面向电子商务的客户关系管理数据挖掘模型研究

文章编号:100725429(2004)0420078205

收稿日期:2003-10-08;

修回日期:2004-01-10

基金项目:国家自然科学基金资助项目(70271031)

作者简介:张曙红(1974-),男,华中科技大学管理学院博士后,研究方向:数据挖掘及电子商务、系统预测与决策。

面向电子商务的客户关系管理数据挖掘模型研究

张曙红1,2,张金隆1,陈德军

(1.华中科技大学管理学院,湖北武汉430074;

2.中国地质大学管理学院,湖北武汉430074)

摘要:客户资源是企业竞争力的归宿,客户关系需要进行科学管理,这已成为现代企业的共识。电子化的客户关系管理要求企业建立客户资源数据库,并基于客户资源数据库通过网络实现客户需求分析、挖掘客户资源、实现个性化客户服务等。本文对支持向量机理论进行了研究,在介绍SVM 原理的基础上,给出了基于支持向量机理论的高维空间数据挖掘方法,并结合实例研究给出了面向电子商务的智能客户关系管理模型。

关键词:电子商务;客户关系管理;数据挖掘;支持向量机中图分类号:F713.36文献标识码:A

The Data Mining Model of CRM Oriented to Electronic Business

ZHAN G Shu 2hong 1,2,ZHAN G Jin 2long 1,CHEN De 2jun 1

(1.School of Management ,Huazhong University of Science and Technology ,Wuhan 430074,China ;2.College of Management ,China University of G eosciences ,Wuhan 430074,China )

Abstract :It is the common opinion that the customer relationship should be managed scientifically in the modern enterprises.In the electronic customer relationship management (CRM ),the customer resource database should be established ,the customer demand analysis ,data mining of customer resource database and characteristic service can be carried out via the network.In this paper ,support vector machines (SVM )and the data mining method based on SVM of high dimension space are studied ,then the intelligent CRM model oriented to electronic business combined with a simulation example was presented.

K ey w ords :electronic business ;CRM ;data mining ;support vector machines

1引言

客户关系管理(CRM )是指对企业和客户之间的交互活动进行管理。客户关系管理的一个重要目标是找到现有的和高利润的潜在客户,然后策划和实施促销活动以影响客户的行为。随着Internet 的快速发展,如今大量的企业正迅速面向全球性商务,用电子方式把遍布全球的客户和供应商紧密联系起来。因此电子商务时代客户关系管理研究的重要性已经被越来越多的企业所认同。

由Internet 的开放性所决定,电子商务网站会

得到大量原始数据。通过在Web 上应用各种信息分析技术,企业可以根据这些信息分析来预测客户行为,做到针对不同顾客提供个性化服务。同时,利用有效的顾客信息,还可以大大降低企业的运营成本。在当前的信息分析技术中,数据挖掘技术是最具有应用前景的一种技术。在客户关系管理中,数据挖掘的主要功能是能自动地从客户信息数据仓库中找出潜在的客户购买行为模式,进而预测客户行为,并对各类顾客采取相应的营销策略。

在数据挖掘理论方法中支持向量机理论是一种基于统计学习理论的有效的信息建模和预测数据挖

—

87—

掘算法。这一新的理论方法在解决模式识别中小样本、非线性及高维数据识别问题中表现出独特的优势,近年来得到了广泛的应用。本文对支持向量机理论进行了研究,并将支持向量机数据挖掘理论应用于电子商务的客户关系管理中,通过对一定量客户的信息资料进行分析,来发现顾客的购买模式,从而为客户提供针对性和个性化的服务。

2SVM原理

支持向量机(SVM)是基于VC(Vapnik2Cherv one2 nkis)理论的机器学习方法。支持向量机算法的思想来自于统计学习理论,是由Vapnick和他在AT&T实验室的合作者提出的[1-2]。该算法基于结构风险最小化原理,将原始数据集合压缩到支持向量集合,然后用子集学习得到新知识,同时也给出由这些支持向量决定的规则。SVM分类模型的基本思想是构造一个超平面作为决策平面,使正负模式之间的距离最大。下面简要介绍一下支持向量机分类模型。

2.1最优分类平面[3]

支持向量机方法是统计学习理论基本思想的实现。考虑最简单的二值线性可分情况,在二维分类的情况下,最优分类面简化成最优分类直线。最优分类面不仅要保证将两类样本无错误地分开,还要求分类间隔最大。

设线性可分的样本集有k个样本(x i,y i),其中

i=1,2,…,k,x i∈R d,y∈{-1,1}是类别标号。对于二值分类问题,在高维空间中可以找到一个将两类样本无错误分开的分类超平面满足g(x)=w ?x-b=0,即:(w?x)+b=0,w∈R d,b∈R,则对应的分类函数为[2]:

f(x)=sign((w?x)+b)(1)考虑到两类样本离决策面都应有一定的距离,设所有样本被无错误的分开时,决策面的约束应满足:

y i(w?x i-b)-1≥0(2)在高维特征空间中,可以计算H1和H2之间的

距离d(w,b,x)=

2

‖w‖

。最佳决策面应满足两

类样本到决策面的最小距离为最大,就是使φ(w)

=1

2

‖w‖2=1

2w

T w=1

2

(w?w)最小。这样,

分类问题变成(2)式约束下的最小值优化问题。这个带有约束的优化问题可以通过引入拉格朗日乘子a i≥0,i=1,2,…,k来求解,即:L(w,b,a)=

1

2

(w?w)-∑

k

i=1

a i{y i[(w?x i)-b]-1}

(3)

上式要求对w,b极小化,对a极大化,即:

max

a

W(a)=max

a

{min L

w,b

(w,b,a)}

根据约束优化理论中的Kuhn Tucker(KT)条件[4],有∑

k

i=1

a i y i=0,w=∑

k

i=1

a i y i x i,可得该极值优化问题的对偶形式:

max W(a)=-

1

2

∑k

i,j=1

a i a j y i y j(x i?x j)+∑

k

i=1

a i(4)

s.t.:a i≥0,i=1,2,…,k

∑k

i=1

a i y i=0

根据KT条件,这个不等式约束下的极值优化问题,存在惟一解。参数w,b的值可由等式a i[y i(w?x i-b)-1]=0,i=1,2,…,n求出。

相应的分类函数可化为:

f(x)=sign[∑

k

i=1

a i y i(x?x i)+b](5)

远离决策面的输入样本所对应的a i必定为0,而非0的a i对应的样本完全确定了决策面,因此称为支持向量。分类函数由支持向量惟一确定。

对于非线性可分的情况,可使用一个非线性核函数<(x),把数据映射到一个高维特征空间,再在高维特征空间建立优化超平面。设相应的超平面为: w?<(x)+b=0,则分类函数变为:

f(x)=sign[∑

k

i=1

a i y i<(x)?<(x i)+b](6)

目前,关于核函数的研究也成为了支持向量机方法研究领域的一个重要课题。

2.2SVM在多类别数据分类中的应用

基本的支持向量机是针对二值的分类问题,为实现对多个类别的识别,需对SVM进行推广。由于SVM 基于二值分类,可以把它和二叉决策树的基本思想结合起来构成多类别数据的分类器,称这种方法为SVM决策树方法[5]。决策树方法需构造若干个SVM 分类器。根据二叉树的定义,构造一棵有多个叶子结点的严格二叉树有多种不同方案。SVM决策树方法的具体实现方案通常有如下两种二叉树结构,如图1所示。在SVM决策树方法中,决策树具有层次结构,每个层次子SVM分类器的级别和重要性不相同,其训练集合的构成也不同;决策树各结点和树叶的划分一般没有理论指导,需一定的先验知识。

—

9

7

—

图1SVM 二叉决策树结构

3

面向电子商务的客户关系管理数

据挖掘模型

电子商务下的客户关系管理要求企业建立客户

信息数据库,并基于客户信息数据库通过网络实现客户的服务管理、客户需求分析、实现个性化客户服务等。当前,数据挖掘方法在电子商务的客户关系管理中得到了广泛的应用。基于统计学理论的支持向量机理论在数据挖掘中具有广阔的发展前景。

图2

智能客户关系管理数据挖掘系统结构

图2为面向电子商务的智能客户关系管理数据挖掘系统结构模型。在该模型中,基于支持向量机理论的数据挖掘方法得到了应用。在图2的客户关系管理模型中,客户经过客户注册或身份验证后与客户服务与管理系统Web server 保持联结。在Web server 中,客户的注册信息被加入客户信息数据库

中,并且部分客户数据被作为建立支持向量机数据挖掘模型的数据基础。新的客户信息数据在经过预处理后,根据支持向量机数据挖掘模型进行客户的偏好及个性分析。电子商务系统将根据客户个性预测结果通过交互式网页和电子邮件服务两种形式跟客户联系,对顾客进行针对性的跟踪服务。

下面以某汽车销售电子商务系统对特定客户购买私人汽车档次的预测分析为例,对上述基于支持向量机理论的智能客户关系管理数据挖掘模型进行

研究。为了简明起见,设在汽车销售中,只将汽车分类为高档和低档。如果还要将中档汽车加以分类,可以进一步应用SVM 二叉决策树模型分类。经过调查咨询,在汽车电子商务活动中影响客户购买私人汽车档次的主要因素有:家庭收入、客户受教育程度、年龄、子女个数、家庭住房条件等。现在根据以上5个主要指标的客户统计数据,基于支持向量机理论对客户购买高档、低档汽车的倾向进行预测分析。表1为汽车电子商务系统中客户信息数据库记录的部

分典型客户买车情况调查信息表。

应用支持向量机理论进行数据挖掘之前需要必要的数据预处理。对于学历的量化经过统计调查分析认为将本科、硕士、博士、博士后分别量化为1,2,3,3.6比较合理。数据预处理首先应对属性值进行归一化:

x i =

x i

max (x i )

归一化后的属性值 x i ∈[0,1]。令高档汽车用

y =+1标识;低档汽车用y =-1标识。这样问题就

抽象为属性集A 到分类集C 的映射:A ×C →[0,1]

×{+1,-1}。

将表1中的15个客户记录进行归一化后作为支持向量,应用支持向量机模型进行数据挖掘分析。本实例取普通的内积函数为核函数,并采用Matlab 编程计算。表2为各个支持向量的对应的序号和a 值。经过Matlab 编程计算得到: ω=[0.30810.3620-0.4076

-0.4663

0.2671];b =-2.0846。

支持向量机数据挖掘模型可以根据客户信息来预测客户的购买倾向,将符合客户要求档次的车型、价格及款式等信息通过交互式网页反馈给客户。大量详细的信息还可以通过电子邮件进行跟踪推荐。如取一新客户信息数据(家庭收入、教育程度、年龄、子女个数、家庭住房条件)为:11000、硕士、35、1、140,经过数据处理后为:[0.73330.5556

0.7778

0.5

0.7778]。利用支持向量机分类函数

式(5)可得到分类函数的输出值为+1,即预测客户倾向于购买高档汽车。同理,若一新客户信息值为:5000、本科、40、1、90,经过数据处理后为:[0.33330.27780.88890.50.5000],利用支持向量机预测模型,分类函数输出值为-1,即可预测此客户购买低档汽车的可能性比较大。

应用FCM (C =2)聚类算法[6]对表2中的数据

进行聚类分析,得到聚类结果为:{1,2,6,7,9,13,14},{3,4,5,8,10,11,12,15}。这与应用支持向量机

—

08—张曙红,等:面向电子商务的客户关系管理数据挖掘模型研究

分类方法得到的分类结果是一致的。应用支持向量机方法,在选取合适的分类面的情况下可以得到很

好的分类效果,而且支持向量机方法与许多分类方法相比,还有对各属性权重不敏感的优点。

表1

客户买车情况调查信息表

支持向量序号

家庭收入(元)

教育程度年龄

子女个数

住房条件(m 2)

买车档次16000本科35080低档28000硕士341120低档39000博士381150高档410000硕士451140高档515000博士后391135高档69000本科402110低档77000本科451100低档812000博士451180高档97000硕士401110低档108000硕士350120高档1113000本科381140高档128000硕士300130高档138500博士321120低档146500硕士341110低档15

9500

博士后35

1

135

高挡

表2

客户信息支持向量及其a 值

支持向量序号

家庭收入

教育程度

年龄

子女个数

住房条件

买车档次

a 值

10.40000.27780.777800.4444-10.610420.53330.55560.75560.50.6667-10.368130.60000.83330.84440.50.833310.252540.66670.55560.82220.50.777810.28855110.86670.50.750010.205960.60000.27780.888910.6111-10.312470.46670.277810.50.5556-10.411280.80000.833310.5110.194390.46670.55560.88890.50.6111-10.3681100.53330.55560.777800.666710.4471110.86670.27780.66670.50.777810.3161120.53330.55560.711100.722210.4622130.56670.83330.75560.50.6667-10.2857140.43330.55560.77780.50.6111-10.405515

0.6333

1

0.6667

0.5

0.7500

1

0.2734

—

18—Industrial Engineering and Management No.4,2004工业工程与管理　2004年第4期

4小结

电子商务的出现,给客户关系管理的应用提供了更为有效的、灵活的、广阔的发展空间,电子商务逐渐成为企业市场销售和客户关系管理的一个重要渠道。电子商务网站每天都产生大量的数据,这些数据中包含很多对企业非常有用的客户信息。在电子商务中将数据挖掘技术与客户关系管理(CRM )相结合,可以将市场、销售、服务协同起来,为企业带来更大的经济效益。基于统计学理论的支持向量机数据挖掘方法在客户关系管理中具有广阔的发展前景。本文对支持向量机理论进行了研究,并结合实例研究给出了一个基于支持向量机数据挖方法的面向电子商务的智能客户关系管理模型。

参考文献:

[1]Vapnik V.The nature of statistical learning theory[M ].New

Y ork :Springer Press ,1995.

[2]Burge C J C.A tutorial on support vector machines for pattern

recognition[J ].Data Ming and Knowledge Discovery ,1998,2:121-167.

[3]建新,段汕,潘继斌,等.支持向量机在小样本识别中的应用[J ].

武汉大学学报,2002,48(6):733-736.

[4]秦寿康.最优化理论和方法[M ].北京:电子工业出版社,1985.[5]Guo G ,Stan Z L ,Chan K.Face Recognition by Support Vector

Machines[A ].Proceedings

of

Fourth

IEEE

International

Conference on Automatic Face and G esture Recognition[C].2000.

196?201.

[6]Hathaway R J ,Bezdek J C.Optimization of Clustering Criteria by

Reformulation[J ].IEEE Transactions Fuzzy Systems ,1995,3(2):241-245.

[7]王国庆,钟义庆.支持向量机的若干新进展[J ].电子学报,2001,

29(10):1398-1400.

[8]唐俊松,张金隆,蔡淑琴.论电子商务时代的客户关系管理[J ].

软科学,2001,15(1):93-95.

培训信息

客户管理岗位资格证书培训

———深度开发以客户为中心的管理新技能

交付迟缓、服务响应速度的缓慢、销售额和利润的不断下滑、客户满意度下降,这些意味着一个个挑战:你对最有价值的客户了解有多深?客户管理岗位资格证书培训由此应运而生。2004年初由上海紧缺人才培训工程联席会议办公室推出该项目。相应的培训机构主要对参加培训者的客户管理知识和操作能力实施强化训练,旨在深度开发以客户为中心的管理新技能。该岗位资格证书分为主管、经理、总监三大级别,随着培训和认证的开展,该系列证书将成为营销、客服及管理人士关注的热点。

更多信息可致电查询:(021)51013288或(021)58807770。小档案:

客户管理岗位资格认证各级别侧重点对比示例

认证等级适合对象

五加一最新开班动态

主管业务销售、客户服务代表、大宗客户服务、市场调查、售后服务、前台服务、电话客户服务、投诉热线服务、及一线专业客户服务等人员经理客服部主管、工程师、业务经理、行政经理、企划经理、公关经理、市场开发经理等人员

首期4月底同时开班

总监

大客户经理、客服总监、高级工程师、厂长、副总经理等人员

首期5月中旬开班

常见小问答:

证书级和职业文凭级有哪些区别?

级别适合对象考核内容特点考核形式特点证书级初入行者广泛的培训基本技巧实操+2小时书面考试职业文凭级

资深培训师

深度培训技术和理论

实操+3小时书面考试

—

28—张曙红,等:面向电子商务的客户关系管理数据挖掘模型研究

数据挖掘研究现状及发展趋势

数据挖掘研究现状及发展趋势摘要：从数据挖掘的定义出发，介绍了数据挖掘的神经网络法、决策树法、遗传算法、粗糙集法、模糊集法和关联规则法等概念及其各自的优缺点；详细总结了国内外数据挖掘的研究现状及研究热点，指出了数据挖掘的发展趋势。 关键词：数据挖掘；挖掘算法；神经网络；决策树；粗糙集；模糊集；研究现状；发展趋势 Abstract：From the definition of data mining，the paper introduced concepts and advantages and disadvantages of neural network algorithm，decision tree algorithm，genetic algorithm，rough set method，fuzzy set method and association rule method of data mining，summarized domestic and international research situation and focus of data mining in details，and pointed out the development trend of data mining. Key words：data mining，algorithm of data mining，neural network，decision tree，rough set，fuzzy set，research situation，development tendency 1引言 随着信息技术的迅猛发展，许多行业如商业、企业、科研机构和政府部门等都积累了海量的、不同形式存储的数据资料[1]。这些海量数据中往往隐含着各种各样有用的信息，仅仅依靠数据库的查询检索机制和统计学方法很难获得这些信息，迫切需要能自动地、智能地将待处理的数据转化为有价值的信息，从而达到为决策服务的目的。在这种情况下，一个新的技术———数据挖掘(Data Mining，DM)技术应运而生[2]。 数据挖掘是一个多学科领域，它融合了数据库技术、人工智能、机器学习、统计学、知识工程、信息检索等最新技术的研究成果，其应用非常广泛。只要是有分析价值的数据库，都可以利用数据挖掘工具来挖掘有用的信息。数据挖掘典型的应用领域包括市场、工业生产、金融、医学、科学研究、工程诊断等。本文主要介绍数据挖掘的主要算法及其各自的优缺点，并对国内外的研究现状及研究热点进行了详细的总结，最后指出其发展趋势及问题所在。 江西理工大学

客户关系管理在电子商务中的应用

客户关系管理在电子商务中的应用(eCRM) ◆电子商务环境下客户关系管理的特点和优势 ◆电子商务和客户关系管理一体化 ◆eCRM结构体系及特点分析 ◆数据挖掘在eCRM的应用 ◆电子商务发展下的客户关系管理实施 ◆总结 由于信息技术尤其是网络技术带来整个世界的巨大变化，随之诞生的网络经济也改变了传统企业的操作模式与经营理念，客户关系管理也随之同网络产生不可分割的联系。与之相适应，网络时代的客户关系管理理念也得到了越来越多企业的重视。在网络经济时代，电子商务的快速发展成为必然的走向，因而有人提出了CRM将向基于互联网的eCRM(Electric Customer Management，eCRM)发展，它是在CRM的基础上发展起来的概念，其目的是企业在电子商务时代创造竞争优势，提出更适合的解决方案。 1.1电子商务环境下客户管理的特点 在电子商务环境下必须有新型的客户关系管理模式，即e CRM，这种客户关系管理模式是通过互联网为客户提供服务，同时客户亦可通过在线获取信息和自助式服务。与传统的客户关系管理相比，现代电子商务环境下的客户关系管理具有以下特点： （1）整合性：它包含了前端与后端的整合。前端指的是统一的联系渠道，它使得企业可以同时让客户根据自己的情况，在不同时间以电话、传真、网站或电子邮件等各种方式与企业接触。更重要的是，不论是服务专员还是自动化装置，企业所提供的解答，都应当一致。后端则是指用先进的资料分析方法，深入探索客户相关的知识，作为客户管理依据。 (2)一对一：电子商务环境下，客户的个性化需求越来越明显，eCRM是以每一个客户作为一个独特的区域，所以对客户行为的追踪或分析，都是以单一客户为单位，发现他的行为方式与偏好。同时，应对策略或行销方案也是依每个客户的个性来提供。 一对一客户，就是为了让客户能够真正的满意并成为忠诚客户，这是唯一的目标，与客户一对一不是为了取悦客户，而是让客户接受产品和服务并使消费体验高于期望值从而达到满意并持续购买服务。

大数据挖掘商业案例

1.前言 随着中国加入WTO，国金融市场正在逐步对外开放，外资金融企业的进入在带来先进经营理念的同时，无疑也加剧了中国金融市场的竞争。金融业正在快速发生变化。合并、收购和相关法规的变化带来了空前的机会，也为金融用户提供了更多的选择。节约资金、更完善的服务诱使客户转投到竞争对手那里。即便是网上银行也面临着吸引客户的问题，最有价值的客户可能正离您而去，而您甚至还没有觉察。在这样一种复杂、激烈的竞争环境下，如何才能吸引、增加并保持最好的客户呢？ 数据挖掘、模式(Patterns>等形式。用统计分析和数据挖掘解决商务问题。 金融业分析方案可以帮助银行和保险业客户进行交叉销售来增加销售收入、对客户进行细分和细致的行为描述来有效挽留有价值客户、提高市场活动的响应效果、降低市场推广成本、达到有效增加客户数量的目的等。 客户细分―使客户收益最大化的同时最大程度降低风险 市场全球化和购并浪潮使市场竞争日趋激烈，新的管理需求迫切要求金融机构实现业务革新。为在激烈的竞争中脱颖而出，业界领先的金融服务机构正纷纷采用成熟的统计分析和数据挖掘技术，来获取有价值的客户，提高利润率。他们在分析客户特征和产品特征的同时，实现客户细分和市场细分。 数据挖掘实现客户价值的最大化和风险最小化。SPSS预测分析技术能够适应用于各种金融服务，采用实时的预测分析技术，分析来自各种不同数据源－来自ATM、交易、呼叫中心以及相关分支机构的客户数据。采用各种分析技术，发现数据中的潜在价值，使营销活动更具有针对性，提高营销活动的市场回应率，使营销费用优化配置。 客户流失―挽留有价值的客户 在银行业和保险业，客户流失也是一个很大的问题。例如，抵押放款公司希望知道，自己的哪些客户会因为竞争对手采用低息和较宽松条款的手段而流失；保险公司则希望知道如何才能减少取消保单的情况，降低承包成本。 为了留住最有价值的客户，您需要开展有效的保留活动。然而，首先您需要找出最有价值的客户，理解他们的行为。可以在整个客户群的很小一部分中尽可能多地找出潜在的流失者，从而进行有效的保留活动并降低成本。接着按照客户的价值和流失倾向给客户排序，找出最有价值的客户。 交叉销售 在客户关系管理中，交叉销售是一种有助于形成客户对企业忠诚关系的重要工具，有助于企业避开“挤奶式”的饱和竞争市场。由于客户从企业那里获得更多的产品和服务，客户与企业的接触点也就越多，企业就越有机会更深入地了解客户的偏好和购买行为，因此，企业提高满足客户需求的能力就比竞争对手更有效。 研究表明，银行客户关系的年限与其使用的服务数目、银行每个账户的利润率之间，存在着较强的正相关性。企业通过对现有客户进行交叉销售，客户使用企业的服务数目就会增多，客户使用银行服务的年限就会增大，每个客户的利润率也随着增大。 从客户的交易数据和客户的自然属性中寻找、选择最有可能捆绑在一起销售的产品和服务，发现有价值的产品和服务组合，从而有效地向客户提供额外的服务，提高活期收入并提升客户的收益率。

电子商务环境下的客户关系管理

电子商务环境下的客户关系管理 客户关系管理是一个不断加强与顾客交流，不断了解顾客需求，并不断对产品及服务进行改进和提高以满足顾客的需求的连续的过程。其内含是企业利用信息技术和互联网技术实现对客户的整合营销，是以客户为核心的企业营销的技术实现和管理实现。客户关系管理注重的是与客户的交流，企业的经营是以客户为中心，而不是传统的以产品或以市场为中心。为方便与客户的沟通，客户关系管理可以为客户提供多种交流的渠道。 CRM是一个获取、保持和增加可获利客户的方法和过程。CRM既是一种崭新的、国际领先的、以客户为中心的企业管理理论、商业理念和商业运作模式，也是一种以信息技术为手段、有效提高企业收益、客户满意度、雇员生产力的具体软件和实现方法。作为解决方案的客户关系管理，它集合了当今最新的信息技术，它们包括Internet和电子商务、多媒体技术、数据仓库和数据挖掘、专家系统和人工智能、呼叫中心等等。作为一个应用软件的客户关系管理，凝聚了市场营销的管理理念。市场营销、销售管理、客户关怀、服务和支持构成了CRM软件的基石。 下面，我以阿里巴巴和淘宝的电子商务企业来谈谈他们的客户关系管理。 阿里巴巴是一个年轻的公司，同传统企业相比，他们在实施客户关系管理有独特的优势。公司“让天下没有难做的生意”的伟大使命，从上到下一致认同的“客户第一”、“拥抱变化”等价值观，以客户为导向的战略和强大的企业文化为客户关系管理的顺利实施创造了良好的环境。从中国网站成立之日起，他们就开始了客户关系管理的实施。在实施的过程中，遵循了客户，战略，人/流程，技术的实施步骤；我们得到了高层的极大支持，同时，有成熟的变革管理机制，他们的员工对变革充满激情。而以上这些，正是客户关系管理能实施成功的关键要素。阿里巴巴的价值观：客户第一，拥抱变化，团队，激情，诚信，敬业。同公司的目标、使命、价值观相一致，定义了我们的客户关系管理的远景：建立起全球领先的，与公司远景和使命相一致的，并是不断优化完善的、支撑公司持续发展的客户关系管理体系。 在实施客户关系管理的流程中，他们所有为了提升客户体验、提高客户满意度的努力和举措，都得到了员工的激情支持和投入。他们为员工制订了周详的培训计划，新员工到岗后，都要经过“百年诚信”、“百年阿里”的培训，诚信通的商业规则，销售、服务等流程和制度，CRM系统的使用技能都是培训和考核的重点，如果没有通过考试，就不能正式上岗。他们设定了金点子奖，鼓励员工提出关于客户流程优化和系统改进的任何建议。 淘宝网：2003年5月，阿里巴巴投资1亿人民币推出个人网上交易平台淘宝网，在2年时间内淘宝网迅速成为国内网络购物市场第一平台。占据中国网络购物70％左右的市场份额，创造了互联网企业发展的奇迹。淘宝网用准确的市场定位，本土化的市场营销，以及更加到位的客户服务迅速攻占并控制了网络购物的市场，成为国内用户最多、亚洲规模最大的购物网站。作为国内首屈一指的e2c交易平台，淘宝网已经有了自己的客户关系管理思想，但在某些方面还存在一些不足。

互联网+电商时代的客户关系管理

《互联网+电商时代的客户关系管理》 一、课程背景： 互联网+电商时代，企业面临的市场环境和商业关系都发生了巨大的变化：用户聚集的平台变了、用户的兴趣走向变了、用户的需求理念变了、用户的购买场景变了、企业与用户的互动方式变了，由此导致客户关系的管理模式也发生了重大变化。传统的客户关系管理不论从理念上、模式上还是操作手段上都满足不了新时代企业客情维护的的需求，反而给企业造成了客户流失、满意度下降、口碑缺失等负面影响，从而导致业绩下滑。 那么在互联网+电商时代，企业到底如何进行客户关系管理，如何有效的进行互联网会员管理，从而增加产品的复购率，增加客户对企业的忠诚度，产生口碑营销效应成为每一个企业面临的棘手问题。本课程正是在这样的背景下产生的! 二、针对对象： 互联网与电商企业的CRM管理部门人员、企业营销部门及客服部门人员、企业中高层管理人员 三、培训时间：1天 四、授课方式： 1、知识呈现案例化：用大量的案例引出关键知识点； 2、知识掌握小组讨论、小组演练化； 3、知识框架模式化：易掌握、易记忆、易实施；

五、课程大纲： 第一章、互联网+电商时代，传统CRM的4大困境； 1、形式单一导致客户“审美”疲劳； 2、对象定位模糊，造成“顾此失彼”； 3、管理方式落后，造成效果流失； 4、没有形成闭环，造成客户体验的落差大； 第二章、以客户为中心的体验式客户关系管理 1、互联网+电商时代下的客户关系管理的起点、终点与路径 2、如何利用接触点法提升CRM的体验效果。 3、大数据与客户关系中的精细化管理； 4、客户细分模型——RFM模型与客户生命周期管理 5、如何构建客户忠诚度阶梯 6、如何通过营销创意活动来推动客户关系管理 7、如何筛选有价值的客户并进行CRM指标跟踪 8、客户关系管理的效果评估实战 第三章互联网会员体系与会员忠诚度培养 1、互联网会员体系的建设 2、互联网会员体系的四要素 3、如何设计会员的等级晋升规则 4、如何设计有吸引力的会员权益

数据挖掘商业案例

金融行业应用 1.前言 随着中国加入WTO，国内金融市场正在逐步对外开放，外资金融企业的进入在带来先进经营理念的同时，无疑也加剧了中国金融市场的竞争。金融业正在快速发生变化。合并、收购和相关法规的变化带来了空前的机会，也为金融用户提供了更多的选择。节约资金、更完善的服务诱使客户转投到竞争对手那里。即便是网上银行也面临着吸引客户的问题，最有价值的客户可能正离您而去，而您甚至还没有觉察。在这样一种复杂、激烈的竞争环境下，如何才能吸引、增加并保持最好的客户呢？ 数据挖掘（Data Mining，DM）是指从大量不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、有用的信息和知识的过程。其表现形式为概念（Concepts）、规则(Rules)、模式(Patterns)等形式。用统计分析和数据挖掘解决商务问题。 金融业分析方案可以帮助银行和保险业客户进行交叉销售来增加销售收入、对客户进行细分和细致的行为描述来有效挽留有价值客户、提高市场活动的响应效果、降低市场推广成本、达到有效增加客户数量的目的等。 客户细分―使客户收益最大化的同时最大程度降低风险 市场全球化和购并浪潮使市场竞争日趋激烈，新的管理需求迫切要求金融机构实现业务革新。为在激烈的竞争中脱颖而出，业界领先的金融服务机构正纷纷采用成熟的统计分析和数据挖掘技术，来获取有价值的客户，提高利润率。他们在分析客户特征和产品特征的同时，实现客户细分和市场细分。 数据挖掘实现客户价值的最大化和风险最小化。SPSS预测分析技术能够适应用于各种金融服务，采用实时的预测分析技术，分析来自各种不同数据源－来自ATM、交易网站、呼叫中心以及相关分支机构的客户数据。采用各种分析技术，发现数据中的潜在价值，使营销活动更具有针对性，提高营销活动的市场回应率，使营销费用优化配置。 客户流失―挽留有价值的客户 在银行业和保险业，客户流失也是一个很大的问题。例如，抵押放款公司希望知道，自己的哪些客户会因为竞争对手采用低息和较宽松条款的手段而流失；保险公司则希望知道如何才能减少取消保单的情况，降低承包成本。 为了留住最有价值的客户，您需要开展有效的保留活动。然而，首先您需要找出最有价值的客户，理解他们的行为。可以在整个客户群的很小一部分中尽可能多地找出潜在的流失者，从而进行有效的保留活动并降低成本。接着按照客户的价值和流失倾向给客户排序，找出最有价值的客户。 交叉销售 在客户关系管理中，交叉销售是一种有助于形成客户对企业忠诚关系的重要工具，有助于企业避开“挤奶式”的饱和竞争市场。由于客户从企业那里获得更多的产品和服务，客户与企业的接触点也就越多，企业就越有机会更深入地了解客户的偏好和购买行为，因此，企业提高满足客户需求的能力就比竞争对手更有效。 研究表明，银行客户关系的年限与其使用的服务数目、银行每个账户的利润率之间，存在着较强的正相关性。企业通过对现有客户进行交叉销售，客户使用企业的服务数目就会增多，客户使用银行服务的年限就会增大，每个客户的利润率也随着增大。

电子商务企业客户关系管理模式分析

电子商务企业客户关系管理模式分析 《兴业银行》 班级： 2014电子商务一班 小组：张淼组 组长：张淼 31434400124 1.组员：刘博 姜林杰

兴业银行客户关系管理模式分析 1.1企业具体情况 1.1.1企业名称 兴业银行股份有限公司成立于1988年8月，是经中华人民共和国国务院、中国人民银行批准成立的大陆首批股份制商业银行之一，总行设在福建省福州市，2007年2月5日在上海证券交易所挂牌上市（股票代码：601166），注册资本190.52亿元。 开业二十多年来，兴业银行始终坚持“真诚服务，相伴成长”的经营理念，致力于为客户提供全面、优质、高效的金融服务。 截至2014年末，兴业银行总资产突破4万亿元，达到4.41万亿元，较年初增长19.84%；归属于普通股股东每股净资产12.86元，较年初增长22.61%。全年营业收入1248.34亿元，同比增长14.23%；实现归属于母公司股东净利润471.08亿元，同比增长14.31%；加权平均净资产收益率保持在21.19%的较高水平；已在全国主要城市设立108家分行、1435家分支机构；旗下拥有兴业国际信托、兴业金融租赁、兴业基金、兴业消费金融、兴业财富和兴业国信资产管理等子公司，形成以银行为主体，涵盖信托、租赁、基金、证券、消费金融、期货、资产管理等在内的现代金融服务集团。 作为中国首家也是目前唯一一家“赤道银行”，兴业银行始终秉持“科学、可持续”的发展理念，依法、稳健、文明经营，兼顾维护股东、客户、银行、员工以及社会环境等各方利益，积极践行企业社会责任，深受国际国内各界广泛认可和好评。 1.1.2来历 兴业银行股份有限公司成立于1988年8月，是经中华人民共和国国务院、中国人民银行批准成立的大陆首批股份制商业银行之一，总行设在福建省福州市，2007年2月5日在上海证券交易所挂牌上市（股票代码：601166），注册资本190.52亿元。 1.1.3经营范围 人民币业务： 吸收公众存款；发放短期、中期和长期贷款；办理国内结算；办理票据贴现；发行金融债券；代理发行、代理兑付、承销政府债券；买卖政府债券；从事同业拆借；提

电商环境下的客户关系管理策略

电商环境下的客户关系管理策略 一、电子商务时代客户关系管理的新特点 客户关系管理是一个不断加强与顾客交流，不断了解顾客需求，并不断对产品及服务进行改进和提高以满足顾客的需求的连续的过程。 其内含是企业利用信息技（IT）术和互联网技术实现对客户的整合营销，是以客户为核心的企业营销的技术实现和管理实现。 客户关系管理注重的是与客户的交流，企业的经营是以客户为中心，而不是传统的以产品或以市场为中心。为方便与客户的沟通，客户关系管理可以为客户提供多种交流的渠道。它具有以下特点： 第一、能集中企业内部原来分散的各种客户数据从而形成正确、完整、统一的客户信息为各部门所共享； 第二、客户能得到来自企业任何一个部门的一致的信息； 第三、由于企业内部的信息处理是高度集成的，客户可选择多种方式如：电子邮件、电话、传真等与企业联系并都能得到满意的答复； 第四、由于客户与公司交往的各种信息都能在对方的数据库中得到体现，因此能最大限度地满足客户个性化的需求； 第五、公司可以充分利用客户关系管理系统，准确判断客户的需求特性，以便有针对性的开展客户服务，提高客户忠诚度。 二、电子商务对客户关系管理的要求 先进的客户关系管理应用系统必须借助Internet工具和平台，实现与各种客户关系、渠道关系的发生同步化、精确化，符合并支持电子商务的发展战略，最终成为电子商务实现的基本推动力量。Internet和电子商务对客户关系管理应用系统的要求有： （一）客户信息必须同步化 企业在客户关系管理中，实现对客户完整的、实时的交互信息的同步传递、共享能使各企业级的部门自如协调、系统同步化运转，从而实现一个连贯的、掌握客户关系全程的客户关系管理大系统。提高客户信息系统的同步性，要求客户关系管理应用系统在支持传统的客户沟通渠道或支持基于网络的客户方面既有侧重又相互兼容，使来自面向客户的整个渠道及功能模块的沟通应用达到同步化。 （二）Internet在客户关系管理系统中的地位

数据挖掘经典案例

数据挖掘经典案例 当前，市场竞争异常激烈，各商家企业为了能在竞争中占据优势，费劲心思。使用过OLAP技术的企业都知道，OLAP技术能给企业带来新的生机和活力。OLAP技术把企业大量的数据变成了客户需要的信息，把这些信息变成了价值，提高了企业的产值和效益，增强了客户自身的竞争实力。 “啤酒与尿布”的故事家喻户晓，在IT界里，几乎是数据挖掘的代名词，那么各商家企业受了多少启发，数据挖掘又给他们带来了多少价值呢？ 客户需求 客户面对大量的信息，用OLAP进行多维分析。如：一个网上书店，用OLAP技术可以浏览到什么时间，那个类别的客户买了多少书等信息，如果想动态的获得深层次的信息，比如：哪些书籍可以打包推荐，哪些书籍可以在销售中关联推出等等，就要用到数据挖掘技术了。 当客户在使用OLAＰ技术进行数据的多维分析的时候，联想到“啤酒与尿布”的故事，客户不禁会有疑问，能不能通过数据挖掘来对数据进行深层次的分析呢，能不能将数据挖掘和OLAP结合起来进行分析呢？ SQL Server 2005 数据挖掘： SQL Server 2005的Data Mining是SQL Server2005分析服务（Analysis Services）中的一部分。数据挖掘通常被称为“从大型数据库提取有效、可信和可行信息的过程”。换言之，数据挖掘派生数据中存在的模式和趋势。这些模式和趋势可以被收集在一起并定义为挖掘模型。挖掘模型可以应用于特定的业务方案，例如：预测销售额、向特定客户发送邮件、确定可能需要搭售的产品、查找客户将产品放入购物车的顺序序列。 Microsoft 决策树算法、Microsoft Naive Bayes 算法、Microsoft 聚类分析算法、Microsoft 神经网络算法 (SSAS)，可以预测离散属性，例如，预测目标邮件活动的收件人是否会购买某个产品。 Microsoft 决策树算法、Microsoft 时序算法可以预测连续属性，预测连续属性，例如，预测下一年的销量。 Microsoft 顺序分析和聚类分析算法预测顺序，例如，执行公司网站的点击流分析。 Microsoft 关联算法、Microsoft 决策树算法查找交易中的常见项的组，例如，使用市场篮分析来建议客户购买其他产品。 Microsoft 聚类分析算法、Microsoft 顺序分析和聚类分析算法，查找相似项的组，例如，将人口统计数据分割为组以便更好地理解属性之间的关系。 巅峰之旅之案例一：网上书店关联销售 提出问题 网上书店现在有了很强的市场和比较固定的大量的客户。为了促进网上书店的销售量的增长，各网上书店采取了各种方式，给客户提供更多更丰富的书籍，提供更优质服务，等方式吸引更多的读者。

数据挖掘研究及发展现状

数据挖掘技术的研究现状及发展方向 摘要：数据挖掘技术是当前数据库和人工智能领域研究的热点。从数据挖掘的定义出发，介绍了数据挖掘的神经网络法、决策树法、遗传算法、粗糙集法、模糊集法和关联规则法等概念及其各自的优缺点；详细总结了国内外数据挖掘的研究现状及研究热点，指出了数据挖掘的发展方向。 关键词：数据挖掘；神经网络；决策树；粗糙集；模糊集；研究现状；发展方向 The present situation and future direction of the data mining technology research Abstract: Data mining technology is hot spot in the field of current database and artificial intelligence. From the definition of data mining, the paper introduced concepts and advantages and disadvantages of neural network algorithm, decision tree algorithm, genetic algorithm, rough set method, fuzzy set method and association rule method of data mining, summarized domestic and international research situation and focus of data mining in details, and pointed out the development trend of data mining. Key words: data mining, neural network, decision tree, rough set, fuzzy set, research situation, development direction 0 引言 随着信息技术的迅猛发展，许多行业如商业、企业、科研机构和政府部门等都积累了海量的、不同形式存储的数据资料[1]。这些海量数据中往往隐含着各种各样有用的信息，仅仅依靠数据库的查询检索机制和统计学方法很难获得这些信息，数据和信息之间的鸿沟要求系统地开发数据挖掘工具，将数据坟墓转换成知识金砖，从而达到为决策服务的目的。在这种情况下，一个新的技术——数据挖掘(Data Mining，DM)技术应运而生[2]。数据挖掘正是为了迎合这种需要而产生并迅速发展起来的、用于开发信息资源的、一种新的数据处理技术。 数据挖掘通常又称数据库中的知识发现（Knowledge Discovery in Databases），是一个多学科领域，它融合了数据库技术、人工智能、机器学习、统计学、知识工程、信息检索等最新技术的研究成果，其应用非常广泛。只要是有分析价值的数据库，都可以利用数据挖掘工具来挖掘有用的信息。数据挖掘典型的应用领域包括市场、工业生产、金融、医学、科学研究、工程诊断等。本文主要介绍数据挖掘的主要算法及其各自的优缺点，并对国内外的研究现状及研究热点进行了详细的总结，最后指出其发展趋势及问题所在。 1 数据挖掘算法 数据挖掘就是从大量的、有噪声的、不完全的、模糊的、随机的实际应用数据中提取有效的、新颖的、潜在有用的知识的非平凡过程[3]。所得到的信息应具有先前未知、有效和实用三个特征。数据挖掘过程如图1所示。这些数据的类型可以是结构化的、半结构化的、甚至是异构型的。发现知识的方法可以是数学的、非数学的、也可以是归纳的。最终被发现了的知识可以用于信息管理、查询优化、决策支持及数据自身的维护等[4]。 数据选择：确定发现任务的操作对象,即目标对象； 预处理：包括消除噪声、推导计算缺值数据、消除重复记录、完成数据类型转换等； 转换：消减数据维数或降维； 数据开采：确定开采的任务，如数据总结、分类、聚类、关联规则发现或序列模式发现等，并确定使用什么样的开采算法； 解释和评价：数据挖掘阶段发现的模式，经过用户和机器的评价，可能存在冗余或无关的模式，这时需要剔除，使用户更容易理解和应用。十大经典算法如图2： 目前，数据挖掘的算法主要包括神经网络法、决策树法、遗传算法、粗糙集法、模糊集法、关联规则法等。

浅谈电子商务环境下的客户关系管理(一)

浅谈电子商务环境下的客户关系管理(一) 摘要：市场经济的本质是竞争，企业想在瞬息万变的市场环境中立于不败之地，就必须依托现代化的管理思想和管理手段，有效地对企业的内部资源和外部资源进行整合。今天，先进的电脑网络和管理软件在企业的内部资源整合和外部资源的整合中已大显身手。它们不仅改变了企业的管理和运营模式，也直接地影响到了企业竞争能力。客户关系管理(CustomerRelationshipManagement，CRM)是一种旨在改善企业与客户之间关系，提高客户忠诚度和满意度的新型管理机制。本文从CRM的产生与内涵谈起，侧重从经营管理的角度，论述了CRM对传统企业的冲击和企业在电子商务环境下的CRM模式以及如何实施CRM。联系当前实际，分析了企业客户服务水平在电子商务时代增强企业的竞争力方面发挥着的重要作用。 关键词：企业客户关系管理电子商务实施 一、CRM的产生、特点及内涵 （一）CRM的产生 CRM的产生是市场与科技发展的结果。在社会的进程中，客户关系管理一直就存在，只是在不同的社会阶段其重要性不同、其具体的表现形式不同而已。现代企业理论经历了几个发展阶段，从以生产为核心到以产品质量为核心，再到现在的以客户为中心，这些变化的主要动力就是社会生产力的不断提高。在以数码知识和网络技术为基础、以创新为核心、以全球化和信息化为特征的新经济条件下，企业的经营管理进一步打破了地域的限制，竞争也日趋激烈。如何在全球贸易体系中占有一席之地、如何赢得更大的市场份额和更广阔的市场前景、如何开发客户资源和保持相对稳定的客户队伍已成为影响企业生存和发展的关键问题，CRM 为解决这些问题提供了思路，并正在成为企业经营策略的核心。 （二）电子商务环境下客户关系管理的新特点 在传统条件下实现客户关系管理有较大的局限性，主要表现在客户信息的分散性以及企业内部各部门业务运作的独立性，基于因特网的客户关系管理是一个完整的收集、分析、开发和利用各种客户资源的系统，它的新特点有： 1.集中了企业内部原来分散的各种客户数据形成了正确、完整、统一的客户信息为各部门所共享； 2.客户与企业任一个部门打交道都能得到一致的信息； 3.客户可选择电子邮件、电话、传真等多种方式与企业联系都能得到满意的答复，因为在企业内部的信息处理是高度集成的； 4.客户与公司交往的各种信息都能在对方的客户数据库中得到体现，能最大限度地满足客户个性化的需求； 5.公司可以充分利用客户关系管理系统，可以准确判断客户的需求特性，以便有的放矢的开展客户服务，提高客户忠诚度。 （三）CRM的内涵 所谓CRM是指通过管理客户信息资源，提供客户满意的产品和服务，与客户建立起长期、稳定、相互信任、互惠互利的密切关系的动态过程和经营策略。CRM作为一种新的经营管理哲学，对其内涵的进一步理解，可以从不同角度、不同层次来理解。 1.客户关系管理是一种管理理念，其核心思想是将企业的客户(包括最终客户、分销商和合作伙伴)作为最重要的企业资源，通过完善的客户服务和深入的客户分析来满足客户的需求，保证实现客户的终生价值。现在是一个变革和创新的时代，比竞争对手领先一步，而且仅仅一步，就可能意味着成功。业务流程的重新设计为企业的管理创新提供了一个工具。在引入客户关系管理的理念和技术时，不可避免地要对企业原来的管理方式进行改变，创新的思想将有利于企业员工接受变革，而业务流程重组则提供了具体的思路和方法。在互联网时代，

数据挖掘应用案例

网上书店关联销售 应用背景： 网上书店现在有了很强的市场和比较固定的大量的客户。为了促进网上书店的销售量的增长，各网上书店采取了各种方式，给客户提供更多更丰富的书籍，提供更优质服务，等方式吸引更多的读者。但是这样还不足够，给众多网上书店的商家们提供一种非常好的促进销售量增长，吸引读者的方法，就是关联销售分析。这种方法就是给客户提供其他的相关书籍，也就是在客户购买了一种书籍之后，推荐给客户其他的相关的书籍。这种措施的运用给他们带来了可观的效益。 这里介绍的关联销售并不是，根据网上书店的销售记录进行的比例统计，也区别于简单的概率分析统计，是用的关联规则算法。“啤酒和尿布”的故事足以证明了该算法的强大功能和产生的震撼效果。 那么，怎么来实现这样一个效果呢？ 解决步骤： 首先，通过数据源，也就是销售记录。这里做数据挖掘模型，要用到两张表，一张表是会员，用会员ID号来代替；另一张表是那个会员买了什么书。应用SQL Server 2005的Data Mining工具，建立数据挖掘模型。 具体步骤如下： 第一步：定义数据源。选取的为网上书店的销售记录数据源（最主要的是User表和Sales表）。 第二步：定义数据源视图。在此建立好数据挖掘中事例表和嵌套表，并定义两者之间的关系，定义User为事例表（Case Table），Sales为嵌套表（Nested Table）。 第三步：选取Microsoft Association Rules（关联规则）算法，建立挖掘模型。 第四步：设置算法参数，部署挖掘模型。 第五步、浏览察看挖掘模型。对于关联规则算法来说，三个查看的选项卡。 A：项集：“项集”选项卡显示被模型识别为经常发现一起出现的项集的列表。在这里指的是经过关联规则算法处理后，发现关联在一起的书籍的集合。

文本数据挖掘及其应用

文本数据挖掘及其应用 摘要：随着Internet上文档信息的迅猛发展，文本分类成为处理和组织大量文档数据的关键技术。本文首先对文本挖掘进行了概述包括文本挖掘的研究现状、主要内容、相关技术以及热点难点进行了探讨，然后通过两个例子简单地说明了文本挖掘的应用问题。 关键词：文本挖掘研究现状相关技术应用 1 引言 随着科技的发展和网络的普及，人们可获得的数据量越来越多，这些数据多数是以文本形式存在的。而这些文本数据大多是比较繁杂的，这就导致了数据量大但信息却比较匮乏的状况。如何从这些繁杂的文本数据中获得有用的信息越来越受到人们的关注。“在文本文档中发现有意义或有用的模式的过程"n1的文本挖掘技术为解决这一问题提供了一个有效的途径。而文本分类技术是文本挖掘技术的一个重要分支，是有效处理和组织错综复杂的文本数据的关键技术，能够有效的帮助人们组织和分流信息。 2 文本挖掘概述 2.1文本挖掘介绍 数据挖掘技术本身就是当前数据技术发展的新领域，文本挖掘则发展历史更短。传统的信息检索技术对于海量数据的处理并不尽如人意，文本挖掘便日益重要起来，可见文本挖掘技术是从信息抽取以及相关技术领域中慢慢演化而成的。 1）文本挖掘的定义 文本挖掘作为数据挖掘的一个新主题引起了人们的极大兴趣，同时它也是一个富于争议的研究方向。目前其定义尚无统一的结论，需要国内外学者开展更多的研究以进行精确的定义，类似于我们熟知的数据挖掘定义。我们对文本挖掘作如下定义。 定义 2.1.1 文本挖掘是指从大量文本数据中抽取事先未知的可理解的最终可用的信息或知识的过程。直观地说，当数据挖掘的对象完全由文本这种数据类型组成时，这个过程就称为文本挖掘。 2 )文本挖掘的研究现状 国外对于文本挖掘的研究开展较早，50年代末，H.P.Luhn在这一领域进行了开创性的研究，提出了词频统计思想于自动分类。1960年，Maron发表了关于自动分类的第一篇论文，随后，众多学者在这一领域进行了卓有成效的研究工作。研究主要有围绕文本的挖掘模型、文本特征抽取与文本中间表示、文本挖掘算法（如关联规则抽取、语义关系挖掘、文本聚类与主题分析、趋势分析）、文本挖掘工具等，其中首次将KDD中的只是发现模型运用于KDT。 我国学术界正式引入文本挖掘的概念并开展针对中文的文本挖掘是从最近几年才开始的。从公开发表的有代表性的研究成果来看，目前我国文本挖掘研究还处于消化吸收国外相关的理论和技术与小规模实验阶段，还存在如下不足和问题： (1) 没有形成完整的适合中文信息处理的文本挖掘理论与技术框架。目前的中文文本挖掘研究只是在某些方面和某些狭窄的应用领域展开。在技术手段方面主要是借用国外针对英文语料的挖掘技术，没有针对汉语本身的特点，没有充分利用当前的中文信息处理与分析技术来构建针对中文文本的文本挖掘模型，限制了中文文本挖掘的进一步发展。 (2) 中文文本的特征提取与表示大多数采用“词袋”法，“词袋”法即提取文本高词频构成特征向量来表达文本特征。这样忽略了词在文本（句子）中担当的语法和语义角色，同样也忽略了词与词之间的顺序，致使大量有用信息丢失。而且用“词袋”法处理真实中文文本数据

电子商务环境下的客户关系管理

电子商务环境下的客户关系管理 摘要:随着市场经济的深入和信息技术的发展，客户关系管理已成为现代营销领域所关注的一个新热点。越来越多的企业意识到客户是利润的源泉，它们希望通过对客户这项资源的管理，与客户之间保持一种亲密的、伙伴式的关系。Customer Relationship Management（CRM）既是一种管理理念又是一个软件系统。在信息爆炸的时代，信息对于企业以及个人都有着非常重要的意义。通常，掌握信息的多少是成功的关键。针对企业信息化，信息更重要。但也面临着如何组织，管理和分析信息的问题。而此时，对客户的资料的管理的理念和技术正孕育而生了。本文通过对客户关系关系管理相关知识理论进行分析，以及企业在电子商务环境下，如何进行客户关系管理的问题，并以此为基础提出相应的建议和对策。 关键词：电子商务；客户关系管理；建议和对策 一、引言 客户是企业的一项重要资源，它具有资源的可管理性特征。随着市场经济的不断深入，产品和服务越趋于同质化，在这样的背景下，企业想要占领市场，凸显竞争优势，都得在客户这里做文章。随着信息化技术的发展，借助网络和软件，使企业和客户之间“一对一”的双向沟通成为了可能。客户关系管理已成为现代营销领域所关注的一个新热点，西方学者在这方面已经做了很多研究，但在中国，对客户关系管理的研究起步尚晚，在具体运用方面仍无共识。本文将从不同的角度来阐释客户关系管理的内涵和作用，并提出了几点具体的实施方案，力求为企业在实际运用中提供一定的理论基础。 二、客户关系管理概念 关于CRM的定义，不同的研究机构有着不同的表述。最早提出该概念的Gartner Group认为：所谓的客户关系管理就是为企业提供全方位的管理视角；赋予企业更完善的客户交流能力，最大化客户的收益率。Hurwitz Group 认为：CRM的焦点是自动化并改善与销售、市场营销、客户服务和支持等领域的客户关系有关的商业流程。关于客户关系管理的定义，目前普通被接受的是Gartner Group 和IBM 所给出的。Gartner Group 最先提出了客户关系管理的概念：“客户关系管理是一种以客户为中心的经营战略，企业通过对客户的细分来组织实施企业资源，以客户为出发点设置经营模式、业务流程，并通过这种手段来提高企业的利润，提升客户满意度”。IBM 认为客户管理有两个层面，首先，通过各种技术手段了解客户及潜在客户的需求，然后，通过对客户信息的整合，预测客户想要获得的产品或服务，再通过各个相关部门进行一对一的个性化服务。综上所述，客户关系管理是一种以客户为核心的商业策略，它借助了信息技术和互联网，以客户为导向实施营销、销售、服务等一系列工作，力求与客户之间建立持续性的关系，从而达到吸引新客户、留住老客户、提高客户忠诚度和客户利润贡献度的目的。 三、实施客户关系管理给企业带来的优势

电子商务下的客户关系管理

浅谈电子商务环境下的客户关系管理 摘要 基于因特网技术的电子商务，正在改变着各个行业的经营模式，本文就电子商务对客户关系管理的挑战以及如何提高客户关系管理的水平加以探讨，以便与客户建立长久、持续，并且是经常性的商务关系，提高企业的市场竞争力和保持企业的长期、可持续的发展。本文联系当前实际，分析了企业客户服务水平在电子商务时代增强企业的竞争力方面发挥着的重要作用。 关键词 电子商务客户客户关系管理理念关系 一电子商务的巨大发展概述 (一) 随着信息技术的发展，传统的经济模式发生了重大变化，经济全球化和网络化的发展，导致了电子商务的出现，并在世界范围内掀起了电子商务的热潮。 (二) 在全球掀起电子商务热潮的同时，我国电子商务也得到了一定的发展。这一发展也由概念转变为现实，随着这一转变的开始，我国的经济也得到了突飞猛进的发展。许多企业选择了电子商务。 二、客户关系管理及其管理理念 (一) 客户关系管理的定义 关于客户关系管理(Customer Relationship Management，CRM)可以从不同角度进行定义： 1.CRM首先是一种管理思想

CRM 为企业提供全方位的管理视角，赋予企业更完善的客户交流能力，最大化客户的收益率。其核心思想是将企业的客户作为最重要的企业资源，通过完善的客户服务和深入的客户分析来提供个性化的服务，保证实现客户的最终价值。CRM要求以客为中心的商业哲学和企业文化来支持有效的营销、销售以及服务流程。 2.CRM是一个过程 CRM是一个搜集、分析资料、获取知识，不断重复、持续改善的过程，帮助企业更有效率地行销他们的产品或服务。CRM是一种旨在改善企业与客户之间关系的新型管理机制，焦点是自动化并改善与销售、市场营销、客户服务等领域的客户关系有关的商业流程。CRM是一系列因素结合而成的商业过程的自动化，它包括前台办公客户接触、销售、市场、客户售后服务，而他们都通过多方互联的传送渠道来完成。通过向企业的销售、市场和客户服务的专业人员提供全面、个性化的客户资料，并强化跟踪服务、信息分析的能力，使他们能够协同建立和维护一系列与客户和生意伙伴之间卓有成效的“一对一关系”，从而使企业得以提供更快捷和周到的优质服务、提高客户满意度、吸引和保持更多的客户，从而增加营业额；另一方面通过信息共享和优化商业流程来有效地降低企业经营成本。要求企业从“以产品为中心”的模式向“以客户为中心”的模式转移。 3.CRM是一套软件 当CRM一套软件时，本文称其为CRM系统。该软件主要关注企业与客户相关的业务流程或管理决策，它将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其它信息技术紧密结合在一起，为企业的销售、客户服务和决策支持等领域提供了一个业务自动化的解决方案，使企业有了一个基于电子商务的面对客户的前沿，从而顺利实现由传统企业模式到以电子商务为基础的现代企业模式的转化。 CRM也是企业不断改进与客户关系相关的全部业务流程，最终实现电子化、自动化运营目标的过程中，所创造并使用的先进的信息技术、软硬件和优化的管理方法、解决方案的总和。 需要指出的是，本文讨论的CRM更侧重于其作为企业管理思想和经营战略的一面。CRM不仅意味着单纯销售、市场或客户服务某一层面的管理，更是一种以客户为中心，并以此提高销售额、销售利润的综合管理思路;CRM不单单只是对目

B2C电商客户关系管理CRM系统需求整理

B2C电商客户关系管理CRM系统需求整理 客户管理已不是新鲜话题，然而真正能完好的建立客户体系的工具却屈指可数。不管是网店版的客户管理还是市场中传统的客户关系管理，都有一个弊端——渠道指向单一性。即卖家单方面为顾客提出优惠，而无法建立买家主动索取折扣，更缺乏建立磁场吸引更多顾客。“灵购网店CRM系统”作为一款维护客户关系的管理工具，其最大亮点就是建立积分体系吸引老客，促进客户的回笼成交。 客户巧分三六九 给买家归归类 常规的客户管理都是按照买家消费金额或者笔数来分客户等级，而在灵购中可以通过设置积分来给买家分级。通过设置买家不同所需要达到的积分数，实现不同等级享受的折扣力度。 这里需要特别指出两点，一是卖家设置会员等级后，买家需要进入“积分查询系统”中自行兑换相应折扣，否则无法享受优惠。同时买家的折扣是一年有效的，第二年若未达到等级要求的积分数或者到时限却未兑换积分，则会员等级会降一级。二是如果卖家已经通过网店版客户管理或会员关系管理为买家分级，若同个买家在不同设置中享受的折扣力度不同时，系统会默认选择最低折扣。比如买家A消费满500元，积分有600，在网店版客户管理的设置中属于高级会员享受95折，而在灵购中属于VIP会员享受9折，那系统会默认给买家A享受9折优惠。 宝贝折扣有高低 在灵购网店CRM系统中，可以对不同宝贝设置不同折扣。例如对某一商品，只允许VIP以上的买家享有折扣，而低于该等级的买家则看不到折扣价格。此外可以单独对某个商品设置“0积分宝贝”，卖家可将店铺中特价商品设置为“0积分宝贝”，买家在购买时就不会获得积分，避免特价商品赠送积分的造成的亏损。同时卖家可单独将某些顾客设置为“无折扣会员”，被添加的顾客将无法在店铺中获得任何折扣。 卖先生点评 1、目的