面向客户知识管理的动态SOM客户分类方法

提出了一种基于动态SOM神经网络和RFM指标的客户分类方法.该方法首先利用动态SOM神经网络聚类分析模型产生客户簇,然后以客户的RFM 行为作为对客户忠诚度、客户规模以及客户信用的模拟衡量来对客户簇进行标识,产生客户分类结果,最后根据客户分类结果判定各类客户对企业的价值,从而使企业能够有针对性地对不同客户实施差别化服务策略,为企业的客户战略提供了有效的支持和决策.     

多决策树融合在客户关系管理中的应用研究

为了进一步提高基于数据挖掘的客户关系管理系统的决策能力,本文提出了多决策树的加权平均融合模型MDWAF,其基本思想是在客户数据集上用决策树进行挖掘,形成剪枝程度不同的子决策树,然后用加权平均法将多棵子决策树对客户数据的分类结果进行融合形成最优判断。采用German数据集,实验结果表明,该方法可以得到较好的分类效果,从而提高企业的营销精度和企业效益。     

结合K-means的分类方法在电信客户流失中的应用

通过对电信业客户流失预测的国内外研究成果的分析,我们发现造成电信业客户流失原因种类比较多、难以用一种通用的划分标准对流失客户的流失特征进行刻画,因此本文提出了将K-means算法与传统的分类算法相结合的方法进行客户流失分析,并进行了应用实验.该实验以中国联通湖南某地区X分公司的客户数据为基础,利用数据挖掘软件Clementine8.1建立了客户流失分类预测模型,模型的应用结果表明:新方法对客户流失预测的命中率高于传统的分类预测算法.     

面向特定主题的客户抱怨文本分类识别方法

客户抱怨的自动识别是企业支持和维系客户的关键问题。文章将文本挖掘与支持向量机理论相结合,提出一种网络客户抱怨文本的分类识别方法。该方法通过2次分类识别客户抱怨文本和客户抱怨的类型,主要是通过构建情感词典,选取特征词汇,以特征向量表示客户抱怨文本,以支持向量机的方法分类抱怨文本,并识别抱怨文本类型;用实验方法验证了其合理性和有效性,对企业网上客户抱怨识别和服务质量提高具有重要意义和实用价值。     

ECCRM中的客户知识管理

从组织的角度给出了客户知识的定义并分析了其特点;提出将ECCRM中的客户知识分为三类,即客户信息知识、客户操作知识和客户隐藏知识;基于对ECCRM中客户知识的分类,探讨了采用数据挖掘技术来获得和处理客户知识的过程,包括选择、预处理、转换、分类、分析、解释与评价6个步骤;最后给出了ECCRM中的客户知识管理的定义,分析了客户知识管理的过程,主要包括客户知识的获得和处理、整合及传播,并结合实例做了相应的说明·文中的研究成果充实了ECCRM的基本理论·     

基于数据挖掘的客户价值预测方法

提出了一种利用聚类和分类等数据挖掘技术预测客户价值的新方法.通过对客户历史交易数据的分析,获得能够综合反映老客户忠诚度和价值度的指标.基于该指标对老客户进行聚类,将老客户划分为若干个不同价值的客户群,即为每个老客户赋予一个价值等级标号.利用朴素贝叶斯分类方法来预测新客户(或潜在客户)的价值,并依据预测结果来制定相应的重点客户发展战略.实例验证了该方法的有效性和可行性.     

基于自适应竞争的均衡优化电力系统客户分类

对电力系统客户的精确分类可为客户提供良好的差异化管理和个性化服务.针对客户分类问题,提出了一种基于均衡优化与极限学习机的分类方法.该方法中提出了一种自适应竞争机制来平衡均衡优化的全局探索与局部挖掘能力,从而有效提升了均衡优化搜索最优解的性能.之后,将提出的均衡优化集成极限学习机对电力系统的客户进行分类.通过真实数据集上的实验表明,在不同的分类指标下,所提出的均衡优化集成极限学习机都具有良好的预测效果,可为电力系统客户管理与服务提供有效的技术手段.     

BP神经网络在数据挖掘分类中的应用

结合人工神经网络对噪声数据具有高承受能力,且对未经训练的数据具有分类模拟能力的特点,讨论了在数据挖掘领域中利用BP网络进行数据分类的实现过程,描述并分析了BP算法.然后,针对银行业务中客户信用政策给出了实例分析,用该算法建立了一个分类模型,根据存款金额、贷款次数、及时还贷率等数据信息实现对客户信用等级的分类.     

基于改进K-means算法的RFAT客户细分研究

为了解决传统K-means算法对初始聚类中心敏感和聚类数目事先难以确定的问题,提出了一种改进的K-means算法。改进算法利用最大距离等分策略来选取初始聚类中心,并利用一种评价函数来自动确定聚类数,减少了算法结果对参数的依赖。将改进算法应用到某企业客户分类中时,为提高分类结果的表征性,提出了以客户最近购买时间(Recency)、购买频次(Frequency)、平均购买额(Average Monetary)和购买倾向(Trend)作为客户价值细分变量的RFAT(Recency,frequency,average monetary and trend)模型,对客户RFAT值进行了聚类分析,并提供了针对不同客户群的营销策略。实证研究表明,该文所提出的改进算法和模型可以有效地对企业客户进行分类,能充分反映客户的当前价值和增值潜能。     

社群网络中基于链接分类的研究与应用

由于在互联网、电信、生物信息、社会网络分析等领域可获得的链接丰富的数据日益增多,链接挖掘已经成为数据挖掘的研究热点。基于链接分类是链接挖掘的一个重要方向。在此以电信领域用户通话特征数据为对象,研究了基于链接分类技术及其在电信客户流失预测的应用方法,在提取并分析大规模客户呼叫图的极大团、结点膨胀率、结点聚集度等与节点稳定性相关的链接属性及其时变特征的基础上,提出了一种适合海量数据的基于链接的电信客户流失预测算法。实验结果表明,此算法较传统分类算法能提高客户流失预测性能,实现了基于链接分类方法的成功应用。     

电力客户关系管理的模式研究

客户关系管理是一个在信息技术支持下,从客户识别开始,包括价值提供和价值传递等过程在内的循环体系,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需求的连续过程。阐述了电力客户关系管理的"活动链""改进环"与"协作网"的模式设计及方案,旨在推动电力客户关系管理机制的建设,改进服务,优化资源配置,并最终提高客户满意度和售电收益。     

CRM中多阶段信号博弈模型的建立与分析

针对企业一客户间由信息不对称引起的道德风险和逆向选择问题,为企业和客户的交易过程提供决策支持.将信号博弈应用到客户关系管理中,分别建立了企业-客户单向多阶段信号博弈展开模型和企业-客户双向多阶段信号博弈数学模型,并利用目标分析法和逆推归纳法求出了这两个模型的分离均衡解.得到了交易过程中企业客户双方的均衡信号选择.研究结果表明,不同类型的企业和客户,其均衡信号行为不同,从而可以根据其行为结果判断其真实类型.     

基于作业成本的顾客获利性分析

利用作业成本对顾客所消耗的企业资源的核算，结合顾客的收入贡献，计算顾客获利性，提出了一系列判断顾客获利性的相关指标及其计算公式，利用计算结果对顾客获利性和企业盈利状况进行了深层次的分析，并用它指导企业的日常生产经营管理和战略决策。     

数据挖掘（决策树算法）在客户分类中的应用

90年代初,伴随着以客户为中心的管理思想的广泛发展,美国著名的战略咨询公司Gartner Group最先正式提出了一个完全以客户为中心的管理理念及信息系统——CRM．选取决策树中的ID3算法对客户进行分类,使用JAVA语言自主编程实现分类功能,并运行程序对一组数据进行处理得出分类结果。     

CAI软件的新模式——网络环境下CAI软件(NCAI

:单机化的 CAI软件没有网络功能 ,仍然让用户孤立地使用一台计算机 ,已经明显落后于网络的发展了。适应时代发展的需求 ,有必要开发和应用网络环境下的计算机辅助教学软件 ( NCAI)——具有服务端、普通客户端、管理员客户端的网络 CAI软件 ,文中系统地阐述了 NCAI软件的模式、开发、运行环境、安装与运行 ,并介绍了多种使用NCAI软件的方式     

基于实例推理(CBR)在客户关系管理(CRM)中的应用

提出了将基于实例推理技术应用到客户关系管理中,介绍了客户关系管理中实例的表达、检索、修改、存储等4个环节的实现方式和关键技术,得到一种适用于企业客户关系实例足够丰富的情况下,高效实现客户关系管理的方法。     

试析平衡计分卡之利与弊

平衡计分卡(BSC)是一种全新的企业绩效考核体系，它是从财务、顾客、内部经营以及学习和发展4个方面对企业的经营绩效进行全方位的考核。分析了平衡计分卡的优点与不足之处。并就平衡计分卡在我国企业的应用提出了几点注意事项。     

轴承套圈退火过程潜在失效模式及后果分析

针对轴承套圈退火生产过程中潜在失效模式及其后果,按照Q S—9000质量体系要求,在生产实施之前进行系统分析,并形成相应生产控制文件,从而持续提高锻件退火质量,以满足客户要求。     

论客户关系管理在我国保险业中的应用

介绍了客户关系管理(CRM)的定义及其内涵,指出了我国保险业实施CRM的必要性,提出了我国保险业实施CRM的几点建议。     

协商式层次分析法在虚拟企业寻求合作伙伴中的应用

随着全球市场竞争加剧、产品更新换代加快、高新技术更迭加速,同时顾客对产品期望值增大,虚拟企业联盟应运而生。对于虚拟联盟如何寻求企业合伙人,提出了一种协商式层次分析法,以使企业联盟能更紧密地合作,寻求企业之间的互赢。