CRM客戶知識建模和客戶分析研究.pdf

1、現(xiàn)代企業(yè)80％的利潤是來自20％的重要客戶，而其余80％中的大部分客戶對企業(yè)是微利的，甚至是無利可圖的。因此如何建立高效的客戶知識管理，實(shí)施合理的客戶分析，有效地獲得企業(yè)的關(guān)鍵客戶，從而對企業(yè)客戶實(shí)施差異化管理，已經(jīng)是各企業(yè)急需解決的課題。 本文提出了一種基于客戶知識進(jìn)行客戶分析的CRM系統(tǒng)的實(shí)現(xiàn)方案，通過獲取客戶知識、分析客戶知識，利用數(shù)據(jù)挖掘的相關(guān)方法、流程建立基于客戶知識的客戶分析模型，對客戶進(jìn)行分類，為企業(yè)營銷活動提供支

2、持。本文根據(jù)CRM中數(shù)據(jù)挖掘的流程，對客戶分類數(shù)據(jù)挖掘過程進(jìn)行實(shí)例化：確定模型的問題域——實(shí)現(xiàn)客戶細(xì)分；根據(jù)實(shí)現(xiàn)客戶細(xì)分的主題，展開數(shù)據(jù)準(zhǔn)備工作；建立數(shù)據(jù)挖掘算法；實(shí)施數(shù)據(jù)挖掘，得到分類結(jié)果。 對于數(shù)據(jù)挖掘算法，由于客戶分析中客戶類別預(yù)先未知的特點(diǎn)，我們選用經(jīng)典聚類算法——基于距離的K—Means聚類作為分類算法。同時(shí)引入了模擬退火策略的思想，改進(jìn)K—Means聚類算法，從而解決K—Means在處理孤立點(diǎn)數(shù)據(jù)容易造成聚類結(jié)果局部

3、最優(yōu)化的問題。 在進(jìn)行聚類分類的過程中，由于客戶知識分布零散、粒度太小的特點(diǎn)，無法直接將其作為聚類距離進(jìn)行分類。本文通過建立一個(gè)客戶綜合評估模型，從零散的客戶知識中抽取可供評估的知識，并將其降維、集成為一個(gè)可直接用于評估的綜合指標(biāo)——客戶綜合評估值，作為聚類的分類距離，為數(shù)據(jù)挖掘提供數(shù)據(jù)依據(jù)。在建立客戶綜合評估模型過程中，本文采用了無量綱化的方法對客戶知識的多個(gè)指標(biāo)進(jìn)行規(guī)范化處理，并采用層次分析的方法來綜合這些指標(biāo)，實(shí)現(xiàn)降維處理