论文部分内容阅读
摘要：随着市场竞争的加剧和消费者的需求日趋个性化，如何在快速多变的市场中保持老客户与争取新客户成为各大超市成长和发展的关键，因此在超市实施客户关系管理（CRM）是十分必要的。实施客户关系管理（CRM）的关键在于如何对客户与商场交互过程中的各种数据进行收集、分析，挖掘出隐含在数据中的有用信息，然后用分析所得的知识做出决策，而数据挖掘技术的出现为商场CRM的实施提供了良好的支持。本文主要阐述了客户关系管理的概念、数据挖掘含义和功能，并详细论述了数据挖掘在超市CRM中的应用。
关键词：数据挖掘（DM）；客户关系管理（CRM）；超市
中图分类号：TP311文献标识码：A文章编号：1009-0118（2013）01-0188-03
一、引言
随着零售业竞争的不断加剧，以及产品、质量和服务的差异化越来越小，零售市场已由卖方市场变为买方市场。超市作为一种重要的零售购物方式，是目前商家争夺的焦点。客户对于超市来说，变得越来越重要，谁能实施有效的客户关系管理，掌握客户的需求趋势，加强与客户的联系，有效管理和挖掘客户资源，谁就能取得市场竞争优势，在激烈的市场竞争中立于不败之地。要做到这些，企业就必须对客户在与企业交互过程中的各种客户数据进行收集、分析、挖掘出隐含在数据中的有用的信息。只有如此才能实现CRM的目标。既在正确的时间里通过正确的渠道为正确的客户提供恰当的服务。数据挖掘技术就是帮助我们解决同客户在交互过程中遇到的各种问题的最重要的技术之一。
二、客户关系管理概述
客户关系管理CRM是由美国Gartner Group在1999年提出的以客户为中心运营的企业管理理念。CRM是企业的一项商业策略，它按照客户的分隔情况有效地组织企业资源，培养以客户为中心的经营行为以及实施以客户为中心的业务流程，并以此为手段来提高企业的获利能力，收入以及客户满意度。CRM的本质是在合适的时间、以合适的价格、将合适的产品或服务提供给合适的客户，以满足他们的需要。如图1所示：
三、数据挖掘概述
（一）数据挖掘的定义
数据挖掘是20世纪末期产生的信息技术，它是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
数据挖掘是现代科学技术相互渗透与融合的必然结果，融合了数理统计、人工智能、可视化技术、数据库技术和计算技术等领域的理论技术。其最终目标是发现有价值的知识，包括概念、规则、模式和模型等，帮助企业做出微观的、中间视野的、甚至是宏观的统计、分析、综合和推理的数据。因此，它可以帮助企业获得竞争力，通过利用现有的数据预测未来。
目前，数据挖掘已经成功地用于大型数据仓库的知识挖掘，它被广泛应用于银行业、零售业、制造业、保险业、国家安全部门、电信业等，通过挖掘获取有价值的知识，以此来辅助决策。
（二）数据挖掘的流程
数据挖掘过程一般是由以下几个步骤组成：
数据整理：消除噪声和不一致的数据，组合多种数据源
数据选择：从数据库中映射出与分析任务相关的数据
数据变换：数据变换成统一的挖掘形式，比如汇总和聚集
数据挖掘：使用智能方法提取数据模式
模式评估：根据某种兴趣度度量，识别表示知识的真正的模式
知识表示：使用可视化和知识表示技术，向用户提供挖掘的知识
整个数据挖掘的过程可以用图2表示：
四、数据挖掘技术在超市CRM中的应用
“以客户为中心”是CRM的原则，调查显示：（1）向新客户销售产品的成本是老客户的8倍；（2）一个典型的不满意客户会把他们的经历告诉8-10个人；（3）客户维持率若每年增加5%，则公司能提高85%的利润；（4）产品销售给新客户的成功机会是15%，产品销售给老客户成功的机会有50%；（5）如果公司能迅速处理服务的混乱状况，抱怨的客户中有70%将再次和公司做生意。因此，留住客户对企业来说是多么重要。企业必须建立内容详尽、功能强大的客户数据库，并充分挖掘现有客户潜力，通过对客户信息的分析，实现对客户活灵活现的了解，因而，从某种意义上说，数据挖掘和数据仓库处于CRM的核心地位。Data Miners的发起人Gordon S.Linoff说，“数据挖掘通过整合企业的数据，帮助将正确的信息传到每一个客户，数据挖掘是CRM的必备组件之一”。针对超市客户关系管理方面存在的问题可以通过数据挖掘技术分析及发现和加强客户关系管理，以获得较大的商业价值。
有很多成功使用数据挖掘的案例。比如，沃尔玛（Wal-Mart）使用数据挖掘技术，其数据库拥有7000兆字节的数据，主要是关于其销售、存货、运输中的商品、市场统计、顾客统计、财务、商品退货及供应商业绩等。挖掘这些数据主要用于开发沃尔玛3000多分销商店的“个性”，以便管理人员决定每个商店的商品结构，为沃尔玛创造了可观的商业价值。
（一）数据挖掘技术在超市CRM中的基本功能
在客户关系管理中，数据挖掘的基本功能是：
1、挖掘客户特征
数据挖掘的第一步就是挖出顾客的特征描述。企业在了解客户信息方面永不满足，他们不仅会想方设法了解顾客的地址、年龄、性别、收入、职业、教育程度等基本信息，对了解客户的婚姻、配偶、家庭状况、爱好等等也是不遗余力。也由于这个原因，在谈到客户关系管理时，个人隐私便成为一个敏感话题。
2、挖掘“黄金客户”
通过客户行为分析，归类出消费额最高、最为稳定的客户群，确定为“黄金客户”。针对不同的客户档次，确定相应的营销投入。对于“黄金客户”，往往还需要制定个性化营销策略，以求留住高利润客户。所以，不要期待在客户关系管理时代继续人人平等。当然，成功的CRM不会让顾客感觉到歧视。 3、挖掘客户关注点
通过与客户接触，收集大量客户消费行为信息，通过分析得出客户最关注的方面，从而有针对性地进行营销活动，把钱花在“点”上。同样的广告内容，根据客户不同的行为习惯，有人会接到电话，有的人就可能收到信函。同一个企业，会给他们的客户发送不同的信息，而这些信息往往就是顾客感兴趣的方面。
4、挖掘客户满意度和忠诚度
通过数据挖掘对客户满意度、忠诚度的持久性、牢固性及稳定性进行分析。对于高满意度客户，要进一步建立信誉，对于不满意客户，要努力提供更多的面对面的关怀。对于高忠诚度客户，要注意保持其良好印象，对于低忠诚度客户，要么不要浪费钱财，要么就花大功夫把他们培养成忠诚客户。
（二）数据挖掘在超市CRM中的具体应用
数据挖掘作为一种数据分析工具，具有统计分析、联机事务处理（OLTP）和联机分析处理（OLAP）等数据分析工具无可比拟的优点。数据挖掘技术从功能上包括分类、聚类、孤立点分析、关联分析、以及描述和可视化分析，它们都在分析型CRM中得到了具体应用。
1、通过分类、聚类技术对超市客户进行细分，提高客户满意度
分类是数据挖掘中一项非常重要的任务，其目的是建立一个分类函数或分类模型，该模型能够把数据库中的数据项映射到给定的类别中。其主要方法有基于统计学的贝叶斯方法、神经网络方法、决策树方法等。利用分类技术，商家可以对超市客户进行细分，设定相应的客户级别，就可以针对有价值的客户开展特别的促销活动、提供更个性化的服务。根据CRM中的80/20原则，一个公司80%的利润是由20%的高价值客户产生的，所以服务好这些高价值的客户，不仅可以提高他们对超市的满意度和忠诚度，还能够有效加强超市的盈利能力，从而提升超市的竞争实力。
聚类分析是应用物以类聚的原理，将本身没有类别的样本聚集成不同的组，并且对每一个这样的组进行描述的过程。其主要依据是聚到同一个组中的样本应该彼此相似，而属于不同组的样本应该足够不相似。通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。它所采用的分类规则是由聚类分析工具决定的。采用不同的聚类方法，对于相同的记录集合可能有不同的划分结果。在客户关系管理CRM中，利用聚类技术，根据客户的个人特征以及消费数据，可以将客户群体进行细分。例如，可以得到这样的一个消费群体：女性占91%，全部无子女、年龄在31到40岁占70%，高消费级别的占64%，买过针织品的占91%，买过厨房用品的占89%，买过园艺用品的占79%。针对不同的客户群，可以实施不同的营销和服务方式，从而提高客户的满意度。
2、通过孤立点分析技术分析超市客户行为，防止客户流失
数据库中与其它一般数据的特点和模型不一致的数据对象称为孤立点。大部分数据挖掘技术都将孤立点视为冗余或异常而丢弃，然而有时通过发现异常却能够引起人们对特殊情况的警觉，从而有针对性的采取有效措施。在分析型CRM系统中，孤立点分析技术可以帮助超市分析客户行为，及时发现有流失倾向的客户，以便采取措施挽留他们。孤立点分析可以使用统计试验检测方法，具体方法是：首先对一些连续性的客户属性的数值进行观察试验，从而确定一个数据区间，如果某个数值落在这个区间以外，则视为孤立点。例如一个超市客户每个月都会在固定的超市消费5到8次，但是近一两个月内该客户的消费次数明显少于5次，则表明该客户行为出现了异常，有可能成为流失客户，必须引起超市的足够重视。随着行业竞争愈来愈激烈，获得一个新客户的开销愈来愈大，通常是设法留住一个老客户开销的5倍，因此保持原有客户的工作也愈来愈有价值。所以超市利用数据挖掘技术分析客户行为是十分有必要的。
3、通过关联分析技术进行交叉销售，提高超市客户响应度
关联分析技术是指从大量事务记录中发现大量数据项集之间有价值的相互联系。常用的关联分析有简单关联、因果关联和时序关联。关联分析技术常用于超级市场中的购物篮分析中。通过对超市销售数据库中的数据进行分析，挖掘出客户的各种特征与购买的商品之间的联系，从而为超市制定合理的销售策略、提高客户的响应度。如在超市中市场经理可经根据一周或一个月的销售交易记录来预测并决定哪些物品会一起被购买，哪些相关对象应该放在一起。从而决定摆设诸如牛奶、面包、糖、黄油、锅的位置的此类问题，这不仅为客户提供了更周全的服务，提高了客户响应度，同时也会给超市带来更大的利益。
4、通过描述和可视化技术显示分析结果，直观掌握超市客户动态
描述和可视化技术利用了人类在可视化形式下对模型和结构的获取能力，使抽象的信息以简明的图、表等形式呈现出来，加深了用户对数据含义的理解，更好地掌握了数据之间的相互关系和发展的趋势。数据挖掘描述与可视化技术可以将数据库和数据仓库中的每一个客户数据项作为图形元素输出，大量的数据集构成数据图像，如客户本月与上一个月的消费情况对比图等，同时将客户的相关属性值以多维数据的形式来表示，可以从不同的维度观察数据，从而对客户行为进行更加直观深入的观察和分析。
五、结语
随着商业激烈的商业竞争，超市越来越强调以客户为中心的经营思想，怎样才能够提高客户的满意度是其中关键。同时，伴随着计算机技术、网络技术和通讯技术的不断发展，数据挖掘技术将广泛应用于超市的CRM系统中，帮助超市智能化的处理海量的客户信息，深入分析超市的运营规律，为超市的商业决策提供有价值的知识，提高超市的工作效率。数据挖掘能够使超市（尤其是会员制超市）更好的了解客户，使自己能够清楚地认识到自己在为什么样的客户服务，他们需要的是什么。
展望未来，如果超市能够进行客户关系管理的数据与客户实际消费数据联合挖掘的话，扩大样本数量和样本所反映的消费层次空间，数据挖掘在客户关系管理方面的威力还将更进一步的显现。
参考文献：
［1］陈莉，焦李成.数据挖掘研究现状及最新进展［J］.西安电子科技大学学报，2001，（2）：25-27.
［2］李晓光.客户关系管理［J］.中国质量，2002，（8）：4-6.
［3］B.Mark.Data mining-here we go again［M］.IEEE Transaction，Expert，1996：18-19.
［4］孙海，刘仲英.多管道的客户关系管理［J］.物流技术，2001，（3）：22-24.
［5］Alex Berson，Stephen J·Smith.Data Warehouse，Data mining，And OLAP ［M］.McGraw Hill Book Co，1999：300-350.
［6］赵静，和斌.基于数据挖掘的客户关系管理系统的构建［J］.情报技术，2008，（11）.
［7］（美）Kantardzic著，闪四清译.数据挖掘方法和算法［M］.北京：清华大学出版社，2008.
［8］杨兴凯.客户关系管理［M］.大连：东北财经大学出版，2009.
关键词：数据挖掘（DM）；客户关系管理（CRM）；超市
中图分类号：TP311文献标识码：A文章编号：1009-0118（2013）01-0188-03
一、引言
随着零售业竞争的不断加剧，以及产品、质量和服务的差异化越来越小，零售市场已由卖方市场变为买方市场。超市作为一种重要的零售购物方式，是目前商家争夺的焦点。客户对于超市来说，变得越来越重要，谁能实施有效的客户关系管理，掌握客户的需求趋势，加强与客户的联系，有效管理和挖掘客户资源，谁就能取得市场竞争优势，在激烈的市场竞争中立于不败之地。要做到这些，企业就必须对客户在与企业交互过程中的各种客户数据进行收集、分析、挖掘出隐含在数据中的有用的信息。只有如此才能实现CRM的目标。既在正确的时间里通过正确的渠道为正确的客户提供恰当的服务。数据挖掘技术就是帮助我们解决同客户在交互过程中遇到的各种问题的最重要的技术之一。
二、客户关系管理概述
客户关系管理CRM是由美国Gartner Group在1999年提出的以客户为中心运营的企业管理理念。CRM是企业的一项商业策略，它按照客户的分隔情况有效地组织企业资源，培养以客户为中心的经营行为以及实施以客户为中心的业务流程，并以此为手段来提高企业的获利能力，收入以及客户满意度。CRM的本质是在合适的时间、以合适的价格、将合适的产品或服务提供给合适的客户，以满足他们的需要。如图1所示：
三、数据挖掘概述
（一）数据挖掘的定义
数据挖掘是20世纪末期产生的信息技术，它是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
数据挖掘是现代科学技术相互渗透与融合的必然结果，融合了数理统计、人工智能、可视化技术、数据库技术和计算技术等领域的理论技术。其最终目标是发现有价值的知识，包括概念、规则、模式和模型等，帮助企业做出微观的、中间视野的、甚至是宏观的统计、分析、综合和推理的数据。因此，它可以帮助企业获得竞争力，通过利用现有的数据预测未来。
目前，数据挖掘已经成功地用于大型数据仓库的知识挖掘，它被广泛应用于银行业、零售业、制造业、保险业、国家安全部门、电信业等，通过挖掘获取有价值的知识，以此来辅助决策。
（二）数据挖掘的流程
数据挖掘过程一般是由以下几个步骤组成：
数据整理：消除噪声和不一致的数据，组合多种数据源
数据选择：从数据库中映射出与分析任务相关的数据
数据变换：数据变换成统一的挖掘形式，比如汇总和聚集
数据挖掘：使用智能方法提取数据模式
模式评估：根据某种兴趣度度量，识别表示知识的真正的模式
知识表示：使用可视化和知识表示技术，向用户提供挖掘的知识
整个数据挖掘的过程可以用图2表示：
四、数据挖掘技术在超市CRM中的应用
“以客户为中心”是CRM的原则，调查显示：（1）向新客户销售产品的成本是老客户的8倍；（2）一个典型的不满意客户会把他们的经历告诉8-10个人；（3）客户维持率若每年增加5%，则公司能提高85%的利润；（4）产品销售给新客户的成功机会是15%，产品销售给老客户成功的机会有50%；（5）如果公司能迅速处理服务的混乱状况，抱怨的客户中有70%将再次和公司做生意。因此，留住客户对企业来说是多么重要。企业必须建立内容详尽、功能强大的客户数据库，并充分挖掘现有客户潜力，通过对客户信息的分析，实现对客户活灵活现的了解，因而，从某种意义上说，数据挖掘和数据仓库处于CRM的核心地位。Data Miners的发起人Gordon S.Linoff说，“数据挖掘通过整合企业的数据，帮助将正确的信息传到每一个客户，数据挖掘是CRM的必备组件之一”。针对超市客户关系管理方面存在的问题可以通过数据挖掘技术分析及发现和加强客户关系管理，以获得较大的商业价值。
有很多成功使用数据挖掘的案例。比如，沃尔玛（Wal-Mart）使用数据挖掘技术，其数据库拥有7000兆字节的数据，主要是关于其销售、存货、运输中的商品、市场统计、顾客统计、财务、商品退货及供应商业绩等。挖掘这些数据主要用于开发沃尔玛3000多分销商店的“个性”，以便管理人员决定每个商店的商品结构，为沃尔玛创造了可观的商业价值。
（一）数据挖掘技术在超市CRM中的基本功能
在客户关系管理中，数据挖掘的基本功能是：
1、挖掘客户特征
数据挖掘的第一步就是挖出顾客的特征描述。企业在了解客户信息方面永不满足，他们不仅会想方设法了解顾客的地址、年龄、性别、收入、职业、教育程度等基本信息，对了解客户的婚姻、配偶、家庭状况、爱好等等也是不遗余力。也由于这个原因，在谈到客户关系管理时，个人隐私便成为一个敏感话题。
2、挖掘“黄金客户”
通过客户行为分析，归类出消费额最高、最为稳定的客户群，确定为“黄金客户”。针对不同的客户档次，确定相应的营销投入。对于“黄金客户”，往往还需要制定个性化营销策略，以求留住高利润客户。所以，不要期待在客户关系管理时代继续人人平等。当然，成功的CRM不会让顾客感觉到歧视。 3、挖掘客户关注点
通过与客户接触，收集大量客户消费行为信息，通过分析得出客户最关注的方面，从而有针对性地进行营销活动，把钱花在“点”上。同样的广告内容，根据客户不同的行为习惯，有人会接到电话，有的人就可能收到信函。同一个企业，会给他们的客户发送不同的信息，而这些信息往往就是顾客感兴趣的方面。
4、挖掘客户满意度和忠诚度
通过数据挖掘对客户满意度、忠诚度的持久性、牢固性及稳定性进行分析。对于高满意度客户，要进一步建立信誉，对于不满意客户，要努力提供更多的面对面的关怀。对于高忠诚度客户，要注意保持其良好印象，对于低忠诚度客户，要么不要浪费钱财，要么就花大功夫把他们培养成忠诚客户。
（二）数据挖掘在超市CRM中的具体应用
数据挖掘作为一种数据分析工具，具有统计分析、联机事务处理（OLTP）和联机分析处理（OLAP）等数据分析工具无可比拟的优点。数据挖掘技术从功能上包括分类、聚类、孤立点分析、关联分析、以及描述和可视化分析，它们都在分析型CRM中得到了具体应用。
1、通过分类、聚类技术对超市客户进行细分，提高客户满意度
分类是数据挖掘中一项非常重要的任务，其目的是建立一个分类函数或分类模型，该模型能够把数据库中的数据项映射到给定的类别中。其主要方法有基于统计学的贝叶斯方法、神经网络方法、决策树方法等。利用分类技术，商家可以对超市客户进行细分，设定相应的客户级别，就可以针对有价值的客户开展特别的促销活动、提供更个性化的服务。根据CRM中的80/20原则，一个公司80%的利润是由20%的高价值客户产生的，所以服务好这些高价值的客户，不仅可以提高他们对超市的满意度和忠诚度，还能够有效加强超市的盈利能力，从而提升超市的竞争实力。
聚类分析是应用物以类聚的原理，将本身没有类别的样本聚集成不同的组，并且对每一个这样的组进行描述的过程。其主要依据是聚到同一个组中的样本应该彼此相似，而属于不同组的样本应该足够不相似。通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。它所采用的分类规则是由聚类分析工具决定的。采用不同的聚类方法，对于相同的记录集合可能有不同的划分结果。在客户关系管理CRM中，利用聚类技术，根据客户的个人特征以及消费数据，可以将客户群体进行细分。例如，可以得到这样的一个消费群体：女性占91%，全部无子女、年龄在31到40岁占70%，高消费级别的占64%，买过针织品的占91%，买过厨房用品的占89%，买过园艺用品的占79%。针对不同的客户群，可以实施不同的营销和服务方式，从而提高客户的满意度。
2、通过孤立点分析技术分析超市客户行为，防止客户流失
数据库中与其它一般数据的特点和模型不一致的数据对象称为孤立点。大部分数据挖掘技术都将孤立点视为冗余或异常而丢弃，然而有时通过发现异常却能够引起人们对特殊情况的警觉，从而有针对性的采取有效措施。在分析型CRM系统中，孤立点分析技术可以帮助超市分析客户行为，及时发现有流失倾向的客户，以便采取措施挽留他们。孤立点分析可以使用统计试验检测方法，具体方法是：首先对一些连续性的客户属性的数值进行观察试验，从而确定一个数据区间，如果某个数值落在这个区间以外，则视为孤立点。例如一个超市客户每个月都会在固定的超市消费5到8次，但是近一两个月内该客户的消费次数明显少于5次，则表明该客户行为出现了异常，有可能成为流失客户，必须引起超市的足够重视。随着行业竞争愈来愈激烈，获得一个新客户的开销愈来愈大，通常是设法留住一个老客户开销的5倍，因此保持原有客户的工作也愈来愈有价值。所以超市利用数据挖掘技术分析客户行为是十分有必要的。
3、通过关联分析技术进行交叉销售，提高超市客户响应度
关联分析技术是指从大量事务记录中发现大量数据项集之间有价值的相互联系。常用的关联分析有简单关联、因果关联和时序关联。关联分析技术常用于超级市场中的购物篮分析中。通过对超市销售数据库中的数据进行分析，挖掘出客户的各种特征与购买的商品之间的联系，从而为超市制定合理的销售策略、提高客户的响应度。如在超市中市场经理可经根据一周或一个月的销售交易记录来预测并决定哪些物品会一起被购买，哪些相关对象应该放在一起。从而决定摆设诸如牛奶、面包、糖、黄油、锅的位置的此类问题，这不仅为客户提供了更周全的服务，提高了客户响应度，同时也会给超市带来更大的利益。
4、通过描述和可视化技术显示分析结果，直观掌握超市客户动态
描述和可视化技术利用了人类在可视化形式下对模型和结构的获取能力，使抽象的信息以简明的图、表等形式呈现出来，加深了用户对数据含义的理解，更好地掌握了数据之间的相互关系和发展的趋势。数据挖掘描述与可视化技术可以将数据库和数据仓库中的每一个客户数据项作为图形元素输出，大量的数据集构成数据图像，如客户本月与上一个月的消费情况对比图等，同时将客户的相关属性值以多维数据的形式来表示，可以从不同的维度观察数据，从而对客户行为进行更加直观深入的观察和分析。
五、结语
随着商业激烈的商业竞争，超市越来越强调以客户为中心的经营思想，怎样才能够提高客户的满意度是其中关键。同时，伴随着计算机技术、网络技术和通讯技术的不断发展，数据挖掘技术将广泛应用于超市的CRM系统中，帮助超市智能化的处理海量的客户信息，深入分析超市的运营规律，为超市的商业决策提供有价值的知识，提高超市的工作效率。数据挖掘能够使超市（尤其是会员制超市）更好的了解客户，使自己能够清楚地认识到自己在为什么样的客户服务，他们需要的是什么。
展望未来，如果超市能够进行客户关系管理的数据与客户实际消费数据联合挖掘的话，扩大样本数量和样本所反映的消费层次空间，数据挖掘在客户关系管理方面的威力还将更进一步的显现。
参考文献：
［1］陈莉，焦李成.数据挖掘研究现状及最新进展［J］.西安电子科技大学学报，2001，（2）：25-27.
［2］李晓光.客户关系管理［J］.中国质量，2002，（8）：4-6.
［3］B.Mark.Data mining-here we go again［M］.IEEE Transaction，Expert，1996：18-19.
［4］孙海，刘仲英.多管道的客户关系管理［J］.物流技术，2001，（3）：22-24.
［5］Alex Berson，Stephen J·Smith.Data Warehouse，Data mining，And OLAP ［M］.McGraw Hill Book Co，1999：300-350.
［6］赵静，和斌.基于数据挖掘的客户关系管理系统的构建［J］.情报技术，2008，（11）.
［7］（美）Kantardzic著，闪四清译.数据挖掘方法和算法［M］.北京：清华大学出版社，2008.
［8］杨兴凯.客户关系管理［M］.大连：东北财经大学出版，2009.