论文部分内容阅读
CRM系统的运用,可以有效地帮助企业开展营销活动,全面迎合用户的需求,从而为其提供合适的产品与服务。然而当企业发展了多年,拥有了大量的客户数据,如何有效地利用这些数据,分析出对于企业有用的知识,进而采取恰当的市场活动来改善客户关系、实现利润最大化,则是每家企业所面临的最大问题。 针对上述问题,本文开展了两个不同而又紧密耦合的研究工作:第一是如何在CRM中有效地挖掘出客户分类知识?依据市场细分的原则,只有获得客户分类知识,才能使企业的市场活动有针对性,脱离无序状态。第二是如何有效利用挖掘出来的分类知识?具体来讲就是如何用这些知识来指导企业的客户关系改善计划,并从中实现净利润最大化。 本文研究的第一个方面,即如何在CRM中挖掘客户分类知识。根据组合分类方法的思想,本文提出一种基于遗传算法的决策森林并行组合分类法(GA-DFC方法),此方法的模型包括由多株决策树组成的决策森林以及对决策森林分类结果进行组合的权值网络两部分。方法分析和试验证明,GA-DFC方法可以利用决策森林中各决策树之间的信息互补能力来进一步提高分类的准确率,可以处理有噪声数据和具有大属性集的数据,此外本方法具有内在的并行性,具有较好的运行效率。同时本文探讨了GA-DFC方法在CRM中的具体应用。 本文研究的第二个方面,即如何有效利用从CRM中挖掘出来的知识,实现有利润的客户关系改善计划。目前数据挖掘已经运用到CRM系统中,但是现有的数据挖掘把重点放在建立模型和解释模型上,就是指专著于发现知识。应该说,挖掘出此类知识是很有用,但是这些知识本身并不能指导企业的客户改善计划,企业无法直接判断出什么样的客户关系改善可以实现利润最大化。基于此,本文采用决策树模型来考察如何在一定代价的前提下,寻找具有最佳盈利效果的行动,提出了一种基于决策树的挖掘最佳活动的算法(DT-ACTsM),同时还考察了在企业资源有限条件下的挖掘多个最佳活动的情况。 本文的两个工作是前后相继、紧密相关的,针对CRM系统的整个挖掘过程是一个完整的从数据中挖掘知识,再利用挖掘到的知识进一步挖掘应采取的市场活动,