數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理(CRM)中的應(yīng)用.pdf

1、數(shù)據(jù)挖掘技術(shù)(Data Mining Technology)是伴隨著數(shù)據(jù)倉庫與在線分析處理(On-Line Analysis Processing,OLAP)這兩項(xiàng)技術(shù)的快速起飛與應(yīng)用,帶來數(shù)據(jù)量與決策需求兩方面持續(xù)增長(zhǎng)的前提下應(yīng)運(yùn)而生的。數(shù)據(jù)挖掘是商務(wù)智能(BusinessIntelligence,BI)的關(guān)鍵技術(shù)之一,通過相應(yīng)的算法,找出數(shù)據(jù)所隱含的潛在模型,為決策者提供決策支持。對(duì)于競(jìng)爭(zhēng)日益激烈的市場(chǎng)環(huán)境來說,數(shù)據(jù)挖掘技術(shù)將成為支

2、撐企業(yè)精準(zhǔn)營(yíng)銷的重要手段之一。
　　 本文著重討論了筆者所從事的《華商報(bào)》黃馬甲96128電子商務(wù)平臺(tái)(主要通過網(wǎng)絡(luò)與呼叫中心兩種方式銷售產(chǎn)品)建立以來所形成的海量客戶數(shù)據(jù)庫,并通過決策樹算法中的ID3算法研究客戶的流失問題,通過聚類算法中的K-means算法研究商品價(jià)格問題,通過關(guān)聯(lián)規(guī)則中的Apriori算法研究購物籃中的商品關(guān)聯(lián)度問題。
　　 本文利用黃馬甲客戶關(guān)系管理系統(tǒng)中已形成的客戶數(shù)據(jù)。首先對(duì)數(shù)據(jù)進(jìn)行清理,并

3、以10萬數(shù)據(jù)量為基準(zhǔn),開始進(jìn)行數(shù)據(jù)挖掘。首先建立了數(shù)據(jù)倉庫,ID3決策樹算法與Apdod算法運(yùn)用Eclipse工具進(jìn)行java編程,K-means算法用C++語言進(jìn)行實(shí)現(xiàn),并運(yùn)行出相應(yīng)的結(jié)果,再對(duì)結(jié)果進(jìn)行分析,找出其中的商業(yè)價(jià)值。并運(yùn)用圖表進(jìn)行描述。
　　 實(shí)驗(yàn)結(jié)果表明,重視用戶的流失分析、商品價(jià)格分析、購物籃分析,從根本上以客戶需求為導(dǎo)向,全面提升黃馬甲96128電子商務(wù)業(yè)務(wù)水平,使業(yè)務(wù)發(fā)展更上臺(tái)階,為領(lǐng)導(dǎo)決策提供科學(xué)的數(shù)據(jù)支