共查询到18条相似文献,搜索用时 109 毫秒
1.
2.
3.
随着中国电信市场的逐渐成熟,电信行业面临着如何从以“以产品信息为中心”向“以客户为中心”转变的难题。数据挖掘能从大量数据中发现潜在和有价值的知识。从数据库中提取了相关数据,作为分析的依据,利用SPSS中的判别分析对电信数据进行挖掘,建立模型进行分析预测,对电信行业进行了客户分类和预测,使得电信商的营销决策更具有针对性,给电信商带来了更多的效益。 相似文献
4.
基于SLIQ分类算法的数据挖掘技术及其在企业CRM中的应用 总被引:4,自引:0,他引:4
李波 《计算机工程与应用》2002,38(21):29-31,78
研究了SLIQ算法的预处理、计算最佳分裂、执行分裂几个大的阶段以及具体算法设计实现过程。最后,将SLIQ算法运用到建设工业集团销售公司中,并与客户关系管理系统结合起来,为公司决策提供支持和依据。 相似文献
5.
改进的K-means算法在电信客户细分中的应用 总被引:1,自引:0,他引:1
在K-means算法中,选择不同的初始聚类中心会产生不同的聚类结果且有不同的准确率,并且其迭代过程在时间上不是高效的.针对K-means算法的这两点不足做了一定程度上的改进,理论分析表明,改进后的算法具有较高的准确度和较低的时间复杂度.采用改进后K-means聚类算法对电信客户数据进行聚类分析,得到具有不同特征的客户群组,通过与统计分析的对比,聚类结果分析更合理清晰,更便于对不同群组采取不同的经营策略,为管理者提供了合理的决策支持. 相似文献
6.
针对电信CRM中“数据丰富但知识贫乏”的现象,利用数据挖掘技术和SL IQ决策树构造算法建立一棵决策树模型,在CRM中根据客户的年龄、所属城市和性别对客户分类,对预测客户类型,防止用户流失,争取新用户具有重要意义。 相似文献
7.
应用联机分析处理技术选择用户ARPU值作为客户细分的维度.依据用户平均收入ARPU值进行分类.按客户的消费额高低将客户分成高中低几档客户.然后采用数据挖掘聚类分析中的K—means聚类算法.参照国际通行的数据挖掘CRISP—DM标准提出一种电信企业客户细分模型和细分方法。对电信企业大量现实数据的实验结果表明.利用该客户细分模型和技术获得了较好的挖掘结果.为电信运营商的经营和决策提供了有力的支持。 相似文献
8.
CRM中客户分类方法的研究与应用 总被引:1,自引:0,他引:1
周欢 《计算机工程与设计》2008,29(3):659-661
在企业管理中,如何将不同客户按照对企业的贡献程度分类并加以实现,以辅助制定经营策略,成为研究热点.针对具体的燃气行业进行了分析,提出了一套适用其的客户分类指标.并且借鉴蚁群算法,做了相应的改进,与聚类分析方法相结合,将此算法在企业现有数据的基础上进行了实现,得到了较好的聚类结果. 相似文献
9.
何晓玉 《数字社区&智能家居》2007,(20)
神经网络算法能通过对网络的训练,使客户关系管理系统中客户行为做出预测,便于企业更好为客户服务,改善客户关系,挽留客户.本文就神经网络算法的CRM应用做了相关的探讨. 相似文献
10.
K均值聚类算法在商业银行客户分类中的应用 总被引:1,自引:0,他引:1
研究商业银行客户分类优化问题.商业银行客户类别具有多变性,其类别由初始聚类中心来确定,而传统K均值初始聚类中心固定,不能适应客户类别具有多变性,导致商业银行客户分类结果易陷入局部最优,分类准确率极低.为了提高商业银行客户分类的准确率,提出粒子群优化K均值聚类的商业银行客户分类模型.模型将K均值的初始聚类中心作为一个粒子,商业银行客户分类准确率作为粒子群优化的目标函数,通过粒子相互协作获得最优初始聚类中心,聚类中心具有自适应性,使然后采用最优K均值聚类算法对银行客户进行分类.仿真结果表明,优化K均值算法收敛速度快,提高了客户分类准确率,分类结果更加合理,便于对商业银行为客户采取相应经营策略. 相似文献
11.
12.
随着移动通信的不断发展,移动客户数量也在不断增加,而通信行业中的竞争也日益显著。因此,过去以生产为中心、以销售产品为目的的市场战略逐渐被以客户为中心、以服务为目的的市场战略所取代。该文就移动CRM客户价值细分做出了一些探讨。 相似文献
13.
14.
针对海量数据背景下K-means聚类结果不稳定和收敛速度较慢的问题,提出了基于MapReduce框架下的K-means改进算法。首先,为了能获得K-means聚类的初始簇数,利用凝聚层次聚类法对数据集进行聚类,并用轮廓系数对聚类结果进行初步评价,将获得数据集的簇数作为K-means算法的初始簇中心进行聚类;其次,为了能适应于海量数据的聚类挖掘,将改进的K-means算法部署在MapReduce框架上进行运算。实验结果表明,在单机性能上,该方法具有较高的准确率和召回率,同时也具有较强的聚类稳定性;在集群性能上,也具有较好的加速比和运行速度。 相似文献
15.
CRM中数据挖掘技术应用概述 总被引:6,自引:0,他引:6
主要介绍了数据挖掘技术在CRM中的应用,具体讨论了数据挖掘技术在客户生命周期阶段的应用和在CRM上创建数据挖掘技术的过程,最后介绍了一些数据挖掘算法在CRM上的应用。 相似文献
16.
K-means算法是聚类分析中的一种经典算法,但是K-means算法是一种局部搜索技术,受初始聚类中心的影响可能会过早收敛于最优解.而遗传算法具有良好的全局优化的能力,将遗传算法与K-means算法结合起来,能很好解决这一问题.在结合的过程中,又在最传统的遗传算法中改进染色体编码与适应度函数,从而优化k个中心点的选取,... 相似文献
17.
文中针对传统并行K-means聚类算法时间复杂度比较高的问题,结合Hadoop平台以及MapReduce编程模型的优势,提出了利用Hadoop及MapReduce编程模型实现大数据量下的K-means聚类算法.其中,Map函数完成每条记录到各个质心距离的计算并标记其所属类别,Reduce函数完成质心的更新,同时计算每条数据到其所属中心点的距离,并累计求和.通过实验,验证了K-means算法部署在Hadoop集群上并行化运行,在处理大数据时,同传统的串行算法相比,确实能够降低时间复杂度,而且表现出很好的稳定性和扩展性. 相似文献
18.
在K-means算法中,选择不同的初始聚类中心会产生不同的聚类结果且有不同的准确率,并且其迭代过程在时间上不是高效的。针对K-means算法的这两点不足做了一定程度上的改进,理论分析表明,改进后的算法具有较高的准确度和较低的时间复杂度。采用改进后K-means聚类算法对电信客户数据进行聚类分析,得到具有不同特征的客户群组,通过与统计分析的对比,聚类结果分析更合理清晰,更便于对不同群组采取不同的经营策略,为管理者提供了合理的决策支持。 相似文献