可以准确预测未来的销售量和趋势。
例如，某电商平台通过对用户的购买记录、浏览行为和用户属性等进行数据挖掘，可以预测不同类别商品的销售情况，从而优化库存管理和推荐策略。
2. 客户分群客户分群是根据客户的特征和行为将客户划分为不同的群体，以便于企业更好地了解客户需求并制定个性化的营销策略。
数据挖掘技术可以通过聚类分析、关联规则挖掘和决策树等方法，将客户分为不同的群体，如忠诚客户、潜在客户和流失客户。
例如，某银行通过对客户的交易记录、贷款需求和信用评分等数据进行聚类分析，将客户分为高净值客户、年轻用户和小微企业主等群体，以便于制定相应的营销策略。
3. 个性化推荐个性化推荐是根据用户的兴趣和偏好，向其推荐最符合其需求的产品或服务。
数据挖掘技术可以通过分析用户的购买记录、点击行为和评分等信息，建立用户兴趣模型，并根据模型进行个性化推荐。
例如，某视频平台通过分析用户的观看历史、点赞行为和关注列表等数据，可以给用户推荐最感兴趣的电影或剧集，提升用户体验和留存率。
4. 潜在客户挖掘潜在客户是指那些对企业产品或服务感兴趣，但尚未购买的潜在消费者。
数据挖掘技术可以通过分析市场调研数据、网站访问日志和社交媒体数据等信息，挖掘潜在客户，为企业提供潜在销售机会。
例如，某保险公司通过对社交媒体上用户的言论和兴趣进行文本挖掘，挖掘出有购买意向的用户，并进行主动营销，提升销售量和市场份额。
统计数据挖掘在CRM中的应用分析
图形 或 表 格 的 形 式 来 表 示 总 体 变 量 值 的 分 布 状 况 ，它 的 表 达 形 式 比较 简 明 、 直 观 。统 计 表格 根 据 它 的 内 容 可 以分 为 频 次 表 、 分 比表 、 计 表 。 常 用 的频 次 表 百 累
包 括 直 方 图 、 线 图 和 曲线 图 。 折 由于 计 算 机 的运 用 ，制 作 图 表 都 可 以通 过 软 件 来 实 现 ， ￣Ｅ ｃｌＳ Ｓ 等 软 件 。 例 １ ｘ ｅ， Ｐ Ｓ ３ 统 计 图是 以 图 形 表 示 变 量 的分 布 情 况 ， 统计表相 比 ， 然 不如它精 确 ， 与 虽 但 却 更 直 观 、 动 、 目。 常 用 的 统 计 表 有 生 醒 饼 图、 条形 图 、 方 图和 折 线 图 。 直 ２进 行 复 杂 数 据 挖 掘 前 的统 计 降 维 ． 方 法 一 因子 分 析 方 法 。 由 于 数 据 的 结 构 有 时 候 会 非 常 复 杂 ，不 便 于 直 接 用 来 做 数 据 挖 掘 。这 时候 需 要 对 复 杂 数 据 进 行 统 计 降 维 分 析 ， 而 简化 数 据 结 构 。 从 因子
统计数据 挖掘在 Ｃ Ｍ中的应 用分析 Ｒ
王 恩 泉
（ 龙 江 省 绥 化 市 太平 川镇 人 民政 府 ， 化 １２ ０ 黑 绥 ５ ０ ０）
ｆ 键 词 ］Ｒ ， 计 ， 据 挖 掘 关 ＣＭ 统 数
２ 世 纪 是 以 网 络 为 代 表 的信 息 技 术 １ 突 飞猛 进 的 时 代 ， 随着 网络 的 飞 速 发 展
客户 数 据 进行 全 面 收 集 、 成 、 析 与 利 集 分 用 是 Ｃ Ｍ实 施 的 基 础 。如 何 管 理 和 分 析 Ｒ 海 量 的客 户信 息 ，并 从 中找 出对 ＣＲＭ决 策 有 价 值 的 知 识 ？ 这需 要 更 先 进 的 技 术
论数据挖掘技术在客户关系管理(CRM)中的应用
论数据挖掘技术在客户关系管理（ＣＲＭ）中的应用作者：王芳杨奕来源：《现代商贸工业》2009年第01期摘要：CRM是适应企业“以产品为中心”到“以客户为中心”的经营模式的战略转移和关系营销的需要而发展起来的新的管理理念。
数据挖掘技术能很好的进行数据的分析、处理，发现有价值的客户信息。
探讨了数据挖掘技术在客户关系管理中的相关应用。
关键词：客户关系管理；数据挖掘；顾客价值中图分类号：F7文献标识码：A文章编号：1672-3198（2009）01-0350-1 引言客户关系管理作为一种“以客户为中心”的先进的经营管理理念，能够实现通过客户利益的最大满足促进企业利润极大增长的经营目标。
为顾客提供高质量的服务，不断提高客户的满意度和忠诚度，已经成为新形势下企业管理的一项重要工作。
因此，有学者指出，我们已经进入了客户关系时代。
客户关系管理的核心是客户价值管理，其目的不断提高客户的满意度和忠诚度从而达到获取企业竞争优势。
2 数据挖掘技术简介数据挖掘（Data Mining，简称DM）是从大型数据库或数据仓库中发现并提取隐藏在其中的有用信息的一种新技术，是数据库研究中的一个很有应用价值的领域。
它可以从大量的数据中抽取出潜在的、有价值的知识、模型或规则，有助于企业发现业务的趋势，揭示已知的事实，预测未知的结果。
数据挖掘的方法主要有：（1）概念/类描述。
概念描述以简洁汇总的形式描述给定的任务相关数据集，提供数据价值的一般特性，一般应用于ＣＲＭ中的描述式数据挖掘。
（2）关联分析。
关联分析发现关联规则，广泛用于购物蓝、商务管理和决策分析，是商业分析中应用最为广泛的一种数据挖掘方法和模式。
（3）分类和预测分析。
分类和预测是ＣＲＭ中数据分析的两种重要形式，可以用于提取描述重要数据类的模型或预测未来的数据趋势。
（4）聚类分析。
属于无指导学习。
对象根据最大化类内的相似性、最小化类内的相似性的原则进行聚类或分组。
（5）孤立点分析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
量数据项集之间有价值的相互联系。常用的关联分 析有简单关联、因果关联和时序关联。关联分析技 术常用于超级市场中的购物篮分析中。通过对商场 销售数据库中的数据进行分析，挖掘出客户的各种 特征与购买的商品之间的联系，从而为商场制定合 理的销售策略、提高客户的响应度。客户关系管理 中经典的“尿布与啤酒”的例子就是运用了这一原 理。全球最大的零售商沃尔玛（Walmart）通过对客户 购物的数据分析后发现，很多周末购买尿布的顾客 也同时购买啤酒。经过深入研究后发现，美国家庭 购买婴儿尿布的多是父亲，父亲们下班后要到超市 买尿布，同时也顺便为自己买一罐啤酒，好在周末 观看棒球比赛时饮用。后来沃尔玛就将啤酒与尿布 放在一起进行交叉销售，结果啤酒与尿布的销售量 都得到了提高。这不仅为客户提供了更周全的服 务，提高了客户响应度，同时也给商场带来了更大 的利益。
有一个清晰明确的定义，即决定到底想干什么。 （二）建立数据挖掘库
连同下面的两个步骤, 这三步构成了数据预处 理的核心。这三步比其他所有的步骤加在一起所花 的时间和精力还多。数据准备和模型建立之间可能 反复进行，因为从模型中会学到新的东西，而这又
需要修改数据。数据准备阶段也要占去全部数据采 集过程的 80%～90%的时间和努力。应该把要挖掘 的数据都收集到一个数据库中。注意这并不是说一 定要使用一个数据库管理系统。根据要挖掘的数据 量的大小、数据的复杂程度、使用方式的不同，有时 一个简单的平面文件或电子表格就足够了。需要建 立独立的数据挖掘库的另一个理由是，数据仓库可 能不支持对数据进行各种复杂分析所需的数据结
构,包括对数据进行统计查询，多维分析和各种复杂 的图表及其可视化。
（三）为建模准备数据 理想情况下，可选择所拥有的全部变量，输入
到数据挖掘工具中，找出哪些是最好的预测变量。 实际上这样做并不是很好，其中一个原因是建立模 型的时间随着变量的增加而增加；另一个原因就是
盲目性，包括无关紧要的数据列被加入，却很少甚
[3] 赵静，和斌.基于数据挖掘的客户关系管理系统的 构建[J].情报技术,2008(11).
[4] （美）Kantardzic.数据挖掘方法和算法[M]. 闪四清， 等，译.北京：清华大学出版社，2008.
[5] 杨兴凯.客户关系管理[M]. 大连：东北财经大学出 版,2009.
［责任编辑：谭志远］
（四）通过描述和可视化技术显示分析结果，直 观掌握商场客户动态
描述和可视化技术利用了人类在可视化形式 下对模型和结构的获取能力，使抽象的信息以简明 的图、表等形式呈现出来，加深了用户对数据含义 的理解，更好地掌握了数据之间的相互关系和发展 的趋势。数据挖掘描述与可视化技术可以将数据库 和数据仓库中的每一个客户数据项作为图形元素 输出，大量的数据集构成数据图像，如客户本月与 上一个月的消费情况对比图等，同时将客户的相关 属性值以多维数据的形式来表示，可以从不同的维 度观察数据，从而对客户行为进行更加直观深入的 观察和分析。
参考文献：
[1] Rajiv Kohli. Managing Customer relationships through E-business decision support application [J]. Decision Support Systems，2007(3).
[2] 宝利嘉. 客户关系管理解决方案[M]. 北京：中国经 济出版社,2007.
经贸 B E I F A N G J I N G M A O 北方
数据挖掘在商场 CRM 中的应用研究
代碧波
（哈尔滨商业大学 管理学院，哈尔滨 150028）
文摘编号：1005-913X（2010）05-0063-CA 摘要：随着市场竞争的加剧和消费者的需求日趋个性 化，如何在快速多变的市场中保持老客户与争取新客 户成为关乎各大商场成长和发展的关键，以客户为中 心的客户关系管理（CRM）思想就在这样的一个环境和 变化中逐渐为银行所重视与推崇，在日常管理中逐渐 成为注目的焦点。成功地实施一个 CRM 项目，关键在 于如何对客户与商场交互过程中的各种数据进行收 集、分析，挖掘出隐含在数据中的有用信息，然后用分 析所得的知识做出决策，这需要先进的技术和工具的 支持，数据挖掘技术的出现为商场 CRM 的实施提供了 良好的支持。 关键词：数据挖掘；CRM（客户关系管理）；信息技术 中图分类号：F713.50 文献标识码：A 文章编号：1005-913X（2010）05-0063-02
至不能提高预测能力。 （四）建立模型 建立模型是一个反复的过程。需要仔细考察不
同的模型以判断哪个模型更有用。在寻找好的模型 的过程中学到的东西，会启发用户修改数据，甚至 改变最初对问题的定义。为保证得到的模型具有较 好的精确度和健全性，需要一个定义完善的训练— 验证协议，有时也称为指导性学习。主要思想就是 先用一部分数据建立模型, 然后再用剩下的数据来 测试和验证这个得到的模型。
三、数据挖掘在商场 CRM 中的应用 数据挖掘作为一种数据分析工具，具有统计分 析、联机事务处理（OLTP）和联机分析处理（OLAP） 等数据分析工具无可比拟的优点。数据挖掘技术从 功能上包括分类、聚类、孤立点分析、关联分析、以 及描述和可视化分析，它们都在分析型 CRM 中得 到了具体应用。 （一）通过聚类技术对商场客户进行细分，提高 客户满意度 分类是数据挖掘中一项非常重要的任务，其目 的是建立一个分类函数或分类模型，该模型能够把 数据库中的数据项映射到给定的类别中。聚类是根 据数据的不同特征，将其划分为不同的数据类，目 的是使属于同一个类别的个体之间的距离尽可能 小，而不同类别上的个体间的距离尽可能大。在分 析型 CRM 系统中，按照商场客户的价值细分客户 就需要首先将一部分客户数据进行聚类，主要的方 法有区间标度变量聚类法和所有属性聚类法，利用 聚类的结果按客户价值给客户赋以类标记。类标记 有四种：即高价值客户、成长型客户、一般客户和负 加值客户。然后利用分类技术，对商场客户特征进 行建模，描述出高价值客户的特征，以便于商场在 进行市场活动时能够及时地发现类似的高价值客 户，或将现有的其他类型客户转化为高价值客户。 因此，通过数据挖掘技术对商场客户进行细分，设 定相应的客户级别，就可以针对有价值的客户开展 特别的促销活动、提供更个性化的服务。根据 CRM 中的 80/20 原则，一个公司 80%的利润是由 20%的 高价值客户产生的，所以服务好这些高价值的客 户，不仅可以提高他们对商场的满意度和忠诚度， 还能够有效加强商场的盈利能力，从而提升商场的 竞争实力。 （二）通过孤立点分析技术分析商场客户行为， 防止客户流失 数据库中与其它一般数据的特点和模型不一 致的数据对象称为孤立点。大部分数据挖掘技术都 将孤立点视为冗余或异常而丢弃，然而有时通过发 现异常却能够引起人们对特殊情况的警觉, 从而有 针对性的采取有效措施。在分析型 CRM 系统中，孤 立点分析技术可以帮助商场分析客户行为，及时发 现有流失倾向的客户，以便采取措施挽留他们。孤 立点分析可以使用统计试验检测方法，具体方法 是：首先对一些连续性的客户属性的数值进行观察 试验，从而确定一个数据区间，如果某个数值落在 这个区间以外，则视为孤立点。例如一个商场客户 每个月都会在固定的商场消费 5 到 8 次，但是近一 两个月内该客户的消费次数明显少于 5 次，则表明 该客户行为出现了异常，有可能成为流失客户，必 须引起商场的足够重视。随着行业竞争愈来愈激 烈，获得一个新客户的开销愈来愈大，通常是设法 留住一个老客户开销的 5 倍，因此保持原有客户的 工作也愈来愈有价值。所以商场利用数据挖掘技术 分析客户行为是十分有必要的。 （三）通过关联分析技术进行交叉销售，提高商 场客户响应度 关联分析技术是指从大量事务记录中发现大
一、引言 数据挖掘(Data Mining,DM),又称数据库中的知 识发现，是指从大型数据库或数据仓库中提取隐含 的、未知的、非平凡的及有潜在应用价值的信息或 模式。它是数据库研究中的一个很有应用价值的新 领域，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。从商业角度看，数据挖 掘是一种崭新的商业信息处理技术，其主要特点是 对商业数据库中的大量业务数据进行抽取、转化、 分析和模式化处理，从中提取辅助商业决策的关键 知识，即从一个数据库中自动发现相关商业模式。 它可以描述成：按企业既定业务目标，对大量的企 业数据进行探索和分析，揭示隐藏的、未知的或验 证已知的商业规律，并进一步模式化的数据处理方 法。 数据挖掘工具能够对将来的趋势和行为进行 预测，从而很好地支持人们的决策。比如，经过对整 个公司数据库系统的分析，数据挖掘工具可以回答 诸如“什么样的客户对我们公司的邮件推销活动最 有可能做出反应，为什么？”等类似的问题。如果将 其运用到客户关系管理中，就能在数据量庞大的客 户数据仓库中，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，实现对客户需求做 出恰当的回应，并预测需求趋势。 二、数据挖掘运作原理 为使 CRM 系统建立良好的模型，在实施数据 挖掘之前，先确定采取什么样的步骤，每一步都做
64
2010年第 5 期
什么，达到什么样的目标是必要的，有了好的计划
才能保证数据挖掘有条不紊地实施并取得成功。虽 然把各个步骤按顺序排列，但要注意数据挖掘过程
并不是线性的，要取得好的结果就要不断重复这些
步骤。比如在“分析数据”时可能会发现在“建立数 据挖掘数据库”时做得不够好，需要添加一些新的 数据。
（一）定义商业问题
每一个 CRM 应用程序都有一个或多术、网络技术和通讯技术的不断 发展, 数据挖掘技术将广泛应用于商场的 CRM 系 统中，帮助商场智能化的处理海量的客户信息，深 入分析商场的运营规律，为商场的商业决策提供有 价值的知识，提高商场的工作效率。同时也必须意 识到，将数据挖掘技术结合到商场 CRM 应用系统 流程中将是一个持续化的过程，随着数据挖掘技术 的不断发展和 CRM 系统规模的不断变化，商场必 须及时有效的做好数据挖掘模型和数据资源的更 新工作，并定期进行对操作人员的教育和培训，培 养商场内部的数据挖掘专业人才，从而为商场创造 更大的利润，使商场能在日益激烈的市场竞争中获 得长足发展。