CRM的主要技术.ppt
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)。
（2）演变分析：描述时间序列数据随时间变化的数据的规 律或趋势，并对其建模。包括时间序列趋势分析、周期模 式匹配等。例如：通过对交易数据的演变分析，可能会得 到"89%情况股票X上涨一周左右后，股票Y会上涨"这样一
条序列知识。
（3）聚类分析：根据最大化类内的相似性、最小化类 间的相似性的原则将数据对象聚类或分组，所形成的 每个簇（聚类）可以看作一个数据对象类，用显式或 隐式的方法描述它们。也就是我们常说的物以类聚人 以群分。
数据挖掘——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，汇集了统计学、人工智能、 数据库等学科的内容，是一门新兴的交叉学科。
数据挖掘主要采用以下几种方法进行知识发现：
（1）关联分析：寻找数据项之间感兴趣的关联关系。例如： 我们可以通过对交易数据的分析可能得出“86%买‘啤酒’ 的人同时也买‘尿布’”这样一条“啤酒”和“尿布”之 间的关联规则。
（4）分类分析：找出描述并区分数据类的模型（可以 是显式或隐式），以便能够使用模型预测给定数据所 属的数据类。例如：信用卡公司可以将持卡人的信誉 度分类为：良好、普通和较差三类。分类分析通过对 这些数据类的分析给出一个信誉等级的显式模型："信 誉良好的持卡人是年收入在30000元到50000元之间， 年龄在30至45岁之间，居住面积达90M2 左右的人"。 这样对于一个新的持卡人，就可以根据他的特征预测 其信誉度。
Байду номын сангаас
生活中的呼叫中心
❖以上例子只是我们在日常生活使用呼叫中 心很少的一部分，很多拥有呼叫中心的部 门或者机构常自称为客服服务、销售、预 定、求助、以及账务中心等等，而不是呼 叫中心。
❖通过日常生活的接触，我们容易知道呼叫 中心不仅仅是电话，他们还有其他的联系 方式，像短信、传真、电子订单、视频等
数据挖掘是CRM的前提和基础，CRM是数据 挖掘的延续和创新，通过将两者进行有效的组 合，不断促进企业单个客户价值的提升和客户 规模的扩大，有效地推动企业价值和实力的不 断攀升。
二、呼叫中心
随着互联网的发展，信息交流技术 越来越多，CRM系统需要支持多种交流 方式。以便促使提高客户沟通效率、 缩短交易周期，提升企业的赢利能力。
❖ 这是数据挖掘技术对历史数据进行分析的结果，反映数 据内在的规律。那么这个结果符合现实情况吗？是否是 一个有用的知识？是否有利用价值？
❖ 于是，沃尔玛派出市场调查人员和分析师对这一数据挖 掘结果进行调查分析。经过大量实际调查和分析，揭示 了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模 式：在美国，一些年轻的父亲下班后经常要到超市去买 婴儿尿布，而他们中有30%～40%的人同时也为自己买一 些啤酒。产生这一现象的原因是：美国的太太们常叮嘱 她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后 又随手带回了他们喜欢的啤酒。
有价值的工作。而数据挖掘是目前最先进的数据
资源开发利用技术
我们先来看一个数据挖掘的故事， "尿布与啤 酒"的故事是关于数据挖掘最经典和流传最广的 故事。
总部位于美国阿肯色州的世界著名商业零
售连锁企业沃尔玛（Wal Mart）拥有世界上最 大的数据仓库系统。为了能够准确了解顾客在 其门店的购买习惯，沃尔玛利对其顾客的购物 行为进行购物篮分析，想知道顾客经常一起购 买的商品有哪些。沃尔玛数据仓库里集中了其 各门店的详细原始交易数据。在这些原始交易 数据的基础上，沃尔玛利用NCR数据挖掘工具 对这些数据进行分析和挖掘。一个意外的发现 是："跟尿布一起购买最多的商品竟是啤酒！"
生活中的呼叫中心
❖ 比如你拿手机拨打10010，接电话的小姑娘使用的 就是呼叫中心；你给银行打电话，查自己工资卡 里的钱，播放语音的就是呼叫中心；如果你在使 用宽带网络上网时，发生网络中断，于是你拨通 了10060热线，客服人员详细了解了具体情况，并 告诉他将于五分钟内解决问题；如果你想订一张 飞机票，那么你打个电话给票务公司，一个友好 的、礼貌的声音会告诉你订票情况，并帮你查询， 告诉你价格。原来每个人都是曾经跟呼叫中心打 过交道，只不过他们并不知道什么是呼叫中心或 者不知道他就是呼叫中心。
❖ 既然尿布与啤酒一起被购买的机会很多，于是沃尔玛就 在其一个个门店将尿布与啤酒并排摆放在一起，结果是 尿布与啤酒的销售量双双增长。
❖ 按常规思维，尿布与啤酒风马牛不相及，若不是借助数据 挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能 发现数据内在这一有价值的规律的。
❖ 那么数据挖掘是什么样的技术呢？
第二节 客户关系管理的主要技术
一、数据挖掘技术
随着国民经济和社会信息化的发展，人们在 计算机系统中存放的数据量越来越大。我们发现 这些数据是人们工作、生活和其他行为的记录， 是企业和社会发展的记录，也是人与自然界本身 的描述。这就是说在计算机系统中形成了庞大的 "数据资源"。因此，发现这些数据所含的规律也 就是发现我们工作、生活和社会发展中的规律， 发现人与自然界的规律，就相当于在数据资源中 发现金矿。这就是数据资源的开发利用，是非常
（5）异常分析：一个数据集中往往包含一些特别 的数据，其行为和模式与一般的数据不同，这些 数据称为"异常"。对"异常"数据的分析称为"异常 分析"。它在欺诈甄别、网络入侵检测等领域有着 广泛的应用。
数据挖掘的实施步骤： 主要有数据准备、规律寻找、规律表示和结果评价四 个步骤。 数据准备是从各种数据源中选取和集成用于数据挖 掘的数据； 规律寻找是用某种方法将数据中的规律找出来； 规律表示是用尽可能符合用户习惯的方式（如可视 化）将找出的规律表示出来； 但在具体实施数据挖掘应用时，还要有一个步骤就 是结果评价。这是因为数据算法寻找出来的是数据的 规律，其中有些是人们感兴趣的有用的，还有一些可 能是不感兴趣的没有用的。这就要对寻找出的规律进 行评估。例如："跟尿布一起购买最多的商品是啤酒" 这样一条规律是否有用呢？这就需要市场调查和评估 工程师根据实际情况做出评估判断。这是一个人工步 骤，还难以自动化。
条序列知识。
（3）聚类分析：根据最大化类内的相似性、最小化类 间的相似性的原则将数据对象聚类或分组，所形成的 每个簇（聚类）可以看作一个数据对象类，用显式或 隐式的方法描述它们。也就是我们常说的物以类聚人 以群分。
数据挖掘——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，汇集了统计学、人工智能、 数据库等学科的内容，是一门新兴的交叉学科。
数据挖掘主要采用以下几种方法进行知识发现：
（1）关联分析：寻找数据项之间感兴趣的关联关系。例如： 我们可以通过对交易数据的分析可能得出“86%买‘啤酒’ 的人同时也买‘尿布’”这样一条“啤酒”和“尿布”之 间的关联规则。
（4）分类分析：找出描述并区分数据类的模型（可以 是显式或隐式），以便能够使用模型预测给定数据所 属的数据类。例如：信用卡公司可以将持卡人的信誉 度分类为：良好、普通和较差三类。分类分析通过对 这些数据类的分析给出一个信誉等级的显式模型："信 誉良好的持卡人是年收入在30000元到50000元之间， 年龄在30至45岁之间，居住面积达90M2 左右的人"。 这样对于一个新的持卡人，就可以根据他的特征预测 其信誉度。
Байду номын сангаас
生活中的呼叫中心
❖以上例子只是我们在日常生活使用呼叫中 心很少的一部分，很多拥有呼叫中心的部 门或者机构常自称为客服服务、销售、预 定、求助、以及账务中心等等，而不是呼 叫中心。
❖通过日常生活的接触，我们容易知道呼叫 中心不仅仅是电话，他们还有其他的联系 方式，像短信、传真、电子订单、视频等
数据挖掘是CRM的前提和基础，CRM是数据 挖掘的延续和创新，通过将两者进行有效的组 合，不断促进企业单个客户价值的提升和客户 规模的扩大，有效地推动企业价值和实力的不 断攀升。
二、呼叫中心
随着互联网的发展，信息交流技术 越来越多，CRM系统需要支持多种交流 方式。以便促使提高客户沟通效率、 缩短交易周期，提升企业的赢利能力。
❖ 这是数据挖掘技术对历史数据进行分析的结果，反映数 据内在的规律。那么这个结果符合现实情况吗？是否是 一个有用的知识？是否有利用价值？
❖ 于是，沃尔玛派出市场调查人员和分析师对这一数据挖 掘结果进行调查分析。经过大量实际调查和分析，揭示 了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模 式：在美国，一些年轻的父亲下班后经常要到超市去买 婴儿尿布，而他们中有30%～40%的人同时也为自己买一 些啤酒。产生这一现象的原因是：美国的太太们常叮嘱 她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后 又随手带回了他们喜欢的啤酒。
有价值的工作。而数据挖掘是目前最先进的数据
资源开发利用技术
我们先来看一个数据挖掘的故事， "尿布与啤 酒"的故事是关于数据挖掘最经典和流传最广的 故事。
总部位于美国阿肯色州的世界著名商业零
售连锁企业沃尔玛（Wal Mart）拥有世界上最 大的数据仓库系统。为了能够准确了解顾客在 其门店的购买习惯，沃尔玛利对其顾客的购物 行为进行购物篮分析，想知道顾客经常一起购 买的商品有哪些。沃尔玛数据仓库里集中了其 各门店的详细原始交易数据。在这些原始交易 数据的基础上，沃尔玛利用NCR数据挖掘工具 对这些数据进行分析和挖掘。一个意外的发现 是："跟尿布一起购买最多的商品竟是啤酒！"
生活中的呼叫中心
❖ 比如你拿手机拨打10010，接电话的小姑娘使用的 就是呼叫中心；你给银行打电话，查自己工资卡 里的钱，播放语音的就是呼叫中心；如果你在使 用宽带网络上网时，发生网络中断，于是你拨通 了10060热线，客服人员详细了解了具体情况，并 告诉他将于五分钟内解决问题；如果你想订一张 飞机票，那么你打个电话给票务公司，一个友好 的、礼貌的声音会告诉你订票情况，并帮你查询， 告诉你价格。原来每个人都是曾经跟呼叫中心打 过交道，只不过他们并不知道什么是呼叫中心或 者不知道他就是呼叫中心。
❖ 既然尿布与啤酒一起被购买的机会很多，于是沃尔玛就 在其一个个门店将尿布与啤酒并排摆放在一起，结果是 尿布与啤酒的销售量双双增长。
❖ 按常规思维，尿布与啤酒风马牛不相及，若不是借助数据 挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能 发现数据内在这一有价值的规律的。
❖ 那么数据挖掘是什么样的技术呢？
第二节 客户关系管理的主要技术
一、数据挖掘技术
随着国民经济和社会信息化的发展，人们在 计算机系统中存放的数据量越来越大。我们发现 这些数据是人们工作、生活和其他行为的记录， 是企业和社会发展的记录，也是人与自然界本身 的描述。这就是说在计算机系统中形成了庞大的 "数据资源"。因此，发现这些数据所含的规律也 就是发现我们工作、生活和社会发展中的规律， 发现人与自然界的规律，就相当于在数据资源中 发现金矿。这就是数据资源的开发利用，是非常
（5）异常分析：一个数据集中往往包含一些特别 的数据，其行为和模式与一般的数据不同，这些 数据称为"异常"。对"异常"数据的分析称为"异常 分析"。它在欺诈甄别、网络入侵检测等领域有着 广泛的应用。
数据挖掘的实施步骤： 主要有数据准备、规律寻找、规律表示和结果评价四 个步骤。 数据准备是从各种数据源中选取和集成用于数据挖 掘的数据； 规律寻找是用某种方法将数据中的规律找出来； 规律表示是用尽可能符合用户习惯的方式（如可视 化）将找出的规律表示出来； 但在具体实施数据挖掘应用时，还要有一个步骤就 是结果评价。这是因为数据算法寻找出来的是数据的 规律，其中有些是人们感兴趣的有用的，还有一些可 能是不感兴趣的没有用的。这就要对寻找出的规律进 行评估。例如："跟尿布一起购买最多的商品是啤酒" 这样一条规律是否有用呢？这就需要市场调查和评估 工程师根据实际情况做出评估判断。这是一个人工步 骤，还难以自动化。