操作型CRM是整合销售、营销和客户服务三部分业务流程的信息管理软件。一般操作型CRM只重视整合企业内部资源,不能快速捕捉外部市场变化。而分析型CRM旨在增加CRM系统的商业分析与辅助决策能力。要实现分析型CRM的主旨,从大量交易数据中提取出隐含有用的信息,需要先进的数据分析方法。而数据挖掘与传统分析方法相比具有操作便捷和结果易于理解的优点。基于数据挖掘的分析型CRM的应用研究能帮助企业解决利润增长的瓶颈问题,因而越来越受到研究者的重视。故本文对构建分析型CRM过程中最重要的环节:获取客户、增加客户价值进行了研究,针对分析任务特点和企业要求,提出了挖掘建模算法,并设计实现了分析型JM_CRM企业应用系统。本文的工作主要包括: (1) 从事务数据库中抽取数据,设计并构建了面向主题的数据仓库。通过对操作型CRM数据库中的数据进行抽取、清洗,将操作型数据转化为数据仓库中的分析型数据,分析型数据可以直接作为数据挖掘的数据源。 (2) 为获得新的客户,研究了数据挖掘在潜在客户获取中的应用。提出了实施潜在客户获取分析的步骤,设计了构建潜在客户获取模型的流程。传统决策树方法生成的模型准确度低且不稳定。为满足企业对模型准确度和稳定性的要求,引入Boosting思想来改进典型决策树分类算法,设计实现了Adaboost C4.5算法。 (3) 为保留住有价值的老客户,研究了数据挖掘在交叉销售中的应用。提出了实施交叉销售模型的步骤,设计了构建交叉销售模型的可参照流程。传统序列模式挖掘方法会挖掘出所有的模式。为便于分析者控制分析建模过程并只挖掘出企业感兴趣的模式,引入多维属性和约束改进Prefixspan方法,设计实现了ERMSW算法。该方法能根据分析者需要限定挖掘条件,使用户挖掘他们感兴趣的交叉销售模型。 (4) 在现有操作型JM_CRM基础上,基于上述方法,采用面向对象的思想,设计实现了一个基于数据挖掘技术的分析型JM_CRM系统。