随着管理思想的不断更新,信息技术的飞速发展,客户关系管理已经成为21世纪全球企业研究的热点问题之一。在客户关系管理理论中,客户价值和客户分类研究作为企业实践“以客户为中心”管理思想的核心,已经在业界受到广泛的重视。 客户价值是CRM关键控制性环节之一。企业客户价值管理的最终目的就是创造更多的客户利润。客户价值分析可以使客户关系管理和客户价值管理上升到企业战略高度,指导企业进行价值管理,实现和提高企业客户价值;客户价值分析的应用可以为企业寻找新的盈利能力增长点,并且指导企业运营活动。 客户细分的目的是为了更好的理解客户。现代客户细分模型与传统客户分类的区别主要集中在不同的细分变量以及采用的方法。传统的客户分类一般都选择客户的某些基本属性作为细分变量,如客户的收入、年龄、利润等。这种传统分类是比较初级的。现代的客户管理的发展要求我们要进一步深入研究企业的客户。 本文从客户关系管理中的客户价值和客户细分的特点出发,探索研究基于数据挖掘的客户价值及客户细分理论与方法,为客户关系管理提供了新的技术及应用。 本文首先对客户关系管理中的客户价值问题进行了框架性研究,对当前的客户价值研究状况给予概括并提出自己相应的研究看法。其次,从客户分类的特点分析出发,指出由于客户数据的时变性、非确定性等,现有的计算方法直接运用于客户细分时,常常存在很多不足。为适应客户细分的这些特点,本文基于数据挖掘理论提出了两种新的数据分类计算模型应用。研究快速将大量客户分类指标进行分析,应用概率统计中的Bootstrap方法确定评价指标权重系数,找出关键评价,这比直接用神经网络等算法进行分类的效率要高。本文还探索用多分类组合模型,通过在基本分类器的结果上进行分类融合,得出综合的分类结果,在此目的上提出新的分类模型组合算法应用。 最后,在上述研究工作的基础上,本文设计了一个面向客户细分的数据挖掘模型,能初步实现数据的导入、预处理、模型建立和使用等功能。