|
目 录 paper51.com
引言... 1 内容来自www.paper51.com 一、数据挖掘工具及数据仓库... 1 copyright paper51.com 1.1 数据挖掘的定义... 1 内容来自论文无忧网 www.paper51.com
1.2数据挖掘的方法... 1 copyright paper51.com 1.3数据挖掘的过程... 3 copyright paper51.com
1.4个性化营销... 4 内容来自www.paper51.com 1.5数据仓库的定义... 5 内容来自论文无忧网 www.paper51.com 二、CRM中数据挖掘的应用与发展现状... 6 copyright paper51.com 2.1 CRM的基本概念[4] 6 内容来自论文无忧网 www.paper51.com 2.2 CRM中数据挖掘的应用... 6 内容来自论文无忧网 www.paper51.com
2.3 我国市场营销方面的应用现状... 6 paper51.com 2.4 发达国家营销行业的应用现状... 7 copyright paper51.com 三、数据挖掘在市场营销CRM中应用的成功案例... 7 http://www.paper51.com 3.1 案例背景... 7 http://www.paper51.com 3.2 案例发展概况... 7 内容来自论文无忧网 www.paper51.com 四、总结... 9 copyright paper51.com
内容来自论文无忧网 www.paper51.com 参考文献 内容来自论文无忧网 www.paper51.com
致谢 paper51.com 引言 http://www.paper51.com 随着经济全球化的迅速发展，市场竞争的残酷、产品的同质化明显以及客户的需求日益多样化和个性化。在这样的市场环境下，“以客户为中心”的管理理念受到了许多企业高度重视。据悉，2/3的客户离开其供应商是因为客户关怀不够，在客户满意度方面5%的提高将使企业利润加倍，获取一个新客户的成本是保持一个老客户的5倍。为了提高“客户满意度”，企业必须完整掌握客户信息、准确把握客户需求、快速响应个性化需求、提供便捷的购买渠道及良好的售后服务与经常性的客户关系等。在这种时代背景下，客户关系管理理论不断完善，并随着Internet技术的广泛应用而推出客户关系管理（CRM）软件系统。而CRM是通常与数据挖掘技术在企业市场营销中结合应用，所以数据挖掘技术也是相当重要的。数据挖掘（DM）技术是一门综合性的技术领域，其产生的前提是需要从多年积累的大量数据中找出隐藏在其中的、有用的信息和规律。一般来说，DM是一个利用各种分析方法和分析工具在大规模海量数据中建立模型和发现数据间关系的过程，这些模型和关系可以用来做出决策和预测。 paper51.com
一、数据挖掘工具及数据仓库 http://www.paper51.com 1.1数据挖掘的定义 http://www.paper51.com
所谓数据挖掘（DM，Data Mining），就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又潜在的有用信息和知识的过程。数据挖掘应该更正确地命名为“从数据中挖掘知识”[1]。一般来说，数据挖掘是一个利用各种分析工具在大规模海量数据中建立模型和发现数据关系的过程，这种模型和关系可以用来做出决策和预测。数据挖掘在很多行业都可以有较好的应用。如：零售业、银行金融、制造、保险、公共设施、政府、教育、远程通讯、软件开发等领域。据报导，数据挖掘的投资回报率高达400%甚至十倍。[1] 内容来自www.paper51.com 数据挖掘技术让人们有能力最终认识数据的真正价值，即蕴藏在数据中的信息和知识。它使得许多商业公司充分认识到深层次地分析本公司业务数据库中的数据能够带来更多的商业机会。尤其对于运用电子商务的企业，它很容易满足数据挖掘所必需要因素：丰富的数据源、自动收集的可靠数据，并且可将挖掘的结果转化为个性化网络营销这样的商业行为，商业投资可以直接评价。 http://www.paper51.com 1.2数据挖掘的方法 内容来自www.paper51.com 数据挖掘技术主要包含以下几种：[2] 内容来自论文无忧网 www.paper51.com 1、聚类检测方法 copyright paper51.com 聚类检测方法是最早的数据挖掘技术之一。在聚类检测技术中，不是搜寻预先分类的数据，也没有自变量和因变量之分。例如，可以对顾客的年龄和收入这两个变量，平等地参与聚类检测。因此，聚类检测也称为无知道的知识发现或无监督学习。 copyright paper51.com 聚类生成的组叫簇，簇是数据对象的集合。聚类检测的过程就是使同一个簇内的任意两个对象之间具有较高的相似性，不同簇的两个对象之间具有较高的相异性。生成簇后，最主要的是要明确生成的簇能表示出什么？例如按照顾客的年龄和收入生成簇后，能够从簇中得到什么启发？是否可以了解在你的顾客中是哪个年龄段的哪个收入层的顾客多，因此可以进一步分析这一类顾客的购物习惯，可以以这一类顾客为主考虑营销策略。人们把这叫做聚类检测结果的可解释性和实用性。 内容来自论文无忧网 www.paper51.com
用于数据挖掘的聚类检测方法有：划分的方法、层次的方法、基于密度的方法、基于网络的方法和基于模型的方法等。 http://www.paper51.com
2、决策树方法 内容来自论文无忧网 www.paper51.com 决策树主要应用于分类和预测，提供了一种展示类似在什么条件下会得到什么值这类规则的方法，一个决策树表示一系列的问题，每个问题决定了继续下去的问题会是什么。决策树的基本组成包含决策节点、分支和叶子，顶部的节点称为“根”，末梢的节点称为“叶子”。 内容来自论文无忧网 www.paper51.com
数据挖掘中决策树是一种经常要用到的技术，常用的算法有CHAID（是一种敏感而直观的细分方法.它根据细分基础变量与因变量之间的关系,先将受访者分成几组,然后每组再分成几组.因变量通常是一些关键指标,如使用水平,购买意向等.每次程序运行后会显示一树状图）、Quest（致力于通过开发创新产品来改善企业关键的软件应用的性能和可用性，以及协助 IT专业从业人员高效率地完成关键业务数据和数据库的管理工作）和ID3（每个实体用多个特征来描述，每个特征限于在一个离散集中取互斥的值）等。 http://www.paper51.com 决策树方法适合于处理非数值型数据，这是它的优点，但如果生成的决策树过于“庞大”，会对结果的分析带来困难，因此需要在生成决策树后再对决策树进行剪枝处理，最后将决策树转化为规则，用于对新事例进行分类。 copyright paper51.com
3、人工神经网络方法 内容来自论文无忧网 www.paper51.com 神经网络可以很容易地解决具有上百个参数的问题。人工神经网络方法主要用于分类、聚类、特征挖掘、预测等方面。它通过向一个训练数据集学习应用所学知识，生成分类和预测的模式。人工神经网络具有自我组织和自我学习等特点，能解决许多其他方法难以解决的问题。对于数据是不定性的和没有任何明显模式的情况，应用人工神经网络算法比较有效。 内容来自www.paper51.com 人工神经网络方法仿真生物神经网络，其基本单元模仿人脑的神经元，被称为节点；同时，利用链接连接节点，类似于人脑中神经元之间的连接。神经网络的结构分为输入层、输出层和隐含层。输入层的每个节点对应一个个的预测变量，输出层的节点对应目标变量，可有多个。隐含层对神经网络使用者来说不可见，隐含层的层数和每层节点的个数决定了神经网络的复杂度。除了输入层的节点外，神经网络的每个节点都与它前面的很多节点连接在一起，每个连接对应一个权重值。 http://www.paper51.com 人工神经网络方法主要有以下三种： 内容来自www.paper51.com （1）前馈式网络。前馈式网络从输入到输出的过程是一个从前向后的传播过程，后一节点的值通过它前面相连的节点传过来，然后把值按照各个连接权重的大小加权输入活动函数再得到新的值，进一步传播到下一个节点。 内容来自论文无忧网 www.paper51.com （2）反馈式网络。反馈式网络与前馈式网络的过程相反，是从结果向前到输入节点的过程。主要用于神经网络的学习、训练。当节点的输出值与预期的值不同，也就是发生错误时，神经网络就要“学习”。把节点间连接的权重看成后一节点输出发生错误，查看错误是受哪些输入节点的影响而造成的，就降低对这些节点的权重，同时升高那些作出正确建议节点的权重值。这个过程一步步向前传播，直到输入节点为止。 内容来自论文无忧网 www.paper51.com （3）自组织网络。自组织网络是人工神经网络体系中一种比较重要的网络类型，这类网络在自组织过程中经常采用竞争学习方法。自组织网络是一种无教师的竞争学习型前馈网络，网络通过自组织方式利用大量的训练样本数据来调整网络权值，最后网络的输出层特征图反映样本数据的分布情况。因此，根据自组织网络的输出状况，就能得到整个数据区域的大体分布情况，即可从样本数据中得到数据分布的大体本质特征。自组织网络大多用于聚类。 copyright paper51.com 4、遗传算法 http://www.paper51.com 遗传算法模仿人工选择培育良种的思路，从一个初始规则集合开始，迭代地通过交换对象成员产生群体，评估并择优复制，优胜劣汰逐代积累计算，最终得到最有价值的知识集。 内容来自www.paper51.com 遗传算法包含以下三种基本算法： http://www.paper51.com （1）繁殖。繁殖是从一个旧种群选择出生命力强的个体产生新种群的过程。 内容来自www.paper51.com （2）交叉。交叉是选择两个不同个体的部分进行交换，形成新个体的过程。 内容来自www.paper51.com （3）变异。变异是对某些个体的某些基因进行变异。 内容来自www.paper51.com 遗传算法能够产生一群优良后代，这些后代力求满足适应性，经过若干代的遗传，将得到满足要求的后代，即问题的解。 内容来自www.paper51.com |