论文部分内容阅读
随着我国汽车行业的飞速发展,汽车厂家间的竞争日趋激烈,在汽车保有量急剧增长的同时,汽车售后服务的市场也随之变得越来越大。汽车厂家之间的竞争也已经由汽车的销售竞争转移到了售后服务的竞争。汽车4S店的售后维修服务部门作为汽车厂家与车主维系客户关系的重要部门,需要加速建设以客户为中心,以信息系统为基础的客户关系管理体系。4S店售后维修服务部门的服务对象是保有其品牌车系的全部车主,如何对这一庞大的客户群体进行有针对性的客户细分是4S店售后维修服务部门进行良好客户关系管理的基础。随着数据挖掘技术在商业环境中的应用越来越广泛,4S店售后维修服务部门也希望能够利用先进的数据挖掘技术来支持企业的客户细分和客户关系管理政策的制定。本研究把应用数据挖掘技术进行4S店客户细分过程看作知识发现过程,针对汽车售后维修服务业的特点,提出了适合于该行业企业的客户细分方法与客户群变化挖掘方法,以帮助企业更高效地进行客户关系管理。本文研究的主要内容包括:(1)在分析现有客户细分理论的基础上,结合汽车售后维修交易记录的特点,选择适合于4S店的基于客户行为的客户细分指标,并给出了从企业数据库中获得这些指标的方法。(2)分别提出了运用自组织映射(Self-Organizing Maps, SOM)神经网络分阶段进行客户细分的方法和运用演化自组织映射(Evolving Self-Organizing Maps, ESOM)神经网络对客户进行在线细分的方法,并结合客户生命周期与价值矩阵模型对聚类结果进行分析与识别,得到易于服务人员及管理者理解的客户细分结果。(3)在客户细分结果的基础上,分别从客户群和客户个体两个角度对客户随时间变化情况进行了分析。在客户群体角度提出了客户群在群数量及群属性上随时间变化的分析方法,在客户个体角度运用关联分析对客户个体的分群演变规律进行挖掘,得到处于不同阶段的客户的主要转移路径。