论文部分内容阅读
信息时代的来临促使企业的竞争环境发生了巨大变化,企业认识到良好客户关系己成为电子商务时代的制胜关键,并逐渐由过去的以产品为中心,转变为以客户为中心。在此背景下,客户关系管理(CustomRelationshipManagement,CRM)逐渐成为业界人士和数据挖掘专家共同关注的焦点。
客户关系管理的指导思想就是对客户进行系统化的研究,以便改进对客户的服务水平,提高客户的忠诚度,并由此为企业带来更多的利润。这就要求CRM系统能够有效地获取客户的各种信息,识别客户与商家提供的商品或服务之间的关系,并对客户的购买行为进行深入分析,寻找其中的规律,进而为客户提供更好、更个性化的服务,为企业决策提供支持。
如何管理和分析大量的客户信息,从中找出对企业管理决策有价值的知识,需要有先进的技术和工具的支持,而数据挖掘等新兴技术的出现,为CRM的实施提供了良好的支持。
目前已有很多数据挖掘技术被应用到CRM中,如人工神经网络、聚类、关联规则、遗传算法、决策树等等。这些研究通常是使用单独的一种数据挖掘方法,或虽是使用了多种方法,但这些方法之间却是相互独立的,因此难以从大量、复杂的客户数据中有效地挖掘出对企业的决策非常有用的信息。本研究把几种数据挖掘算法集成起来,具体包括Boosting和市场值函数算法的集成、聚类和神经网络的集成以及聚类和关联规则的集成。实验结果表明,此方法确实能够在一定程度上提高算法的预测精度和效率。本研究提出的方法在CRM中是一个新的方法,在一定程度上能够解决单一的数据挖掘方法难以解决的大量、复杂客户数据的数据挖掘问题,具有重要的理论意义和广阔的应用前景。