基于数据挖掘的客户细分模型研究及应用

为企业更深入了解消费者的行为和偏好,帮助企业制定决策和发展客户关系,结合现有的客户细分方法,提出一种多指标客户细分模型。从宏观和微观角度,对传统指标进行优化,构建RFMPA多指标客户体系;采用熵值法客观赋权;采用因子分析降维;采用改进的K-means算法完成客户细分。利用大型连锁超市客户消费数据进行实证研究,对比数据实验结果表明,该模型能够更好解决客户细分问题,提高企业客户关系管理和决策质量。     

大群体在线客户偏好自动计算方法

在线客户偏好对潜在客户的购买决策有重要影响。从这些客户偏好中发现产品的优点与缺点,有助产品制造商面向客户需求改进产品设计并制定更适合客户需求的商务战略。然而,问题的关键是如何在广泛分布的评论文本、评分等级等大量信息碎片中发现客户总体偏好。针对此问题,目前客户偏好相关研究文献尚未能提出有效解决方法。提出了一个称为面向大型群决策的自动一致性模型（简称ACMLGD）,用于低成本、快速地自动计算面向在线客户偏好的大群客户偏好。实验结果表明,ACMLGD模型在大量客户偏好的客户意见中发现客户总体偏好的计算性能较好。为在线客户偏好的大群客户偏好自动集结建模及应用提供了一种新的实用方法。     

提升事件检测的商业价值

一位顾客来到某大型连锁超市退还瑕疵品，此交易记录立即被传送到该连锁超市的企业级数据仓库系统中，系统发现此交易为退回有瑕疵的某项主要商品后，依据制定的业务规则触发了一连串的分析操作，分析内容包括客户过去的购买记录、该客户对公司的价值、产品偏好、退货商品的替代性商品、当前商品库存量等等，针对该客户及相关商品生成了对应的商业智能分析。     

企业客户信息系统(ECIF)设计

以客户为中心是众多企业战略规划的重点,如何在信息技术飞速发展中,根据客户的特征、行为和偏好来获取新客户、促进企业的发展,企业客户信息系统的信息化建设已成为重中之重。采用J2EE设计了一个支持多层架构,并具有良好的可用性、伸缩性、扩展性、安全性的系统。系统可以实现对企业客户信息的数据管理、数据统计、数据维护等功能,提高了企业办公效率,完善了客户服务体系。     

基于JSP的超市客户管理系统设计

超市客户管理系统能对超市的各种资源和信息进行有效管理和利用,进而在当前竞争激烈的市场上提高超市的竞争力。笔者设计了一款基于JSP的超市客户管理系统。首先对系统的功能和可行性进行详细分析,其次介绍系统的框架设计和各个功能模块的详细设计,最后,通过实验测试,证明了系统具有较为完备的功能,且安全可靠、操作方便、交互能力强,能满足管理者日常事务处理的需要,提升超市在经营过程中的管理质量。     

利用ClementineC5.0模型预测CDMA客户流失

该文针对目前电信行业中一个日益严峻的问题:客户离网进行研究,通过收集客户的基本数据、消费数据和缴费行为等数据,建立客户流失预测模型,进行客户流失分析及预测.通过对大量相关技术和统计方法的研究,最终确定了clementine的C5.0模型作为电信客户流失的预测模型.此模型对客户流失预测有较高的准确性,为电信经营分析系统作...     

基于客户画像的多元化能源消费侧数据安全实时监测

为了解决由于能源消费侧数据多元化导致的数据安全监测精度低的问题，提出了基于客户画像的多元化能源消费侧数据安全实时监测方法。以收集不同客户的能源消费数据为基础，分析客户的消费规律，并利用设置标签的方式生成客户画像，提取用户实时能源消费数据的变化特征，从而实现多元化能源消费侧数据安全实时监测。实验结果表明，所提出的方法可有效地降低能源消费侧数据的监测误差，即设计的数据安全实时监测方法在监测精度方面具有优势。     

基于Clementine神经网络的电信客户流失模型应用

本文针对目前电信行业中一个日益严峻的问题：客户离网进行期究,以电信行业为背景,通过收集客户的基本教据、消费数据和缴费行为等数据,建立离网客户的流失预测模型．进行客户流失的因素分析以及流失预测。以某电信分公司决策支撑系统为背景,通过在电信一年半时间的领域调研和开发实践,以此为基础,使用了统计分析和数据挖掘的技术,对PAS客户流失主题进行了较为完善、深入的分析与研究,为电信经营分析系统作了有益的尝试与探索．针对PAS客户流失分祈主题,本文选取了3个月的PAS在网用户和流失用户及其流失前的历史消费信息为样本,确定了个体样本影响流失的基本特征向量和目标变量．通过对大量相关技术和统计方法的研究,最终确定了Clementine的神经网络模型来作为电信客户流失的预测模型．实践证明,本论文整体的技术路线是可行的,神经网络模型对电信客户流失预测有较高的准确性,所发现的知识具有一定的合理性和参考价值,对相关领域的研充起到了一定的推动作用．     

基于背景的个性化客户行为模型研究

针对商业客户的背景信息对其消费行为的影响问题,提出了一种基于背景的商业客户行为模型的构建方法。该方法不仅收集了包含三级粒度背景信息的某大学学生客户的网上交易数据并按依赖于交易数据项的统计量对客户进行分组,还利用朴素贝叶斯(NB和TAN)及分组和统计关系数据库(GAC-RDB)分类器学习了各客户分组的背景和非背景预测函数,同时使用各预测变量的受试者运行特征曲线下面积(AUC)值,对客户背景在预测客户购买行为时的作用进行了定量的比较和分析。研究结果表明:背景信息对客户特别是个性化客户(单一客户)的消费决策具有良好的预测效果。     

双聚类算法在电信高价值客户细分的应用

针对传统客户价值细分方法在高价值客户细分时不够精细化的问题,引入了大均值子矩阵(LAS)双聚类算法。该方法在客户样本和消费属性两个维度上对消费记录进行双向聚类,可以挖掘出高消费、高价值的客户群体。以某电信公司的高价值客户细分为实例,通过定义一个价值尺度和构建一个PA指标,将所提算法与K均值(K-means)算法进行性能比较,实验结果表明,所提算法能挖掘出更多的高价值客户群体,且能够对客户属性进行更加精细的划分,因此它更适合应用于高价值客户市场的识别和细分。     

智能化您的CRM

客户知识应用于企业面向客户的决策所产生的效果或能力，可称为客户智能。客户智能体系具备了进行有利于客户知识产生、分发和利用的企业建模的能力．目的是建立一个高效的、快速反应的、科学决策的、以客户为中心的组织架构。当面对一个现有的企业组织架构时，可能需要运用BPR(业务流程重组)的思想。     

可重构知识管理系统的客户化定制研究

介绍了知识管理对其工具可重构性的要求，展示了一个基于本体的知识管理系统框架。对本体概念进行了介绍，将本体引用到知识管理工具之中，构建一个可重构知识管理系统，并对知识本体建模进行了论述。讨论了可重构知识管理系统对客户化定制的需求，其中包括知识结构的定制即企业本体建模和知识处理（录入、检索、显示等）界面的客户化定制。阐述了可重构知识管理系统中知识处理模板的应用模型；简要介绍了可扩展标记语言（XML）技术；最后结合本体定义，给出了基于XML实现的几种知识处理模板定制原理。     

客户关系管理我国零售业的必然选择

客户关系管理作为一种经营理念,其核心是要“以客户为中心”,集中企业的所有资源为重点客户提供个性化的产品和服务,开展针对性营销,让客户逐渐形成对企业的偏好,帮助企业在留住老客户的同时尽可能争取新客户,提高客户对企业满意度和忠诚度,进一步提高企业的盈利能力,最终实现企业的长期盈利。     

IBM软件主打行业牌

无论是增值服务的设计与交付、客户偏好的分析以及营销管理，IT都能为电信行业注入推动力。     

朴素贝叶斯小样本金融客户分类方法与分类偏好研究

对金融客户进行准确分类是向其提供个性化服务的前提.针对某金融产品的销售需求,通过在线推销测试收集客户样本数据,并根据用户反馈标注样本.通过构造概率分布函数、离散化连续型数据两种方式构建贝叶斯分类器.利用交叉检验训练和测试分类算法,发现朴素贝叶斯分类算法性能优于高斯贝叶斯算法和逻辑回归算法.离散化连续型数据过程中结合分类偏好进行数据过滤,实验证明,异常数据滤除率参数对客户分类算法的准确性有显著影响,通过恰当设置该参数的取值,可以调节分类算法的分类偏好.方法对于提升金融产品销售效率,降低营销成本有参考价值.     

基于客户信用评价模型的营销管理系统

提高企业营销管理的质量和效率,对客户信用评价模型和企业营销管理系统设计方法进行了研究。提出了一个基于马尔可夫逻辑网的客户信用评价模型CCEM-MLNs,该模型将依据专家知识建立的信用评价规则转化为一阶逻辑规则,构造马尔可夫逻辑网,然后利用样本数据进行训练,得出各规则的权值,建立评价模型。实验结果表明,该模型对客户信用分类的准确率比均分权值的评价模型提高了13.38%;设计并实现了一个基于CCEM-MLNs的营销管理系统MMS-CCEM,给出了系统的体系结构和层次结构,该系统已成功应用于国内某企业的营销管理,在客户关系管理方面效果明显。     

网络环境下客户对售后评价系统的设计

本文从网络环境下客户对售后评价系统的特点、设计、应用和测试方面介绍了该系统的设计与开发。该系统的数据库是SQLServer,采用ASP语言进行设计,以完成客户对售后评价系统的管理。该系统包含:客户评价的收集,结果的汇总、统计,并自动生成报表数据。并根据数据生成Excel文档,从而每个产品,每月和全年的数字统计一目了然。     

基于时序关联规则的商品需求预测

为了满足商品销售企业对商品需求预测的需求,提出一种时序关联规则挖掘算法。利用企业商品销售数据与客户相关的特点,提出客户模式数据模型,针对该数据模型,给出时序关联规则挖掘算法。利用该算法对超市销售数据进行时序关联规则挖掘,得到了正确的结果,验证了其在实际应用中的有效性。     

基于动态聚类的证券业客户细分实证研究

在客户关系管理理论基础上,建立了一个包含13个行业特色指标的证券业客户多维细分模型,并利用聚类分析对国内某知名券商的具体客户信息和交易数据进行了实证研究,有效识别出了具有不同特征以及偏好的客户群,并在此基础上提出了相应的营销策略。     

一种基于群体智能的客户行为分析算法

提出了一种基于群体智能的客户行为分析算法．首先将客户的消费模式作为平面上的一个点随机分布于平面区域内；然后依据基于群体智能的聚类方法，选用由小到大的群体相似系数进行聚类分析；最后，在平面区域内采用递归算法收集聚类结果，获得不同消费特征的客户群体．文中还提出了算法的并行策略，提高了算法对大数据量的适应性．该文以电信移动客户话费数据作为实验数据，并将算法结果与其它经典聚类算法的结果进行比较分析．分析结果表明：这种基于群体智能的客户行为分析算法能够满足客户聚类和分类的要求，特别是在大客户分析及一对一营销中特别客户的分析方面该算法有直观、类别特征明显等特点．