CRM系统：CRM 系统挖掘算法效率的改进

CRM 系统挖掘算法效率的改进 王春燕 (浙江商业职业技术学院, 杭州310015) 摘　要: 目前金融业客户关系管理(CRM ) 数据挖掘系统所 采用的算法在划分项集数据区段、细节数据挖掘、运算时间 效率等方面性能较差。该文分析了CRM 系统特性、实施模 型、模型挖掘以及CRM 数据挖掘系统体系结构; 结合时态 关联规则挖掘的特点, 采取FCQ 算法数据转换策略, 引入领 域知识的泛化层次表; 在算法的第二次迭代使用Hash 技术 连接和剪枝并采用运用候选项集的性质实现压缩数据库规 模的技术。该文方法很好地提高了挖掘算法的效率, 提高了 系统运行的速度与效率, 为管理者提供新型商业智能客户关 系管理系统。 关键词: CRM 系统; TAp rio ri 算法; 时态关联规则 中图分类号: TP 393 文献标识码: A 文章编号: 100020054 (2009) 0520772205 CRM system for improved da ta m in ing a lgor ithm eff ic iency WANG Chunya n (Zhej iang Vocational College of Commerce, Hangzhou 310015, China) Abstract: Current algo rithm s fo r data m ining of the financial indust ry’s customer relationsh ip management (CRM ) data can no t effectively partition item2set data segments, so detailed data m ining searches are no t efficient. The characteristics of the CRM system, the imp lementation, and the m ining modelwere analyzed to identify how the rule m ining can give erroneous results w ith the FCQ algo rithm and a generalizat ion domain know ledge hierarchy. The Hash techno logy was used in the second iterative step to connect and cut the item2sets based on the natures of the various item2set s to enable database comp ression. The results show that the method increases the efficiency and response speed of the m ining algo rithm, thus p roviding managers w ith a new management system fo r business intelligence management relations. Key words: customer relationship management system; TAp rio ri algo rithm; tempo ral associat ion rule 当今金融市场竞争日益激烈, 管理者必须拥有 丰富的管理决策和灵活的处理机制, 其战略规划制 度和战术方案的实施离不开对海量数据的挖掘, 结 合结构化和非结构化数据挖掘技术可部署商业智 能、市场销售分析、竞争对手分析、市场需求动向等。 成为金融业信息系统的主要技术, 使决策来源于数 据, 而不仅仅是主观判断。数据挖掘技术在国外金融 领域应用广泛, 在我国基于数据仓库和数据挖掘技 术的现代新型商业智能客户关系管理系统建设尚处 于起步阶段[1- 6 ]。 1　CRM 系统特性 1. 1　构建CRM 系统 客户关系管理(CRM ) 是信息技术与传统的营 销、销售和服务管理整合的产物。竞争的加剧, 使得 如何吸引新客户和保留现有客户, 成为经营者必须 面对的重要课题, CRM 系统正是通过数据库和其 他信息技术来获取客户数据, 分析客户需求特征和 行为偏好, 积累和共享客户知识, 有针对性地为客户 提供产品或服务, 发展和管理客户关系。 1. 2　CRM 实施模型 通过OLA P、报表和数据挖掘方法对这些数据 进行深入分析, 并以管理人员容易理解的方式展示 出来。从体系结构角度来看, CRM 分为3 部分, 如 图1 所示。1) 操作层次CRM。自动集成业务过程。 2) 分析层次CRM。用于分析操作型CRM 产生的数 据, 包括数据仓库与数据挖掘技术。3) 合作层次 CRM。用于合作的服务系统。 以CRM 中心数据仓库为核心, 通过数据集成 系统与业务处理部分连接, 同时为管理层和业务分 析人员提供客户分析系统。 2　CRM 数据挖掘系统 2. 1　CRM 模型的数据挖掘 客户数据中有客户的基本信息, 还有在营销活 动中通过调研或咨询所获得的数据信息, 包括个人 信息、对产品性能和服务的意见、对未来产品发展的 期望和预测等, 对于这些数据信息通过以下方式分 析处理。 1) 客户细分。不同的客户群存在着不同的特 征, 利用数据挖掘中的聚类分析, 根据客户的基本属 性、基本情况对客户进行分类。可以根据不同类的客 户提供完全不同的服务来降低成本、提高客户的满 意度, 从而达到利润的最大化。2) 产品客户价值分 析。分析客户对某种产品业务量的贡献, 使用的方法 与客户价值分析基本相同, 通过对产品客户价值分 析, 有区别地做好客户服务, 提供相对准确的目标客 户群。3) 客户信用分析。分析客户信用, 对不同信用 级别的客户, 采取不同的方案等。数据挖掘, 可从大 量历史数据中分析出具体客户的信用等级。4) 客户 获得。业务的增长需要不断地获得新的客户。数据 挖掘能够辨别潜在的客户群, 并提高金融市场活动 的响应率。5) 客户保持。采用聚类和关联分析技术, 可将客户群分为: 高价值稳定的客户群、高价值易 流失的客户群、低价值稳定的客户群、低价值易流失 的客户群、没有价值的客户群。6) 客户满意度分析。 分析客户对产品和服务的满意度, 可以帮助改进客 户营销策略, 从而增加客户的忠诚度。数据挖掘可从 零散的客户反馈信息中, 分析出客户的满意度。7) 交叉销售。交叉销售是指向已购买的客户推荐其他 产品和服务。关联规则分析能够发现顾客倾向于关 联购买哪些品种。聚类分析能够发现对特定产品感 兴趣的用户群, 神经网络、回归等方法能够预测顾客 购买该新产品的可能性。8) 风险评估和诈骗检查。 可以识别潜在的诈骗行为, 识别其核心客户的完整 关系, 而客户可能拥有多于公开的可接受标准的不 同策略。根据数据挖掘解决的商业问题对数据挖掘 技术进行分类。 强力推荐： 天柏客户关系管理系统 天柏客户关系管理系统（CRM）是一款集专业性、实用性、易用性为一体的纯B/S架构的CRM系统，它基于以客户为中心的协同管理思想和营销理念，围绕客户生命周期的整个过程，针对不同价值的客户实施以客户满意为目标的营销策略，通过企业级协同，有效的“发现、保持和留住客户”，从而达到留住客户、提高销售，实现企业利润最大化的目的。通过对客户进行7P的深入分析，即客户概况分析(Profiling)、客户忠诚度分析(Persistency)、客户利润分析(Profitability)、客户性能分析(Performance)、客户未来分析(Prospecting)、客户产品分析(Product)、客户促销分析(Promotion)以及改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程并提高各个环节的自动化程度，从而帮助企业达到缩短销售周期、降低销售成本、扩大销售量、增加收入与盈利、抢占更多市场份额、寻求新的市场机会和销售渠道，最终从根本上提升企业的核心竞争力，使得企业在当前激烈的竞争环境中立于不败之地。 关键词：CRM,CRM系统,CRM软件,客户关系管理,客户管理软件,客户管理系统,客户关系管理软件,客户关系管理系统