08數(shù)據(jù)挖掘最終版

1、第8章 CRM中的數(shù)據(jù)倉庫與 數(shù)據(jù)挖掘,,客戶關(guān)系管理,第1節(jié) CRM中的數(shù)據(jù)倉庫,,客戶關(guān)系管理,,,,,,,,8.1.3,,,,8.1.1 數(shù)據(jù)倉庫的基本概念,8.1.2,,,8.1.1 數(shù)據(jù)倉庫的基本概念,客戶關(guān)系管理,數(shù)據(jù)倉庫的特點,面向主題 集成的數(shù)據(jù) 數(shù)據(jù)不可更新 數(shù)據(jù)隨時間不斷變化 使用數(shù)據(jù)倉庫,客戶關(guān)系管理,從數(shù)據(jù)庫到數(shù)據(jù)倉庫,數(shù)據(jù)倉庫與數(shù)據(jù)庫的區(qū)別不僅僅是應(yīng)用的方法和目的上的，同時也涉

2、及產(chǎn)品和配置數(shù)據(jù)倉庫實際上是一個“以大型數(shù)據(jù)管理信息系統(tǒng)為基礎(chǔ)的、附加在這個數(shù)據(jù)庫系統(tǒng)之上的、存儲了從企業(yè)所有業(yè)務(wù)數(shù)據(jù)庫中獲取的綜合數(shù)據(jù)的、并能利用這些綜合數(shù)據(jù)為用戶提供經(jīng)過處理后的有用信息的應(yīng)用系統(tǒng)”。傳統(tǒng)數(shù)據(jù)庫系統(tǒng)的重點與要求是快速、準確、安全、可靠地將數(shù)據(jù)存進數(shù)據(jù)庫中。數(shù)據(jù)倉庫的重點與要求是能夠準確、安全、可靠地從數(shù)據(jù)庫中取出數(shù)據(jù)，經(jīng)過加工轉(zhuǎn)換成有規(guī)律信息之后，再供管理人員進行分析使用。,客戶關(guān)系管理,8.1.2 CRM中數(shù)

3、據(jù)倉庫的體系結(jié)構(gòu),客戶關(guān)系管理,基本的數(shù)據(jù)倉庫模型,斯坦福大學"WHPS"課題組提出的數(shù)據(jù)倉庫基本框架,一個數(shù)據(jù)倉庫的基本體系結(jié)構(gòu)中應(yīng)有以下幾個基本組成部分：數(shù)據(jù)源 監(jiān)視器 集成器 數(shù)據(jù)倉庫 客戶應(yīng)用,客戶關(guān)系管理,CRM中的數(shù)據(jù)倉庫結(jié)構(gòu),CRM中的數(shù)據(jù)倉庫邏輯結(jié)構(gòu),整個系統(tǒng)可以劃分為三個部分：數(shù)據(jù)源 數(shù)據(jù)倉庫系統(tǒng) CRM分析系統(tǒng),客戶關(guān)系管理,,,,,,,,8.1.2,,,,8.1.3 CRM中數(shù)

4、據(jù)倉庫的作用,8.1.1,,,8.1.3 CRM中數(shù)據(jù)倉庫的作用,客戶關(guān)系管理,（一）客戶行為分析,（一）客戶行為分析群體特征分析群體規(guī)律分析群體交叉分析（二）重點客戶發(fā)現(xiàn)（三）個性化服務(wù)（四）市場性能評估,客戶關(guān)系管理,數(shù)據(jù)倉庫的管理,缺乏管理的數(shù)據(jù)倉庫癥狀應(yīng)用程序之間缺少統(tǒng)一性 優(yōu)化低下的可用性 系統(tǒng)可用性 數(shù)據(jù)可用性 低性能加強監(jiān)控管理 無力反應(yīng)變化低安全性 無能力滿足新的容量需求,客戶關(guān)系管理,

5、協(xié)同方案,跟蹤數(shù)據(jù) 拉近數(shù)據(jù)倉庫和CRM個性化客戶關(guān)系加強系統(tǒng)智能化水平 保持數(shù)據(jù)最新,客戶關(guān)系管理,思考練習題,什么是數(shù)據(jù)倉庫？數(shù)據(jù)倉庫的特點是什么？CRM中的數(shù)據(jù)倉庫邏輯結(jié)構(gòu)是什么樣？簡述CRM中數(shù)據(jù)倉庫建設(shè)的基本步驟。,客戶關(guān)系管理,第2節(jié) CRM中的數(shù)據(jù)挖掘,,客戶關(guān)系管理,,,,,,,,8.2.3,8.2.4,8.2.2,,,8.2.1 數(shù)據(jù)挖掘的基本定義,客戶關(guān)系管理,8.2.1 數(shù)據(jù)挖掘的基本定義,數(shù)據(jù)倉庫是從

6、大量的數(shù)據(jù)中，抽取出潛在的、有價值的知識、模型或規(guī)則的過程。數(shù)據(jù)挖掘決定了客戶關(guān)系管理是否能滿足現(xiàn)代企業(yè)的需要?？梢哉f，只有采用了數(shù)據(jù)挖掘技術(shù)的客戶關(guān)系管理才是現(xiàn)代的客戶關(guān)系管理。 對于企業(yè)而言，數(shù)據(jù)挖掘可以有助于發(fā)現(xiàn)業(yè)務(wù)發(fā)展的趨勢，揭示已知的事實，預(yù)測未知的結(jié)果，并幫助企業(yè)分析出完成任務(wù)所需的關(guān)鍵因素，以達到增加收入、降低成本，使企業(yè)處于更有利的競爭位置的目的。,客戶關(guān)系管理,8.2.1.1 數(shù)據(jù)挖掘的商業(yè)背景,數(shù)據(jù)挖掘可以為商業(yè)

7、做以下工作:1. 作為研究工具 （Research）；2. 提高過程控制（Process Improvement）；3. 作為市場營銷工具（Marketing）；4. 作為客戶關(guān)系管理CRM工具(Customer Relationship Management)。,客戶關(guān)系管理,8.2.1.2數(shù)據(jù)挖掘的技術(shù)背景,1. 數(shù)據(jù)挖掘的技術(shù)內(nèi)涵 數(shù)據(jù)挖掘技術(shù)包括三個主要部分：算法和技術(shù)；數(shù)據(jù)；建模能力。 2. 數(shù)據(jù)挖掘

8、和機器學習（Machine Learning） 機器學習是計算機科學和人工智能AI發(fā)展的產(chǎn)物。機器學習分為兩種學習方式：自組織學習（如神經(jīng)網(wǎng)絡(luò)）；從例子中歸納出規(guī)則（如決策樹）。 3. 數(shù)據(jù)挖掘和統(tǒng)計 統(tǒng)計也開始支持數(shù)據(jù)挖掘。統(tǒng)計本來就包括預(yù)言算法（回歸）、抽樣、基于經(jīng)驗的設(shè)計等。 4. 數(shù)據(jù)挖掘和決策支持系統(tǒng) 將數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘融合在一起，構(gòu)成企業(yè)決策分析環(huán)境。,客戶關(guān)系管理,8.2.

9、1.3數(shù)據(jù)挖掘的社會背景,數(shù)據(jù)挖掘與個人預(yù)言：數(shù)據(jù)挖掘號稱能通過歷史數(shù)據(jù)的分析，預(yù)測客戶的行為，而事實上，客戶自己可能都不明確自己下一步要作什么。所以，數(shù)據(jù)挖掘的結(jié)果，沒有人們想象中神秘，它不可能是完全正確的。客戶的行為是與社會環(huán)境相關(guān)聯(lián)的，所以數(shù)據(jù)挖掘本身也受社會背景的影響。,客戶關(guān)系管理,,,,,,,,8.2.4,8.2.1,8.2.3,,,8.2.2 CRM中數(shù)據(jù)挖掘的基本應(yīng)用,客戶關(guān)系管理,8.2.2 CRM中數(shù)據(jù)挖掘的基本應(yīng)

10、用,從分析方法角度來說，數(shù)據(jù)挖掘能做以下六種不同事情:1.分類（Classification）2.估值（Estimation）3.預(yù)言（Prediction）4.相關(guān)性分組或關(guān)聯(lián)規(guī)則（Affinity grouping or association rules）5.聚集（Clustering）6.描述和可視化（Description and Visualization）,客戶關(guān)系管理,,,,,,,,8.2.1,8.2.2,8

11、.2.4,,,8.2.3 CRM中的數(shù)據(jù)挖掘流程,客戶關(guān)系管理,8.2.3 CRM中的數(shù)據(jù)挖掘流程,Two Crows數(shù)據(jù)挖掘過程模型的基本步驟為:定義商業(yè)問題（Define business problem） 建立營銷數(shù)據(jù)庫（Build marketing database）探索數(shù)據(jù) （Explore data）為建模準備數(shù)據(jù) （Prepare data for modeling） 數(shù)據(jù)挖掘模型的建立 （Build mode

12、l）評價模型 （Evaluate model）將數(shù)據(jù)挖掘運用到CRM方案中 (Deploy model and results),客戶關(guān)系管理,8.2.3 CRM中的數(shù)據(jù)挖掘流程（續(xù)）,1. 定義商業(yè)問題每一個CRM應(yīng)用程序都有一個或多個商業(yè)目標，為此需要建立恰當?shù)哪Ｐ?。根?jù)特殊的目標，如“提高響應(yīng)率”或“提高每個響應(yīng)的價值”，需要建立完全不同的模型。問題的有效陳述包含了評測CRM程序結(jié)果的方法。,客戶關(guān)系管理,8.2.3 CRM

13、中的數(shù)據(jù)挖掘流程（續(xù)）,2. 建立營銷數(shù)據(jù)庫步驟2到4是組成數(shù)據(jù)準備的核心。數(shù)據(jù)準備和模型建立之間可能反復進行，因為你從模型中學到新的東西，而這又要你修改數(shù)據(jù)。需要建立一個營銷數(shù)據(jù)庫，因為操作性數(shù)據(jù)庫和共同的數(shù)據(jù)倉庫常常沒有提供所需格式的數(shù)據(jù)。在建立營銷數(shù)據(jù)庫的時候，需要對它進行凈化。需要的數(shù)據(jù)可能在不同的數(shù)據(jù)庫中，這意味你需要集成和合并數(shù)據(jù)到單一的營銷數(shù)據(jù)庫中，并協(xié)調(diào)來自多個數(shù)據(jù)源的數(shù)據(jù)在數(shù)值上的差異。不當?shù)臄?shù)據(jù)值差異協(xié)調(diào)是質(zhì)量問

14、題的主要來源。在多個數(shù)據(jù)源中出現(xiàn)的較大差異主要在數(shù)據(jù)定義和使用的方法上,客戶關(guān)系管理,8.2.3 CRM中的數(shù)據(jù)挖掘流程（續(xù)）,3. 探索數(shù)據(jù)在建立良好的預(yù)測模型之前，必須理解所使用的數(shù)據(jù)?？梢酝ㄟ^收集各種數(shù)據(jù)描述（如平均值、標準差等探索統(tǒng)計量）和注意數(shù)據(jù)分布來開始進行數(shù)據(jù)探索。可能需要為多元數(shù)據(jù)建立交叉表（樞軸表）。圖形化和可視化工具可以數(shù)據(jù)準備提供重要幫助，但它們對數(shù)據(jù)分析的重要性不能過分強調(diào)。,客戶關(guān)系管理,8.2.3 CRM

15、中的數(shù)據(jù)挖掘流程（續(xù)）,4.為建模準備數(shù)據(jù)建立模型之前數(shù)據(jù)準備的最后一步，主要有四個主要部分：首先，要為建立模型選擇變量；下一步，從原始數(shù)據(jù)中構(gòu)建新的預(yù)示值；接著，需要從數(shù)據(jù)中選取一個子集或樣本來建立模型；最后，需要轉(zhuǎn)換變量，使之和選定用來建立模型的算法一致。,客戶關(guān)系管理,8.2.3 CRM中的數(shù)據(jù)挖掘流程（續(xù)）,5. 數(shù)據(jù)挖掘模型的建立關(guān)于模型建立，要記住的最重要的事情是模型建立是一個迭代的過程。需要研究可供選擇的模型，

16、從中找出最能解決你的商業(yè)問題的一個。在尋找好的模型的過程中所獲悉的知識，或許要求你回頭修改正在使用的數(shù)據(jù)甚至修改問題陳述。大多數(shù)CRM應(yīng)用程序都基于一種叫做監(jiān)督學習的協(xié)議。你開始使用客戶信息，而且期望的結(jié)果是已知的。,客戶關(guān)系管理,8.2.3 CRM中的數(shù)據(jù)挖掘流程（續(xù)）,6.評價模型評價模型結(jié)果的方法中，最可能產(chǎn)生評價過高的指標就是精確性。,客戶關(guān)系管理,8.2.3 CRM中的數(shù)據(jù)挖掘流程（續(xù)）,7.將數(shù)據(jù)挖掘運用到CRM方案中

17、數(shù)據(jù)挖掘?qū)嶋H建立在應(yīng)用程序中的方式由客戶交互作用的本質(zhì)所決定。與客戶的交互作用的兩種方式：客戶主動聯(lián)系你（inbound）或者你主動聯(lián)系他們(outbound)。部署的需求是完全不同的。無論哪一種情形，在運用模型到新數(shù)據(jù)中必須處理的一個關(guān)鍵問題是在建立模型中使用的數(shù)據(jù)轉(zhuǎn)換。如果輸入數(shù)據(jù)（無論來自事務(wù)處理還是數(shù)據(jù)庫）中包含了年齡、收入、性別字段，但是模型需要的年齡-收入比率和性別已經(jīng)改變?yōu)槎肿兞?，這時必須轉(zhuǎn)換輸入數(shù)據(jù)。當你想快速展開大

18、量模型時，不費力的插入這些轉(zhuǎn)換數(shù)據(jù)就變成了最重要的效率因素。,客戶關(guān)系管理,,,,,,,,8.2.2,8.2.3,8.2.1,,,8.2.4 數(shù)據(jù)挖掘的基本步驟,客戶關(guān)系管理,8.2.4 數(shù)據(jù)挖掘的基本步驟,8.2.4.1 數(shù)據(jù)挖掘的一般過程,客戶關(guān)系管理,8.2.4.1 數(shù)據(jù)挖掘的一般過程（續(xù)）,數(shù)據(jù)挖掘一般可以分為4個階段：1、確定目標2、數(shù)據(jù)準備3、實施數(shù)據(jù)挖掘4、結(jié)果的解釋與評估,客戶關(guān)系管理,8.2.4 數(shù)據(jù)挖掘的基本

19、步驟,8.2.4.2數(shù)據(jù)挖掘過程模型一般情況，數(shù)據(jù)挖掘項目要經(jīng)歷的過程包括：問題和數(shù)據(jù)的理解、收集和準備，建立數(shù)據(jù)挖掘模型，評價所建的模型和應(yīng)用所建的模型等一系列任務(wù)。,客戶關(guān)系管理,8.2.4.3實施數(shù)據(jù)挖掘的人員配備,數(shù)據(jù)挖掘過程分步實現(xiàn)，不同的步驟需要不同專長的人員，大體可以分為幾類： 1. 業(yè)務(wù)分析人員 2. 數(shù)據(jù)分析人員 3. 領(lǐng)域?qū)＜?4. 決策制定人員

20、 5. 數(shù)據(jù)管理人員,客戶關(guān)系管理,8.2.4.4 實施數(shù)據(jù)挖掘的關(guān)鍵問題,1、用數(shù)據(jù)挖掘解決什么樣的商業(yè)問題 項目的需求范圍通常都難以確定，這是所有應(yīng)用系統(tǒng)共有的實施風險。由于數(shù)據(jù)挖掘項目投入巨大，與需求關(guān)聯(lián)極強，這種風險在數(shù)據(jù)挖掘項目中表現(xiàn)的尤為明顯，必須按照軟件工程的方法進行開發(fā)，做到需求描述清楚、理解正確才能使項目有基本保證，盲目的數(shù)據(jù)挖掘很難成功。2、為進行數(shù)據(jù)挖掘所做的數(shù)據(jù)準備 其實數(shù)據(jù)挖掘最后成功與

21、失敗，是否有經(jīng)濟效益，數(shù)據(jù)準備起到了至關(guān)重要的作用。數(shù)據(jù)準備包含很多方面：一是從多種數(shù)據(jù)源去綜合數(shù)據(jù)挖掘所需要的數(shù)據(jù)，保證數(shù)據(jù)的綜合性、易用性、數(shù)據(jù)的質(zhì)量和數(shù)據(jù)的時效性，這有可能要用到數(shù)據(jù)倉庫的思想和技術(shù)；另一方面就是如何從現(xiàn)有數(shù)據(jù)中衍生出所需要的指標，這主要取決于數(shù)據(jù)挖掘者的分析經(jīng)驗和工具的方便性。3、數(shù)據(jù)挖掘的各種分析算法 數(shù)據(jù)挖掘的分析算法主要來自于以下兩個方面：統(tǒng)計分析和人工智能（機器學習、模式識別等）。另外需要強調(diào)的是

22、，任何一種數(shù)據(jù)挖掘的算法，不管是統(tǒng)計分析方法、神經(jīng)元網(wǎng)絡(luò)、各種樹分析方法，還是遺傳算法，沒有一種算法是萬能的。不同的商業(yè)問題，需要用不同的方法去解決。,客戶關(guān)系管理,第3節(jié) 數(shù)據(jù)挖掘的功能與方法,,客戶關(guān)系管理,,,,,,,,,,,8.3.1 數(shù)據(jù)挖掘的功能,8.3.2,,,8.3.1 數(shù)據(jù)挖掘的功能,客戶關(guān)系管理,8.3.1 數(shù)據(jù)挖掘的功能,數(shù)據(jù)挖掘功能用于指定數(shù)據(jù)挖掘任務(wù)要找的模式類型。一般而言，數(shù)據(jù)挖掘任務(wù)可以分兩類：描述和預(yù)測

23、。描述性挖掘任務(wù)描述數(shù)據(jù)庫中數(shù)據(jù)的一般性質(zhì)。預(yù)測性挖掘任務(wù)對當前數(shù)據(jù)進行推斷，以做出預(yù)測。,客戶關(guān)系管理,8.3.2 數(shù)據(jù)挖掘的方法,8.3.2.1 決策樹 數(shù)據(jù)挖掘的決策樹方法以信息論原理為基礎(chǔ)，是目前最有效且應(yīng)用最廣泛的方法。 決策樹是一種預(yù)測模型，可以把它看作一棵樹。其中的每一個分支都是分類問題，樹葉就是在具體的類別下的數(shù)據(jù)集合的子集。,客戶關(guān)系管理,8.3.2.1 決策樹,決策樹具有以下

24、特征（以移動電話行業(yè)為例，見圖8.3.3）：(1)它在每一個分支點不會丟失任何數(shù)據(jù)（一個給定的父結(jié)點的記錄數(shù)目總是等于它所包含的兩個子結(jié)點的記錄數(shù)目之和）。(2)終止合同的客戶數(shù)目與未終止合同的客戶數(shù)目總是一定的。(3)建立模型的過程非常容易理解（與神經(jīng)元網(wǎng)絡(luò)和標準的統(tǒng)計技術(shù)相比）。(4)決策樹模型能有效地找出有可能終止合同的客戶，并開展有針對性的營銷活動。(5)可以用決策樹模型建立起對客戶的直覺。,客戶關(guān)系管理,8.3.2.

25、1 決策樹（續(xù)）,圖8.3.3 決策樹結(jié)構(gòu)示意圖,客戶關(guān)系管理,8.3.2.1 決策樹（續(xù)）,決策樹方法被廣泛地用于商業(yè)研究和預(yù)測過程中，如信用卡客戶流失預(yù)測、不同國家貨幣間的匯率變化的時間序列分析預(yù)測。當然，決策樹也有許多不適用的領(lǐng)域，其中有很多簡單的問題用線性回歸分析更有效。決策樹更適合于建立的模型和分析過程都是比較復雜的實際問題，主要有：1、商業(yè)開發(fā)2、數(shù)據(jù)預(yù)處理3、預(yù)測,客戶關(guān)系管理,.,8.3.2. 2粗糙集概念最早

26、是由Z.Pawlak于1982 年提出。最早被用于醫(yī)學和工業(yè)知識庫中。近年來，研究取得了很快發(fā)展，涉及領(lǐng)域很廣。理論的出發(fā)點：根據(jù)目前已有的對給定問題的知識將問題的論域進行劃分，然后對劃分后的每一個組成部分確定其對某一概念的支持程度?；舅枷耄簩?shù)據(jù)庫中的屬性分為條件屬性和結(jié)論屬性，對數(shù)據(jù)庫中的元組根據(jù)各個屬性不同的屬性值分成相應(yīng)的子集，然后對條件屬性劃分的子集與結(jié)論屬性劃分的子集之間的上下近似關(guān)系生成判定規(guī)則。,客戶關(guān)系管理,8

27、.3.2.3遺傳算法,1. 遺傳算法的由來1975 年，美國密西根大學的John Holland 在他的名為《自然界和人工系統(tǒng)中的適應(yīng)性》 的書中，首次提出了在計算機上模擬自然界進化過程的一些觀點。同時，也有其他幾位學者從事這方面的研究，并完成了在計算機上模擬生物進化過程的前期工作，面他們的研究僅僅著眼于遺傳和進化的角度。只有Holland的書描繪了用進化技術(shù)來解決其他現(xiàn)實問題的前景。這本書被公認為遺傳算法的源頭，并且在計算機科學中

28、開辟了一個全新的研究領(lǐng)域,客戶關(guān)系管理,8.3.2.3遺傳算法（續(xù)）,2. 遺傳算法的發(fā)展人們把遺傳算法的研究發(fā)展過程大致地分為三個階段： ( 1 ) 20 世紀70 年代的興起階段 ( 2 ) 20 世紀80 年代的發(fā)展階段 ( 3 ) 20 世紀90 年代的高潮階段,客戶關(guān)系管理,8.3.2.3遺傳算法（續(xù)）,3. 遺傳算法基本思想基本思想：基于達爾文的進化論和Mendel的遺傳學說。遺傳學認為遺傳是作為

29、一種指令―遺傳碼被封裝在每個細胞內(nèi)，并以基因的形式包含在染色體中，不同的基因所產(chǎn)生的個體對環(huán)境有不同的適應(yīng)性。遺傳算法實質(zhì)上就是一種把自然界有機體的優(yōu)勝劣汰的自然選擇、適者生存的進化機制，以及在同一種群中個體之間的隨機信息交換機制相結(jié)合的搜索算法,客戶關(guān)系管理,8.3.2.3遺傳算法（續(xù)）,遺傳算法的最大優(yōu)點是問題的最優(yōu)解與初始條件無關(guān)，而且搜索最優(yōu)解的能力極強，它的實現(xiàn)過程如圖12.4 所示。,客戶關(guān)系管理,8.3.2.4 神經(jīng)網(wǎng)絡(luò)

30、,人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，即ANN ），是20世紀80 年代以來人工智能領(lǐng)域興起的研究熱點。它從信息處理角度對人腦神經(jīng)元網(wǎng)絡(luò)進行抽象， 建立某種簡單模型，按不同的連接方式組成不同的網(wǎng)絡(luò)。在工程與學術(shù)界也常直接簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種運算模型，由大量的節(jié)點（或稱神 經(jīng)元）之間相互聯(lián)接構(gòu)成。每個節(jié)點代表一種特定的輸出函數(shù)，稱為激勵函數(shù)（activation function）。,,

31、每兩個節(jié)點間的連接都代表一個對于通過該連接信號的加權(quán)值，稱之為權(quán)重，這相當于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方 式，權(quán)重值和激勵函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對自然界某種算法或者函數(shù)的逼近，也可能是對一種邏輯策略的表達。 最近十多年來，人工神經(jīng)網(wǎng)絡(luò)的研究工作不斷深入，已經(jīng)取得了很大的進展，其在模式識別、智能機器人、自動控制、預(yù)測估計、生物、醫(yī)學、經(jīng)濟等領(lǐng)域已成功地解決了許多現(xiàn)代計算機難以解決的實際問題，表現(xiàn)出了

32、良好的智能特性。,客戶關(guān)系管理,客戶關(guān)系管理,8.3.2.4 神經(jīng)網(wǎng)絡(luò)（續(xù)）,如果有反饋連接組成網(wǎng)絡(luò)中的封閉回路，那么這種神經(jīng)網(wǎng)絡(luò)就是回饋型。如下圖,客戶關(guān)系管理與數(shù)據(jù)挖掘案例,泰國東方飯店的客戶關(guān)系管理貝爾大西洋公司的數(shù)據(jù)挖掘美林證券公司的商業(yè)智能,一、泰國東方飯店的客戶關(guān)系管理,營銷學的研究表明，爭取一個新顧客的成本是留住一個老顧客的5倍，而在利潤貢獻方面老顧客則是新顧客的16倍?？蛻絷P(guān)系管理的目的就是提高客戶忠誠度，使之成為企

33、業(yè)長期的客戶。 泰國的東方飯店是亞洲最有名的飯店之一，它的客房幾乎天天客滿，如果不提前預(yù)定一般很難入住。東方飯店的顧客絕大部分是西方國家的商務(wù)人士，而其中又有相當一部分是它的老顧客。東方飯店之所以能夠獲得客戶的青睞，一個重要的原因就是它的客戶關(guān)系管理。 下面是臺灣一位知名企業(yè)家于先生對東方飯店感受。于先生一年前住過東方飯店，給他留下了很好的印象，一年后，他到泰國出差，又選擇了東方飯店。,于先生是很晚才住進飯店。第二天早上

34、，他一走出房門，就有服務(wù)生上前詢問：“于先生是要用早餐嗎？”于先生很奇怪，反問：“你怎么知道我姓于？”服務(wù)生說：“我們飯店規(guī)定，晚上要記熟每一位顧客的姓名?！?于先生來到餐廳，立刻又有服務(wù)生迎上來，說：“于先生是否還坐老位子？”于先生又很驚訝，問：“你怎么也知道我的姓，還知道我上次坐的位子？”服務(wù)生答：“樓上已打電話過來，說您已經(jīng)下樓了。我查了記錄，您在去年6月8日在靠近窗口第二個位子上用過早餐?！碑斢谙壬潞?，服務(wù)生又問：“

35、還是老菜單？一個三明治、一杯咖啡、一個雞蛋？”,客戶關(guān)系管理,后來，因業(yè)務(wù)調(diào)整，于先生有三年沒有去泰國。在于先生生日那天，他突然收到東方飯店發(fā)來的生日賀卡，里面還有一封短信。信中寫道：“親愛的于先生，您有三年沒有來過我們飯店，我們都很想念您。希望能再次見到您。祝您生日愉快！” 迄今為止，世界各國已有20萬人曾經(jīng)住過東方飯店。用他們自己的話說，每年只要有1/10的老顧客光顧，東方飯店將永遠客滿。,二、貝爾大西洋公司的數(shù)據(jù)挖掘應(yīng)用,

36、貝爾大西洋公司是美國最大的電話公司之一，它的電話業(yè)務(wù)覆蓋美國14個州，擁有商業(yè)、住家電話帳戶近億個。 在電話公司，追繳拖欠話費是一件很頭疼的事情，不及時追繳會給公司帶來很大損失，但如果每個人都進行追繳又帶來很大的成本。 為此，貝爾大西洋公司建立了數(shù)據(jù)挖掘系統(tǒng)，幫助他們進行話費追繳決策。 第一步，將所有客戶分為不同的類型，并建立不同的追繳欠費模型。系統(tǒng)根據(jù)數(shù)據(jù)分析，將公司客戶分為8種類型，并一共建立了40個追繳話費

37、模型。 第二步，計算各種客戶拖欠話費的概率，包括從一個月未繳話費到兩個月未繳的可能性，從三個月未繳話費到變成壞債客戶的可能性，從壞債客戶到變成死債客戶的可能性。,第三步，提出追繳策略線索，哪些客戶應(yīng)進行追繳，哪些客戶可以暫時不追繳；在追繳的客戶中，哪些應(yīng)該采取高強度追繳，哪些客戶只需要采取低強度追繳等。 在美國的電話公司中，追繳花費可采用信件和電話兩種形式，電話追繳的強度大，效果好，但成本要比信件高得多。一般情況下，通過

38、信件追繳話費的成本約1美元，而電話追繳的成本約在30美元左右。 過去，電話公司在決定追繳策略時帶有很大的盲目性，支付了大量的追繳成本，但追繳的效果并不好，甚至還得罪了一些有價值的客戶，造成客戶資源的流失。,客戶關(guān)系管理,采用了數(shù)據(jù)挖掘技術(shù)后，這一問題的到了較好的解決。數(shù)據(jù)挖掘幫助公司了解客戶的行為模式，以此來決定所應(yīng)采取的話費追繳模式。同時根據(jù)一個好客戶能給公司帶來的利潤，和他拖欠話費給公司帶來的損失進行比較，決定是否要進行話費