CRM系统：k2means算法的改进和在保险业CRM中的应用

k2means算法的改进和在保险业CRM中的应用 张效娟 (青海师范大学计算机系,青海西宁810008) 3 摘要:针对k2means算法存在的不足,提出了一种改进算法. 针对目前保险业CRM系统的特点提出了 用聚类分析方法进行客户群细分模型设计,通过实验验证了本文提出的k2means改进算法的高效性;实 验结果证明聚类分析算法在CRM中实施类分析方法的客户群细分过程模型是行之有效的. 关键词:客户关系管理;数据挖掘;聚类算法; k2means 中图分类号: TP274. 2 文献标识码:A Research and Applica tion of Improved k2M ean s Algor ithm in CRM of In surance ZHANG Xiao2juan (Department of Computer Science,QinghaiNormalUniversity, Xining 810008, China) Abstract: The article p roposes an imp roved method to overcome shortcomings of the traditional k2means algorithm. This method exp lores the unique features of the CRM system in insurance industry and app lies clustering analysis techniques for customer classification. The result shows that the imp roved k2meansmethod is efficient and p rovides emp irical evidence that p roves the effectiveness of clustering analysis techniques for customer classification in the CRM system. Key words:CRM; data mining; clustering; k2means 保险行业在长期的运作过程中积累大量的客户信息的数据,这些数据中蕴含着很多的有用信息. 在 落后的管理条件下,这些数据难以共享,无法发挥决策支持作用. 要使客户的信息转化为知识,需通过数 据挖掘等方法,了解客户需求和心理、预测其行为及公司效益,根据这些信息,公司能优化可利用的资 源,集中服务于所挑选的客户群体. 目前专门讨论数据挖掘技术在CRM系统中的应用的论著还很少,国 内数据挖掘技术在CRM系统中的应用主要还停留在理论阶段,很少有实际的CRM系统中应用到数据 挖掘为企业进行深入的客户分析,来达到量体裁衣的目的. 本文提出一种改进的k2means聚类算法,并将其应用于保险CRM的客户群细分应用中. 1　聚类算法在CRM 中的意义 聚类(Clustering)是一个将数据集划分为若干组(Class)或簇(Cluster)的过程,并使得同一个簇内的 数据对象具有较高的相似度,而不同簇内的数据对象则是不相似的. 现有的传统的聚类算法有:划分的方法、层次的方法、基于密度的方法、基于网格的方法、基于模型 的方法等 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