1 數(shù)據(jù)挖掘技術

數(shù)據(jù)挖掘的主要技術手段包括關聯(lián)規(guī)則挖掘,、分類分析,、聚類分析、估計,、預測,、時序模式和偏差分析等。支持上述技術的核心研究內(nèi)容是相應的數(shù)據(jù)挖掘算法研究,，包括貝葉斯算法,、決策樹、時序算法,、聚類算法,、關聯(lián)算法、神經(jīng)網(wǎng)絡算法和回歸算法,。

2 數(shù)據(jù)挖掘的核心價值與應用分析

在企業(yè)客戶管理中應用數(shù)據(jù)挖掘技術,，不僅使客戶管理更高效、更實用,，還能預測客戶將來的各種消費行為,，為企業(yè)實施更精確的客戶管理和市場營銷提供決策依據(jù)?？蛻艄芾硎荂RM系統(tǒng)的一部分,，但比CRM系統(tǒng)有關客戶部分的功能更詳細、更齊全,、更完善,、更符合企業(yè)的實際需要,。

客戶管理的目標非常明確，防范老客戶流失,，從老客戶那里獲取更大的價值,。

目前企業(yè)客戶管理應用比較混亂，大致分為3種情況：①以業(yè)務系統(tǒng)為主,，客戶管理為輔的信息系統(tǒng),，如進銷存系統(tǒng)、ERP系統(tǒng)等,，以實現(xiàn)業(yè)務為核心內(nèi)容,，但往往會涉及到一部分客戶信息，嚴格來講,，這部分軟件不屬于客戶管理范疇,。②以銷售、市場營銷為核心內(nèi)容的信息系統(tǒng),，如銷售管理系統(tǒng)等,，以實現(xiàn)銷售計劃為核心，重點最大限度的促進銷售,，更多的關注客戶的消費心理,、消費行為，注重提升客戶的忠誠度,，但這不是客戶系統(tǒng)的全部內(nèi)容,。③CRM系統(tǒng)，它是一個比較龐大的客戶關系管理信息系統(tǒng),，主要包括銷售,、銷售過程、客戶管理,、客戶分析等若干模塊，相對于大多數(shù)企業(yè)而言,，成本較高,。同時，操作型CRM較多,，分析型CRM較少,。

客戶管理的混亂，為企業(yè)利用客戶關系帶來了不便,，也為挖掘客戶關系中的有價值信息增加了難度,。

3 挖掘算法的選擇與建模

當企業(yè)建立起數(shù)據(jù)倉庫后?？刹捎貌煌臄?shù)據(jù)挖掘算法為客戶管理提供直接,、有效的數(shù)據(jù)與參考,。企業(yè)活動中，與客戶管理相關業(yè)務大多與銷售過程有關,，包括客戶購物,、企業(yè)營銷、客戶分類管理和銷售預測等,。對客戶購物行為的分析,，可以為個性化營銷提供客觀依據(jù)，最有效的營銷是針對有消費興趣潛力的客戶群,，通過挖掘關聯(lián)關系,，尋找有價值的客戶分類，能夠提高客戶管理的有效性,。

數(shù)據(jù)挖掘雖然是一個智能的數(shù)據(jù)分析工具,，但其準確性會受到多個方面因素的影響，如數(shù)據(jù)的準確性,、合法性,、算法選擇的準確性、輸人選擇的正確性等,，在實際應用中,，不同的人、不同的挖掘策略與方案將會有不同的結果,，應用業(yè)務人員和數(shù)據(jù)挖掘人員一起,。共同探討正確性。下面針對上述具體應用,，提出可行的挖掘方案,，以供參考。

3．1 挖掘客戶購物行為信息的算法與模型

用戶在挑選商品時,，往往存在一個習慣：先挑選最需要的商品,，然后根據(jù)商品推薦或興趣來挑選其他商品，市場營銷人員中可以分析每個用戶的購物行為和愛好,，為將來的個性化營銷提供依據(jù),，并為每個客戶提供最具人性化的營銷方式，這要使用序列聚類算法,。

實現(xiàn)此功能需要兩個基本信息,，一是訂單信息，關注客戶的一次購物行為,；二是訂單產(chǎn)品明細,，主要關注商品放入訂單的先后順序。

在業(yè)務庫中,，有客戶企業(yè)表,、客戶訂單表,、訂單產(chǎn)品明細表、產(chǎn)品信息表4個業(yè)務表,，如圖1所示,，在創(chuàng)建數(shù)據(jù)倉庫后，客戶企業(yè)表,、產(chǎn)品信息表將變成維表,。訂單表、訂單產(chǎn)品明細將變成事實表,，把不需要的字段刪除,，并把不合理的數(shù)據(jù)進行清理、轉(zhuǎn)換,，采用微軟序列聚類算法即可實現(xiàn)此功能需求,。
 

其數(shù)據(jù)挖掘模型如下：


根據(jù)以往的銷售歷史，分析用戶的銷售行為,，其重點在于歷史數(shù)據(jù)中每個訂單要有產(chǎn)品購買的先后順序,，結合序列聚類算法即可完成，此模型的輸入列是訂單編號,，預測列是一個嵌套表,，包括產(chǎn)品序號和產(chǎn)品編號(或名稱)兩個可預測試列。

3．2 挖掘消費興趣實現(xiàn)有效營銷的算法與模型

企業(yè)進行新產(chǎn)品宣傳或促銷時,，有效做法是把信息發(fā)送給感興趣的客戶,，而不是發(fā)給所有人，基于以前所做的客戶檔案和客戶對產(chǎn)品調(diào)查的反饋結果,，采用數(shù)據(jù)挖掘算法可以找出那些感興趣的客戶,，即節(jié)省成本，又提高效率,。

此功能的關鍵是根據(jù)以前所做的產(chǎn)品調(diào)查反饋信息,，預測哪些因素影響客戶的購買，并分析愿意購買客戶的特征,，基于這些特征,，把客戶表里的所有信息重新篩選一遍，只向那些具有購買特征的客戶發(fā)送營銷信息,。

實現(xiàn)此功能的算法有4個：貝葉斯、決策樹,、神經(jīng)網(wǎng)絡,、聚類，基于驗證考慮,，盡可能采用每一種算法來測試,，以獲得更準確的分析數(shù)據(jù),，如圖2所示，其數(shù)據(jù)模型如下：



也可以采用決策樹,、聚類,、神經(jīng)網(wǎng)絡算法，分別對應如下：

(1)Microsoft_Decision_Trees：決策樹

(2)Microsoft_Clustering：聚類

(3)Microsoft_Neural_Network：神經(jīng)網(wǎng)絡

根據(jù)以往的調(diào)查數(shù)據(jù),，可以分析出這些輸入列與可預測列(是否購買)之間的關系,，找那些已購買產(chǎn)品或愿意購買產(chǎn)品的客戶重要特征，然后把促銷信息,、新產(chǎn)品信息發(fā)給具有這些重要特征的客戶,。