数据挖掘在CRM中的应用

数据挖掘在CRM中的应用作者：罗堃学位授予单位：东北财经大学相似文献(10条)1.学位论文曹杨数据挖掘在电子商务客户关系管理中的应用研究2008电子商务环境下客户关系管理是近几年来的一个研究热点，已引起学术界和企业界的广泛关注。企业通过应用电子商务环境下客户关系管理建立与客户沟通的便利渠道，为客户创造更高的价值，来提高客户的满意度和忠诚度，从而实现更高的利润并有利于企业的长远发展。数据挖掘技术是实施客户关系管理的关键技术之一。企业在收集大量的客户基本资料和详细的交易数据的基础上，利用数据挖掘能够发现客户特征、客户购买模式等有价值的客户信息和新的商机，可以有效地指导电子商务环境下客户关系管理实践。本文首先通过分析和总结国内外学者研究成果，提出数据挖掘在电子商务环境下客户关系管理应用方面的研究不足之处；之后，对客户关系管理、电子商务理论与数据挖掘技术进行了阐述与分析，研究并讨论了数据挖掘在客户关系管理中尤其在电子商务环境下的应用，论证了数据挖掘在电子商务环境下客户关系管理系统中应用研究的必要性；最后，在理论分析框架内容的基础上，通过构建电子商务客户关系管理数据挖掘系统，运用实例分析完成了对数据挖掘在电子商务环境下客户关系管理应用的研究。本文采用了理论分析和案例比较等研究方法，并运用实例进行验证。主要创新点在于采用ID3决策树算法通过电子商务和客户关系管理的结合构建了电子商务客户关系管理数据挖掘系统并通过实例加以验证。通过本文的研究，为电子商务环境下客户关系管理实践提供有益的参考，同时为数据挖掘在电子商务环境下客户关系管理中的应用研究提供一些新思路。2.期刊论文贾玉锋.胡迎新.JIAYu-feng.HUYing-xin数据挖掘在客户关系管理中的应用研究-石家庄铁道学院学报（社会科学版）2009,3(2)客户关系管理和数据挖掘都是近几年发展起来的新兴学科,对现代企业的发展有着举足轻重的作用.介绍了客户关系管理的理念及用于客户关系管理的数据挖掘方法,分析了数据挖掘技术在客户关系管理中的应用,提出了应用中应注意的问题.3.学位论文谭铧数据挖掘在客户关系管理中的应用研究2002该文在概述了客户关系管理和数据挖掘的基本原理基础上,介绍了数据挖掘如何应用于客户关系管理当中,即通过分析客户数据得到关于客户的知识,提出了一个数据挖掘在客户关系管理中应用的流程.针对客户关系管理的特点,提出了数据挖掘应用在客户关系管理当中需要解决的几个问题,然后逐步针对几个问题提出解决方法来展开研究.首先根据客户的原始数据特点,介绍了如何通过数据清理、精据集成和数据归约等数据预处理方法得到高质量的数据,提高客户关系管理当中数据挖掘的有效性.接着根据企业客户数据动态性特点和已有数据挖掘方法的不足,设计了一种简单动态数据挖掘操作的方法.通过挖掘客户兴趣和行为知识,提出了逐步分类的方法对于不断更新的客户数据进行挖掘,并对于其中支持度的计算提出几点改进意见.然后为数据挖掘得到大量客户规则设计了具体的规则鉴别流程和鉴别方法.接着为了完整评价数据挖掘应用在客户关系管理的有效性,提出从正确性、可解释性和集成度三个角度进行评价的指标.最后根据目前的情况,提出了一些数据挖掘和客户关系管理挖掘技术未来的研究方向.4.期刊论文顾桂芳.李文元.GUGuifang.LIWenyuan数据挖掘在移动通信业客户关系管理中的应用研究-科技管理研究2007,27(2)本文介绍了客户关系管理及数据挖掘的内涵,分析了移动通信业客户关系管理应用数据挖掘的必要性,并研究了数据挖掘在移动通信业客户关系管理中的应用领域及应用的步骤.5.学位论文田宏钟基于数据挖掘的证券业客户关系管理中的客户细分研究2005本文从宏观和微观两方面对证券业客户关系管理进行了探讨。在宏观方面，主要是从证券业客户关系管理的特点入手，研究数据仓库的特点、架构、功能等，并探讨了相应的数据挖掘方法，以及如何在网上经纪业务中，开展Web数据挖掘来进行客户关系管理；在微观方面，主要以证券业客户关系管理中的客户细分为例，进行了数据仓库中数据的载入、抽取，数据挖掘方法的选择，数据模型的建立及分析等全过程研究。　本文探索性地采用神经网络方法对证券业客户进行细分研究，效果比较好。在客户细分研究过程中，数据的存储、载入、抽取采用SQLServer2000，聚类分析采用SPSS，数据挖掘采用神经网络方法，最终建立了客户细分模型，同时也探讨了OLAP多维数据分析在证券业客户关系管理中的应用。　本文提出了在我国证券业客户关系管理中，如何有效地构建数据仓库，设计数据模型以满足事后数据挖掘分析的需要；在数据挖掘阶段，根据不同的数据挖掘目的，进行了相应数据挖掘方法的应用研究。6.学位论文朱小虎基于数据挖掘和知识管理的客户关系管理系统研究2007客户关系管理(CustomerRelationshipManagement)是为了适应以“客户为中心”的商业模式而发展起来的一种新型的管理理念。它强调企业生产销售中各个环节必须以提高客户满意度和忠诚度为目标进行运作，主张企业根据客户价值度高低，采取具有针对性的营销策略，扩大有价值客户，去除低价值以及无价值客户，进而保证企业的客户盈利能力。基于知识管理和数据挖掘的客户关系管理其根本实质就是将知识管理(KnowledgeManagement)理念和数据挖掘(DataMining)技术引入到客户关系管理中，利用KM和DM的数据分析处理能力，对客户知识进行有效利用和挖掘，找出潜在的信息和模式，提高CRM在客户价值判断、客户群体细分、客户保持、客户流失分析、交叉销售等方面的分析处理能力，帮助企业准确把握客户当前需求和潜在需求，指导进行企业生产销售。本文在总结分析传统的客户关系管理以及知识管理的基础上，对构建基于知识管理和数据挖掘的客户关系管理进行系统的阐述，具体的研究内容有：1．讨论分析客户关系管理与知识管理之间的相互关系，客户关系管理中的客户知识的转换，以及如何对客户知识进行有效管理。2．讨论分析数据挖掘的四种典型的模式以及常用的数据挖掘技术和方法。3．将数据挖掘技术引入到客户关系管理中，找出客户数据信息属性之间的联系，对客户群体进行合理细分和准确的价值判断。4．本文还描述了一个基于知识管理和数据挖掘的客户关系管理系统的一个框架，并对整个系统中的客户细分、交叉销售、客户行为分析以及呼叫系统等功能进行阐述，并描述功能实现所使用到的一些数据挖掘处理方法和技术。7.会议论文刘宏.杨兴凯数据挖掘在客户关系管理中的应用研究2006本文以客户为中心已经成为各个企业的共识,而其实现的前提是从海量的客户信息中发现客户新的需求,必须对信息进行分析,从中得到企业的决策支持信息.本文阐述了客户关系管理的概念、数据挖掘含义及体系结构.给出了数据挖掘在CRM中的实施模型,详细论述了数据挖掘在CRM中的应用.最后提出了在客户关系管理中实施数据挖掘应注意的问题.8.学位论文王峰数据挖掘在证券公司客户关系管理中的应用2008作为一个中型的证券公司，江海证券经纪有限责任公司目前已经建立了比较完善的计算机业务系统。为了适应日趋激烈的市场竞争环境，适应以产品为中心到以客户为中心的经营理念转变，充分利用证券交易系统产生的大量宝贵的信息资源，对交易数据进行挖掘，建立并完善江海证券客户关系管理系统，提高江海证券的核心竞争力势在必行。本文对数据挖掘的理论进行了详细的阐述，使用SPSS公司的C1ementine数据挖掘软件，以江海证券2007年交易数据为基础，采用决策树及关联规则的挖掘模块，对交易数据、客户信息进行数据挖掘，生成挖掘算法，实现了客户类别细分，股民的购买意愿预测，形成规则用以指导公司客户经理为股民提供优质的服务。论文中对江海证券客户关系管理系统架构及系统功能进行了详细的介绍，对客户关系管理系统的数据挖掘子系统架构进行了设计。数据挖掘子系统主要分为数据读取分析、数据预处理和数据挖掘模块。系统主要功能是对数据挖掘前的数据进行预处理工作及数据挖掘工作，包括数据采集及简单维度规约，对被挖掘数据中无用数据的清理，使用近邻排序算法对重复数据进行清理，依据身份证信息构建客户性别及年龄属性并对属性缺失值使用聚类分析的k-means算法进行空值预测填补，最终整合生成数据挖掘所使用的基础数据表。通过数据挖掘的实施，最终取得成果并将成果应用于客户管理中。整个项目为公司下一步数据仓库的建立及客户关系管理系统的规划上线提供指导和参考。9.会议论文薛晓东.李海玲数据挖掘的客户关系管理应用2004文章首先对数据挖掘的概念、发展和基本步骤进行了论述.然后,回顾客户关系管理的发展沿革,对客户关系管理的基本概念和构成要素进行了探讨.最后,从应用的角度,对数据挖掘在客户关系管理应用的含义和作用进行了再认识.10.学位论文叶强客户关系管理中基于数据挖掘的客户细分研究2003该文将从客户关系管理中客户细分问题的特点出发,探索基于数据挖掘的客户细分理论与方法及客户细分系统构架,为客户关系管理提供新的支撑技术与应用方法.该文首先对客户关系管理中的客户细分问题进行了框架性研究,提出了客户细分的空间逻辑模型与客户细分的数据-功能-方法模型(DFM模型),并在此基础上提出了以客户细分为核心的客户关系管理系统的系统构架.其次,该文分析了客户关系管理中客户细分问题的特点,指出由于客户数据具有噪声性、时变性、非确定性和非一致性,将现有的数据挖掘方法直接运用于客户细分中时,常常存在很多不足.为适应客户细分问题的这些特点,该文在对原有数据挖掘技术改造的基础上提出了三种新的分类模型,即基于支持度-显著度构架的关联分类模型、遗忘人工神经网络分类模型及动态多分类器融合分类模型,这些新的客户细分方法弥补了现有方法存在的不足,提高了客户细分的可靠性.为适应客户行为规律的复杂性和隐含性,并克服现有数据挖掘方法往往缺乏严格的统计学支持的缺点,该文在对关联分类模型进行改进的基础上,提出了一种基于支持度-显著度构架的关联分类模型.基于该模型的客户细分方法,可以保证所发现知识的统计显著性,并提高了隐含规则的发现能力.最后,在上述研究工作的基础上,该文设计了一个面向客户细分的数据挖掘原型系统.该系统初步实现了数据的导入、预处理、模型建立和模型使用等功能.该文结合一个实例,在该原型系统的支持下,分析了面向客户细分的数据挖掘在客户关系管理中的应用.本文链接：：上海海事大学(wflshyxy)，授权号：c877e54f-0d68-4e7a-9d8c-9e0800d36694下载时间：2010年10月7日