第14章 客户关系管理系统-数字智能时代的管理信息系统-柳毅-清华大学出版社
合集下载
相关主题
- 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)。
▪ 先找到频繁1-项集集合L1,然后用L1找到频繁2-项集集合 L2，接着用L2找L3，直到找不到频繁k-项集，找每个Lk 需要一次数据库扫描。
❖ Apriori性质：频繁项集的所有非空子集也必须是
频繁的。（ A B模式不可能比A更频繁的出现）
▪ Apriori性质是反单调的，即一个集合如果不能通过测试 ，则该集合的所有超集也不能通过相同的测试。
图14.2客户关系管理系统分类
7
第二节 客户关系管理系统
二、客户关系管理系统的分类
1)操作型CRM（Operational CRM）
操作型系统也称为营运型系统
2)分析型CRM（Analytical CRM）
从操作型CRM系统应用所产生的大量交易数据中提取有 价值的各种信息
3)协作型CRM（Collaborative CRM）
1.关于CRM定义的不同表述
1)IBM对CRM的理解 2)Gartner Group的描述 3)Hurwitz group的描述
2.对CRM的完整理解和定义
1)CRM的概念内涵 2)CRM的定义
3
第一节 客户关系管理概述
二、客户、关系和管理概念的再认识
1.管理(Management) 2.关系(Relationship) 3.客户(Customer)
管理信息系统
第14章 客户关系管理系统
1
本章学习目标
¤ 理解客户关系管理的概念及作用 ¤ 掌握客户关系管理系统的组成及分类 ¤ 了解数据挖掘相关概念及功能分类 ¤ 进一步了解数据挖掘主要方法 ¤ 理解和掌握基于数据挖掘的客户关系管理系统体
系结构及系统功能。
第一节 客户关系管理概述
一、客户关系管理的定义
4
第二节 客户关系管理系统
一、客户关系管理系统组成
接触活动（客户交互）子系统、业务功能子系统、 数据库子系统和企业应用集成子系统
图14.1客户关系管理系统基本架构
5
第二节 客户关系管理系统
客户关系管理系统特点 1)综合性 2)集成性 3)智能化 4)高技术含量
6
第二节 客户关系管理系统
二、客户关系管理系统的分类
❖ 关联规则挖掘的一个典型例子是购物篮分析
13
第四节 数据挖掘的方法
购物篮分析
全域是商店中可利用的商品的集合，则每种商品 有一个布尔变量，表示该商品的有无。每个篮子 则可用一个布尔向量表示。可以分析布尔向量， 得到反映商品频繁关联或同时购买的购买模式。 这些模式可以用关联规则的形式表示，例如
computerfinancial management software [support = 2%, confidence = 60%] (14.1)
11
第三节 数据挖掘的概念
二、数据挖掘功能分类
1.概念/类描述：特征和区分 2.分类和预测 3.聚类分析 4.关联规则分析 5.孤立点分析 6.演变分析
12
第四节 数据挖掘的方法
一、关联规则挖掘功能及方法
❖关联规则（Association Rule）挖掘是发现大量数 据库中项集之间的关联关系
❖ 从大量商业事务中发现有趣的关联关系，可以帮 助许多商业决策的制定，如分类设计、交叉购物 等
图14.3 知识发现过程示意图
10
第三节 数据挖掘的概念
知识发现过程
数据清洗和集成
清除数据噪声并将各种数据源中的数据组合到一起， 构建成数据仓库或与挖掘主题相关的数据集市
数据挖掘
知识发现过程的关键步骤，利用智能方法从数据仓库 或数据集市中挖掘出数据模式和规律
模式评估与表示
对挖掘出的模式进行评估，得到兴趣度高的知识，并 利用可视化和知识表达技术，将其展示给用户
频率大于或等于min_sup与D中事务总数的乘积 ❖ 如果项集满足最小支持度，则称它为频繁项集。
频繁 k -项集的集合通常记作 Lk
17
第四节 数据挖掘的方法
关联规则挖掘包含两个步骤
（1）找出所有频繁项集：根据定义，这些项集 出现的频繁性至少和预定义的最小支持计数一 样
（2）由频繁项集产生强关联规则：根据定义， 这些规则必须满足最小支持度和最小置信度
14
第四节 数据挖掘的方法
❖ 给定： ▪ 项的全集：I={i1,i2,...,im} ▪ 任务相关数据D是数据库事务的集合，每个事 务T则是项的集合，使得 T I ▪ 每个事务由事务标识符TID标识； ▪ A,B为两个项集，事务T包含A当且仅当A T
❖ 则关联规则是如下蕴涵式：
A B [s, c]
18
第四节 数据挖掘的方法
Apriori是挖掘关联规则的一个重要方法。 算法分为两个子问题：
❖ 找到所有支持度大于最小支持度的项集（Itemset ），这些项集称为频繁集（Frequent Itemset）。
❖ 使用第1步找到的频繁集产生规则。
第四节 数据挖掘的方法
❖ Apriori算法利用频繁项集性质的先验知识（prior knowledge），通过逐层搜索的迭代方法，即将k项集用于探察(k+1)-项集，来穷尽数据集中的所有 频繁项集。
第四节 数据挖掘的方法
第四节 数据挖掘的方法
❖ Apriori算法由连接和剪枝两个步骤组成。 ❖ 连k-项接集：的为集了合找，Lk该，候通选过k将项L集k-1记与为自C己k。连接产生候选
▪ L件k-是1中的两个元素L1和L2可以执行连接操作 l1 l2 的条
(l1[1] l2[1]) (l1[2] l2[2]) ... (l1[k 2] l2[k 2]) (l1[k 1] l2[k 1])
企业客ห้องสมุดไป่ตู้服务人员和客户共同参与
8
第三节 数据挖掘的概念
一、数据挖掘的基本概念
❖ 数据挖掘是一个多学科交叉的应用领域，这些交 叉学科包括：数据库系统、机器学习、统计学、 可视化和信息科学
❖ 对数据挖掘的两种观点 ▪ 视为 “数据库中知识发现”(KDD)的同义词 ▪ 视为KDD的一个基本步骤
9
第三节 数据挖掘的概念
▪ 其中 A I, B I 并且 A B ，规则 A B 在事务集D中成立，并且具有支持度s和置信度 c
15
第四节 数据挖掘的方法
16
第四节 数据挖掘的方法
❖ 项的集合称为项集 ❖ 包含k个项的项集称为k-项集 ❖ 项集的出现频率是包含项集的事务数，简称为项
集的频率、支持计数或计数 ❖ 项集满足最小支持度min_sup，如果项集的出现
❖ Apriori性质：频繁项集的所有非空子集也必须是
频繁的。（ A B模式不可能比A更频繁的出现）
▪ Apriori性质是反单调的，即一个集合如果不能通过测试 ，则该集合的所有超集也不能通过相同的测试。
图14.2客户关系管理系统分类
7
第二节 客户关系管理系统
二、客户关系管理系统的分类
1)操作型CRM（Operational CRM）
操作型系统也称为营运型系统
2)分析型CRM（Analytical CRM）
从操作型CRM系统应用所产生的大量交易数据中提取有 价值的各种信息
3)协作型CRM（Collaborative CRM）
1.关于CRM定义的不同表述
1)IBM对CRM的理解 2)Gartner Group的描述 3)Hurwitz group的描述
2.对CRM的完整理解和定义
1)CRM的概念内涵 2)CRM的定义
3
第一节 客户关系管理概述
二、客户、关系和管理概念的再认识
1.管理(Management) 2.关系(Relationship) 3.客户(Customer)
管理信息系统
第14章 客户关系管理系统
1
本章学习目标
¤ 理解客户关系管理的概念及作用 ¤ 掌握客户关系管理系统的组成及分类 ¤ 了解数据挖掘相关概念及功能分类 ¤ 进一步了解数据挖掘主要方法 ¤ 理解和掌握基于数据挖掘的客户关系管理系统体
系结构及系统功能。
第一节 客户关系管理概述
一、客户关系管理的定义
4
第二节 客户关系管理系统
一、客户关系管理系统组成
接触活动（客户交互）子系统、业务功能子系统、 数据库子系统和企业应用集成子系统
图14.1客户关系管理系统基本架构
5
第二节 客户关系管理系统
客户关系管理系统特点 1)综合性 2)集成性 3)智能化 4)高技术含量
6
第二节 客户关系管理系统
二、客户关系管理系统的分类
❖ 关联规则挖掘的一个典型例子是购物篮分析
13
第四节 数据挖掘的方法
购物篮分析
全域是商店中可利用的商品的集合，则每种商品 有一个布尔变量，表示该商品的有无。每个篮子 则可用一个布尔向量表示。可以分析布尔向量， 得到反映商品频繁关联或同时购买的购买模式。 这些模式可以用关联规则的形式表示，例如
computerfinancial management software [support = 2%, confidence = 60%] (14.1)
11
第三节 数据挖掘的概念
二、数据挖掘功能分类
1.概念/类描述：特征和区分 2.分类和预测 3.聚类分析 4.关联规则分析 5.孤立点分析 6.演变分析
12
第四节 数据挖掘的方法
一、关联规则挖掘功能及方法
❖关联规则（Association Rule）挖掘是发现大量数 据库中项集之间的关联关系
❖ 从大量商业事务中发现有趣的关联关系，可以帮 助许多商业决策的制定，如分类设计、交叉购物 等
图14.3 知识发现过程示意图
10
第三节 数据挖掘的概念
知识发现过程
数据清洗和集成
清除数据噪声并将各种数据源中的数据组合到一起， 构建成数据仓库或与挖掘主题相关的数据集市
数据挖掘
知识发现过程的关键步骤，利用智能方法从数据仓库 或数据集市中挖掘出数据模式和规律
模式评估与表示
对挖掘出的模式进行评估，得到兴趣度高的知识，并 利用可视化和知识表达技术，将其展示给用户
频率大于或等于min_sup与D中事务总数的乘积 ❖ 如果项集满足最小支持度，则称它为频繁项集。
频繁 k -项集的集合通常记作 Lk
17
第四节 数据挖掘的方法
关联规则挖掘包含两个步骤
（1）找出所有频繁项集：根据定义，这些项集 出现的频繁性至少和预定义的最小支持计数一 样
（2）由频繁项集产生强关联规则：根据定义， 这些规则必须满足最小支持度和最小置信度
14
第四节 数据挖掘的方法
❖ 给定： ▪ 项的全集：I={i1,i2,...,im} ▪ 任务相关数据D是数据库事务的集合，每个事 务T则是项的集合，使得 T I ▪ 每个事务由事务标识符TID标识； ▪ A,B为两个项集，事务T包含A当且仅当A T
❖ 则关联规则是如下蕴涵式：
A B [s, c]
18
第四节 数据挖掘的方法
Apriori是挖掘关联规则的一个重要方法。 算法分为两个子问题：
❖ 找到所有支持度大于最小支持度的项集（Itemset ），这些项集称为频繁集（Frequent Itemset）。
❖ 使用第1步找到的频繁集产生规则。
第四节 数据挖掘的方法
❖ Apriori算法利用频繁项集性质的先验知识（prior knowledge），通过逐层搜索的迭代方法，即将k项集用于探察(k+1)-项集，来穷尽数据集中的所有 频繁项集。
第四节 数据挖掘的方法
第四节 数据挖掘的方法
❖ Apriori算法由连接和剪枝两个步骤组成。 ❖ 连k-项接集：的为集了合找，Lk该，候通选过k将项L集k-1记与为自C己k。连接产生候选
▪ L件k-是1中的两个元素L1和L2可以执行连接操作 l1 l2 的条
(l1[1] l2[1]) (l1[2] l2[2]) ... (l1[k 2] l2[k 2]) (l1[k 1] l2[k 1])
企业客ห้องสมุดไป่ตู้服务人员和客户共同参与
8
第三节 数据挖掘的概念
一、数据挖掘的基本概念
❖ 数据挖掘是一个多学科交叉的应用领域，这些交 叉学科包括：数据库系统、机器学习、统计学、 可视化和信息科学
❖ 对数据挖掘的两种观点 ▪ 视为 “数据库中知识发现”(KDD)的同义词 ▪ 视为KDD的一个基本步骤
9
第三节 数据挖掘的概念
▪ 其中 A I, B I 并且 A B ，规则 A B 在事务集D中成立，并且具有支持度s和置信度 c
15
第四节 数据挖掘的方法
16
第四节 数据挖掘的方法
❖ 项的集合称为项集 ❖ 包含k个项的项集称为k-项集 ❖ 项集的出现频率是包含项集的事务数，简称为项
集的频率、支持计数或计数 ❖ 项集满足最小支持度min_sup，如果项集的出现