基于数据挖掘的客户序位应用研究

发布时间：2020-05-16 06:59

【摘要】：中国企业面临着前所未有的市场化和客户个性化的挑战。客户序位管理是一种商业战略,它着眼理解和管理某个组织当前和潜在的客户需求,是一漫长的历程。在该过程中,有战略、机构和技术的改变。通过这些改变,公司可以围绕客户行为更好地管理自己的企业。因此,从不同的侧面对上述问题进行系统和全面的综合论述,具有重要的现实意义和理论意义。 论文第二章对数据挖掘的概念、方法、工具、作用与实施步骤进行了论述。鉴于数据挖掘以数据为基础,为实现客户序位的应用研究,必须建立客户数据库,在此基础上对客户序位进行探讨。客户满意与忠诚是客户序位分析的最高层次,本文对此亦加以研究,以体现应用研究的完整性。通过概括和归纳,认为客户序位体现了管理、决策和技术三个层面内容,即:客户序位是一种企业经营管理理念、客户序位是一种数据驱动的企业决策过程、客户序位是一种先进技术的集成系统。 第三章从客户数据分析的角度,对数据挖掘的客户序位应用中的主要问题客户挖掘、客户需求模糊预测、客户档案知识挖掘、客户价值、客户满意与忠诚的互动分析进行了研究。 第四章从客户份额、客户获利能力分析、客户净现值评价、客户创造价值、同业对比分析、满意测评分析等不同方法进行了分析,并从实证应用的角度进行了研究。 第五章在某些公司客户数据的基础上,通过实证分析,提出了客户序位的灰色模型、发展模型、方案决策模型和忠诚因素模型,对客户序位、客户发展和保持、潜在性及竞争型客户、满意决策和竞争因素进行了研究与分析。 第六章对客户关系管理应用中的常用数据挖掘算法:人工神经网络算法中SOM算法及BP算法进行了分析,并加以实证。 第七章以互联网为例对客户行为进行了设计和分析,并展示了客户序位分析系统的部分算法和程序设计。 第八章总结全文,提出论文需要进一步改进的方面和今后需继续研究的主要问题。
【图文】：

图 2-1 数据挖掘作用类分析。聚类分析包括聚类和类识别。聚类在营销中可用于对客法是统计分析中聚类分析算法,其思想是使生成的类内部最大。实际应用中,将由聚类分析算法得到的分类结果提交给业务行域知识进行评判后确定基本类型,每个客户属于某一类型。类识) 归于已有的某类,可通过与类的距离长短来判别。异分析。差异分析侧重于发现异常的变化。在相类似的客户类中给予密切关注。如信用卡公司一旦发现某客户的信用购买量突的这种变化的原因进行调查。如果不是由于客户的欺诈行为,而变化,比如客户找到一个薪水更高的职业或由于客户新购置了更需要确认客户的这种变化,更新相应的档案,并提出针对性营销些如装修类商品或服务。它。趋势分析主要用于发现变化的趋势。如根据客户的偏好趋势系,进行商品销售预测。人工神经网络方法和遗传算法是解决非的十分复杂问题的强有力工具。尽管利用它们所得的结论有时

具有三个方向进行整合寻找出企业进行改进的规范点对满意工作的改进提升。结合规范后的结果和企业实际对满意工作的跟踪调查。了解执行效果，并作下一循环与度量模型989 年建立起客户满意度指数模型,美国于 1994 年建立 11 个国家也分别在本国试点调查,计算本国的客户满意出了不同的客户满意度模型[12]。图模型型又称重要因素推导模型,是一种偏于定性研究的诊断务的所有绩效指标,每个绩效指标有重要度和满意度两指标的重要程度及满意程度的打分,将影响企业满意度的 优势区、B 修补区、C 机会区、D 维持区，见图 2-2 所因素分别处理。
【学位授予单位】：华北电力大学（北京）
【学位级别】：博士
【学位授予年份】：2006
【分类号】：F224

【引证文献】

中国期刊全文数据库 前1条

1 杜建军;李海玉;马蓉;;数据预处理与决策树在客户行为分析中的应用[J];信息技术;2008年12期

中国硕士学位论文全文数据库 前5条

1 刘建利;基于CRM的高校学生管理系统研究与实现[D];电子科技大学;2011年

2 秦健勇;新疆机电学院学生管理系统的设计与实现[D];电子科技大学;2011年

3 李志玲;基于数据挖掘的客户关系管理研究[D];河北大学;2010年

4 魏世杰;数据挖掘技术在电信宽带存量经营中的应用[D];暨南大学;2012年

5 李宇鹏;中职学生流失状态智能分析系统的设计与实现[D];电子科技大学;2012年

，

本文编号：2666355