數據挖掘及其在客戶關係管理中的套用

內容簡介

信息社會中數據的爆炸性增長，“豐富的數據與貧乏的知識”問題的日漸突出，產生了對強有力的數據分析工具的需求。決策者迫切需要將海量數據轉換成有價值的信息和知識。數據挖掘為這一需求提供了強有力的技術支持。客戶關係管理（CRM）是現代電子商務活動的核心部分，對CRM的重視是現代市場行銷理念和商業運作方式轉變的結果。CRM是數據挖掘的重要套用領域。數據挖掘及其在CRM中的套用研究已經成為學術界和企業界共同關注的領域。

本著作在對數據挖掘、CRM以及數據挖掘在CRM中的套用的研究現狀進行文獻綜述的基礎上，提出了數據挖掘技術及其在CRM中的套用研究的相關主題，主要完成了以下三個方面的研究工作：第一，數據挖掘中概念數據集成的模型研究。該研究描述了面向OLAP 集成XML數據和關係數據的概念數據集成結構體系框架，並提出了面向OLAP 的一個多維數據概念模型UML星系模式。最後通過一個B2B的電子商務中的 2-根UML星系模式的構建實例來說明了n-根UML星系模式的構造過程模型的建立為電子商務中多數據源基礎上多主題OLAP分析、描述和建模提供了一種方法。

第二，數據挖掘中的組合分類方法研究。該研究從數據挖掘最佳化的技術角度出發，依據並行組合分類方法的思想，採用基於遺傳算法的組合算法，提出一種基於遺傳算法的多重決策樹並行組合分類方法以提高分類精度，並在保持分類結果良好可解釋性的基礎上最佳化分類規則。

第三，組合分類方法在CRM中的套用研究。該研究針對CRM中客戶風險分析和客戶獲取策略問題，以客戶風險分析中的客戶信用等級評定問題和客戶獲取策略中的客戶反應行為模式問題為研究對象，採用本文提出的基於遺傳算法的多重決策樹並行組合分類方法進行研究分析。通過這種組合分類方法的運用，在客戶信用等級評定問題中進一步提高了客戶信用的定位水平，減少了企業運營的風險;在客戶反應行為模式的分類分析中，通過分類定位模型輔助決策人員進行客戶細分，定位他們的最佳客戶和潛在客戶。同時通過進一步的仿真分析得出，基於遺傳算法的多重決策樹組合分類方法比單個決策樹具有更高的分類精度，並在保持分類結果良好的可解釋性的基礎上最佳化了分類規則。

隨著數據挖掘技術的進一步發展，這一研究領域研究價值越來越大。

同時，隨著數據挖掘技術在電子商務時代CRM中的套用進一步深入，CRM必然具有更廣泛的市場價值和更廣闊的套用前景。因此，本書關於數據挖掘及其在CRM中的套用的研究主題具有重要的學術價值和實踐意義。

圖書目錄

第1章引言
1.1 數據挖掘技術的研究進展
1.2 CRM問題的研究進展
1.3 數據挖掘在CRM中的套用研究進展
1.4 問題的提出
1.5 研究思路與章節結構
第2章數據挖掘及CRM基本理論
2.1 數據挖掘理論
2.2 CRM理論
2.3 數據挖掘與CRM
2.4 本章小結
第3章數據挖掘中的概念數據集成
3.1 面向OLAP分析的概念數據集成
3.2 概念數據集成結構體系框架
3.3 基於XML數據的UML diagram生成算法
3.4 UML星系模式的構造
3.5 仿真分析
3.6 本章小結
第4章數據挖掘中的組合分類方法
4.1 數據挖掘中的分類問題
4.2 數據挖掘中的決策樹分類方法
4.3 數據挖掘中的組合分類方法
4.4 基於遺傳算法的多重決策樹組合分類方法
4.5 本章小結
第5章組合分類方法在CRM中的套用
5.1 組合分類方法在CRM中的套用問題
5.2 客戶信用等級評定問題及仿真分析
5.3 客戶獲取策略問題及仿真分析
5.4 本章小結
第6章結論與展望
6.1 結論
6.2 展望
參考文獻

數據挖掘及其在客戶關係管理中的套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條