分享到:
计算机软件 最近更新
讨论未来电商发展趋势论文提纲
浅谈自媒体对现代生活的影响
论文范文:网络发展对青少年心理发展的影响
论我国电子商务应用中的支付问题
电子商务模式研究
中小型企业客户关系管理系统的开发与应用
中石油浙江销售分公司信息管理系统设计
图书馆管理系统分析与设计
物流师职业资格认证报名管理系统
销售管理系统的开发与设计
酒店客房管理系统
财务管理系统的实现
餐饮管理系统设计与实现
社区卫生服务管理系统
汽车营销企业的客户关系管理系统
明道管理咨询有限公司客户关系管理系统设计与开发
企业订单管理系统开发
基于WEB的CRM信息系统的开发与研究
高校科研工作量统计系统的开发与设计
基于Struts的连锁店管理系统
杭州联华超市分析型CRM设计(11)
分页标题#e#
 
图4-8 客户购买星型模式

 

 

 

 

第五章 分析型CRM的实现技术——数据挖掘工具及实证分析
第一节 数据挖掘的理论回顾及综述
一、数据挖掘的核心思想
数据挖掘(Data Mine)简称 DM,也叫数据开采,数据采掘等,是从大量的数据中,抽取出潜在的、有价值的知识(模型或规则)的过程。其本质就是发现数据实质与数据间的关系的探索过程,找出潜在于数据中的现实事务的规律和趋势,进而把感觉转化为事实。数据挖掘技术主要应用于决策支持系统(DSS)。
企业里的数据量非常大,而其中真正有价值的信息却很少,因此从大量的数据中经过深层分析,获得有利于商业运作、提高竞争力的信息,就像从矿石中淘金一样,数据挖掘也因此而得名。这种新式的商业信息处理技术,可以按商业既定业务目标,对大量的商业数据进行探索和分析,揭示隐藏的、未知的或验证已知的规律性,并进一步将其模型化。
如图5-1所示,数据挖掘是一门交叉学科,它把人们对数据的应用从低层次的简单查询,提升到从数据中挖掘知识,提供决策支持。

 

 

 

 

图5-1  数据挖掘受多学科的影响

二、零售业CRM中的主要数据挖掘分析技术
数据挖掘是零售业CRM 中的核心技术,其关键功能在于通过分析顾客已购买商品及这些商品之间的内在联系,确定顾客的购买习惯和关联购买倾向,从而帮助零售商制定营销策略,在一定程度上实现商业智能。下图为DM在CRM 软件中的应用模型:
 
图5-2 CRM的DM模型
在当前的零售业CRM 应用实践中,比较典型的挖掘技术有关联分析、序列模式分析、分类分析、聚类分析等。它们可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。
(一)关联分析
设I = {i1 ,i2 ,. . . ,im}是一组物品集,D 是一组事务集(称之为事务数据库) 。其中每个事务T 是一组物品,满足TAI。设A 是一个物品集,且满足A AT ,则称T 支持物品集A。
关联规则是如下形式的逻辑蕴涵:A ] B ,A <I , B < I ,且A ∩B =Φ。关联规则具有如下两个重要的属性:
支持度:P(A ∪B) ,即A 和B 这两个项集在事务集D 中同时出现的概率。
置信度:P(B| A) ,即在出现项集A 的事务集D中,项集B 也同时出现的概率。
同时满足最小支持度阈值和最小置信度阈值的规则称为强规则。给定一个事务集D ,挖掘关联规则问题就是产生支持度和可信度分别大于用户给定的最小支持度和最小可信度的关联规则,也就是产生强规则的问题。
关联分析就是利用关联规则进行数据挖掘的技术,其目的在于挖掘隐藏在数据间的相互关系,发现数据库中形如“90 %的顾客在一次购买活动中购买商品A 的同时购买商品B”之类的知识。
通过从销售记录中挖掘关联信息,可以发现购买某一品牌商品的顾客很可能购买其他一些商品。这类信息可用于形成一定的购买推荐。购买推荐通过宣传可改进服务,帮助顾客选择商品,增加销售额和减少积压库存。
(二)序列模式分析
序列模式分析和关联分析相似,但侧重点在于分析数据间的前后序列关系。它能发现数据库中形如“在某一段时间内,顾客购买商品A ,接着购买商品B ,而后购买商品C ,即序列A →B →C 出现的频度较高”之类的知识,序列模式分析描述的问题是:在给定交易序列数据库中,每个序列是按照交易时间排列的一组交易集,挖掘序列函数作用在这个交易序列数据库上,返回该数据库中出现的高频序列。在进行序列模式分析时,同样也需要由用户输入最小置信度和最小支持度。
序列模式挖掘可用于分析顾客的消费或忠诚的变化,据此对价格和商品的品种加以调整,以留住老顾客,吸引新客户,保证一定的顾客数量。
(三)分类分析
分类分析就是通过分析样本客户数据库中的数据,为每个类别作出准确的描述或建立分析模型或挖掘出分类规则,然后用这个分类规则对其它客户的记录进行分类。比如,信用卡公司根据顾客的信用记录,把持卡人分成不同等级,并把等级标记赋与数据库中的每个记录。对于每一等级,找出它们共同点,比如:“年收入在10 万元以上,年龄在40~50 岁之间的外企白领”总体上信用记录最高。有了这样的挖掘结果,客户服务部门就知道一个新的客户的潜在价值,在客户服务投入上就心中有底。
(四)聚类分析
这是分类的逆向方法。聚类把没有分类的记录,在不知道应分成几类的情况下,按照数据内在的差异性大小,合理地划分成几类,并确定每个记录所属类别。它采用的分类规刚是按统计学的聚类分析方法决定的。比如,面对数据库中“消费额”、“购买频率”、“收入水平”等多个评价指标,没有办法按照一个指标去分类,就可以通过聚类按照数据间的自然联系把分散的记录“聚”成几“堆”,然后再对每堆进行深入分析。
(五)0 - 1 规划技术
主要用于各类推销方法对客户的适用度分析,即针对不同的客户群,从电邮、上门推销、平面广告、网上推销、柜台销售等方法中,选择一种使商场营销的成功率最高、成本最低的方法,以提高企业的服务水平。
(六)预测技术
主要用于对客户未来行为的发现,如客户流失分析中,用神经元网络方法学习各种客户流失前的行为变化,进而预测(预警) 可能出现的有价值客户的流失;再如,市场预测问题,数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用户。
应用数据挖掘技术,较为理想的起点就是从一个数据仓库开始,这个数据仓库里面应保存着所有客户的合同信息,并且还应有相应的市场竞争对手的相关数据。数据挖掘可以直接跟踪数据,并据此辅助用户快速进行商业决策,另外用户还可以在更新数据的时候不断发现更好的行为模式,并将其运用于未来的决策当中。

第二节 杭州联华超市数据挖掘实证分析
一、数据说明
本文使用如下图所示的杭州世纪联华超市华商店POS机产生的数据表,属于超市目前数据仓库建设后的客户消费明细记录。数据表共有65536条记录,记载的是杭州世纪联华超市华商店2009年3月份049号收银机上产生的所以客户消费记录数据。由于目前杭州联华超市对会员基本信息记录非常不完全只有姓名登记,所以客服中心的数据不能使用。

随机推荐
学生成绩管理系统的设计与实现
中石油浙江销售分公司信息管理系统设计
中小企业办公自动化系统的开发
网上二手信息与交易平台
图书馆管理系统分析与设计
Asp+Sql网上书店系统论文开题报告
某商务网站信息发布系统研究与实现
基于WWW的劳资人事管理系统
城市DLG数据库元数据组织方式与管理模型
自动喷水灭火系统管网的水力计算及程序实现

设为首页 | 关于我们 | 广告联系 | 友情链接 | 版权申明

Copyright 2009-2014 All Right Reserved [粤ICP备05100058号-11]