满意度调查网

　　从客户关系的角度上来说，企业十分希望建立与客户建立稳固的关系，并将这种稳定的客户关系转化为企业经营管理所需的资金支持。因此，为了促使目标的及时实现，就要求企业对营销过程当中，客户的各种行为进行深入的了解与分析，收集与客户相关的信息资料，将看似无序、无关的信息资源通过各种分析方法加以挖掘，形成潜在的知识规律，获取客户智能。而数据挖掘技术无疑在此环节工作中有着突出的应用价值与意义。该文依据这一实际情况，以数据挖掘技术为研究对象，着眼于客户智能分析，研究了在客户智能分析工作中，数据挖掘技术的应用要点及其操作方法，希望能够引起各方工作人员的特别关注与重视。

　　当今时代进入知识经济的全面发展时代，该元素在社会经济发展国民经济建设提升的过程当中，占据着基础性的地位，备受各方关注重视。企业与企业之间的竞争，现代意义上更多地体现为对知识资源的竞争，由此使得客户智能在资本体系中的重要性更加凸显出来。但，由于知识具有无限性的特征，如何获取知识成为了各方人员最为关注的问题之一。同时，为了使消耗大量财力、物力所整理获取的数据资源能够得到最根本性以及高效率的应用，避免知识贫乏与数据丰富占有之间的矛盾问题进一步突出，就需要加大对于建立在数据库基础之上，知识发现技术的研究工作。而在知识发现技术的研究方面，当前的重点即体现在本文所研究的数据挖掘技术当中。与此同时，各方工作人员也开始思考这样一个方面的问题：即在市场竞争日益激烈发展的背景下，从营销角度上来说，企业如何在参与剧烈市场竞争的过程当中，寻求并获取更加稳定的客户资源，通过对营销手段的综合运用，使客户价值最大化的发展目标得到保障，同时使企业能够通过此方式获取更加突出的利润，这一问题的根本解决途径就在于客户智能分析问题。为此，该文在结合数据挖掘技术与客户智能的基础之上，研究有效的客户智能分析方法，并对其展开详细分析与说明。

　　1 主要数据挖掘技术分析

　　数据挖掘技术历经了数十年的发展进程，形成了包括统计分析、以及知识发现在内的相关数据挖掘技术。实践研究结果表明：所应用的数据挖掘技术越多，则其所获取的数据精确性也就越高。其原因在于：对于某一种技术不适用的问题而言，采取其他方法可能达到事半功倍的效果，挖掘技术适用性的核心则在于数据的规模，以及问题的类型。在获取客户智能的过程当中，可供借鉴的数据挖掘技术主要包括以下几个方面：

　　1）关联性规则是数据挖掘技术当中，最主要的表现形式之一。关联性规则的核心在于：以大型数据库为环境支持，在其中选择对象所感兴趣的规则，其所使用的规则表现形式多可以概括为：如果怎么样、怎么样、怎么样，那就怎么样。关联性规则应当是现阶段各类数据挖掘技术当中，形式最为简单，但效果十分有效的技术之一。同时，在现阶段的技术条件支持下，包括APPIORI、STEM、AIS、以及DHP在内的多种算法均是建立在关联性规则基础之上实现的，通过对以上技术算法的应用，使得数据之间潜在的关系能够得到有效的发掘。

　　2）序列模式分析与关联性规则分析在数据挖掘过程当中有着一定的相似性，其根本性的目的均体现在：研究数据数据之间的内在关系方面。但，与关联性规则分析方法不同的是：在序列模式分析技术下，其数据分析的重点在于，研究数据间的前后性序列关系，结合营销实际工作来看，对于在某一时间段内客户先后购买的甲、乙、丙三类商品而言，以上三类商品可以形成一个完整的序列。为研究其频度高低水平，要求通过对序列模式分析技术的，应用挖掘在此时间段内交易序列数据库当中返回数据库中出现频率最高的序列。同时，建立在对最小置信度以及最小支持度数值分析的基础之上，形成数据序列关系的最终分析结果。

　　3）分类分析的目的在于：构建与问题相对应的分类集合，通过模型或函数的方式加以呈现。该模型集合能够将数据库当中所涉及到相关数据，通过映射的方式反映至所给定的类别研究范畴当中。假定某一数据库存在与其特征完全相反的类别，则该数据库当中的每一个记录都赋予其所属的类别标记，形成一个完整的示列数据库，而分类分析数据挖掘技术的应用的核心则在于：建立在该分析示例数据库的基础之上，为每个类别作出准确的描述，同时还可构建与分析模型相对应的分类规则。通过对分类分析技术的应用，使得相关工作部门能够明确潜在客户的价值与其发展效益，从而在客户服务的投入方面做到心中有数。

　　4）聚类分析的核心在于：将一组个体按照其相似性进行划分。聚类分析的根本性的目的在于：对同一类别而言，需要尽量的缩短个体与个体之间的差异、距离；而对于不同类别而言，其个体之间的距离原则上应当尽量的扩大。与本文中所提到的分类分析技术不同的是：聚类分析技术不具备分类记录支持的前提条件下，能够以数据差异性大小作为基本标准，将其划分为多个差异性类型，并对其所属类别加以记录。同时，分类分析技术与聚类分析技术在数据挖掘中的应用具有极为突出的互逆性相关特征：即在初始阶段分析过程当中，工作人员多结合实践工作经验，对所分析的数据进行预先的划分类别。在此基础之上，通过应用分类分析技术的方式，研究数据集合并挖掘其所对应的分类规则。建立在此基础之上，通过对分类规则的应用，重新划分其所对应的集合，从而获取更加优化与可靠的结果。

　　2 CIAS平台在客户智能分析中的应用

　　CIAS平台是一种将多类型数据挖掘技术综合应用于客户智能分析工作当中的平台。该平台在实际应用过程当中将数据挖掘做出了层次性的划分，形成了包括算法层、商业逻辑层、以及行业应用层在内的组成结构。建立在常规CRM领域的基础之上，CIAS平台当中抽象了包括客户响应、客户细分、交叉销售、客户流失、以及客户利润在内的五类商业模型。同时，通过面向外界提供开放性标准化接口的方式，一方面能够为商业模型的二次开发工作奠定基础，另一方面能够使用户结合自身实际情况，动态增设独立性的商业模型。

　　整个CIAS平台的基本体系结构示意图如下图所示（见图1）。结合图1可知：整个CIAS平台的横向构成涵盖了信息系统（包括管理软件、ERP系统、电子商务系统、以及CRM系统在内）、CIAS应用服务器（包括客户数据仓库、商业模型库、以及数据挖掘算法库在内）、CIAS客户端（包括CIAS API函数、客户智能分析平台、以及智能插件在内）。在在现阶段的技术条件支持下，CIAS平台被广泛应用于客户智能的分析工作当中，该平台中涵盖了对多种数据挖掘技术的应用，现以此为例，对其做深入分析：

　　首先，从CDW数据仓库建模的角度上来说，由于CIAS平台是CRM领域当中对数据挖掘技术的综合应用，因此，在实际操作过程当中，面向CDW环境，构建了一个基于客户中心的数据模式，该数据模式具有良好的可拓展特性。在该数据模式当中，用户能够结合自身情况，增设相应的字段，同时也能够将不存在数据信息或无使用意义的数据信息字段予以忽略。在CDW数据模式当中，所涵盖信息包括客户接触、产品拥有、客户事件、以及产品使用这几个方面。在对字段进行增加或忽略处理的过程当中，字段的实际含义可以通过用户所填写的元数据信息加以呈现，这对于整个系统可拓展性以及灵活性优势的实现尤为重要。

　　其次，从数据清洗功能、转换功能、以及装载功能实现的额角度上来说，对于CDW系统而言，其建立在数据库管理系统应用的基础条件支持下，能够面向CIAS平台提供独立的DTS构件作为支持（当中，所涉及到的DTS构件从本质上来说是以COM作为标准的服务，可支持对平台二次开发工作的开展）。在此基础之上，CIAS平台操作过程当中，还能够依赖于对SQL以及VB、Java等程序语言的综合应用，完成以数据源为对象的清洗功能、转换功能、以及装载功能。同时，在现阶段的技术条件支持下，整个CIAS平台所支持的数据源主要有以下几种表现形式：1）建立在XML格式基础之上的数据源；2）以立方体为载体的Cube数据源；3）具有结构特征的txt文本数据源；4）以关系为载体的数据源。

　　最后，从CIAS平台所涵盖的包括客户响应、客户细分、交叉销售、客户流失、以及客户利润在内的五类商业模型而言，每种模型都是通过调用数据挖掘算法库中的算法构件得以实现，一种商业模型可能调用一个或多个数据挖掘算法。其中，对于客户响应模型而言，具体算法类别为决策树，具体算法为SLIQ；对于客户细分模型而言，具体算法模型为聚集，具体算法为CLIQ UE；对于交叉销售模型而言，算法类别属于关联性规则，具体算法为FP-Tree算法；对于客户流失模型而言，具体算法类别为决策树，具体算法为SLIQ；对于客户利润模型而言，具体算法类别为神经元网络，具体算法为BP网络。

　　3 结束语

　　客户智能的核心体现为：建立在客户相关基础数据的前提条件下，对其中的相关知识进行深入的挖掘，发现客户相关的行为结果规律，从而将以上数据作用于对客户进行关系管理以及制定营销策略与手段的工作当中，促使客户营销的针对性得到更加突出的发展。同时，笔者认为：在市场竞争日益剧烈的发展大环境下，资源占有方面的丰富性及其利用水平会直接对企业的经营管理成败产生影响。总而言之，该文主要针对基于数据挖掘的客户智能分析及相关问题做出了简要分析与说明，希望能够引起同行业工作人员的特别关注与重视。

　　参考文献：
　　[1] 马亮，杨洪涛，汝雁飞，等.基于MMS-EASE的智能装置ACSI服务的一致性测试软件实现[J].电力自动化设备，2012，32（3）：109-112.
　　[2] 刘荣辉，高阳，吴晓波，等.运营商的综合智能CRM体系研究——基于深圳移动的设计案例[J].工业工程与管理，2013，18（2）：117-121.
　　[3] 但斌，经有国，孙敏，等.在线大规模定制下面向异质客户的需求智能获取方法[J].计算机集成制造系统，2012，18（1）：15-24.
　　[4] 杜凤青，盛戈皞，徐剑，等.基于IEC61850的GIS智能监测信息建模及信息交互系统设计[J].电力自动化设备，2013，33（6）：163-167.
　　[5] 杨飞，茅和华，温一军，等.基于Android的随身客户信息管理系统的设计与开发[J].沙洲职业工学院学报，2012，（4）：11-16.
　　[6] 闫相斌，李一军.基于知识发现的客户智能框架结构及模型研究[C].//管理科学与系统科学研究新进展—第8届全国青年管理科学与系统科学学术会议论文集.2005：63-69.

想获取更多信息，或者咨询相关业务可以关注我们的微信公众平台：SMR_gz

或者扫描下面二维码