本文關(guān)鍵詞：面向電子商務(wù)的客戶關(guān)系管理數(shù)據(jù)挖掘模型研究，，由筆耕文化傳播整理發(fā)布。

Industrial Engineering and Management 　 4 ,2004 No.

工業(yè)工程與管理 　 2004 年第 4 期

收稿日期 :2003 - 10 - 08 ;

基金項(xiàng)目 : 國(guó)家自然科學(xué)基金資助項(xiàng)目 (70271031)

作者簡(jiǎn)介 : 張曙紅 (1974 -

) ,男 ,華中科技大學(xué)管理學(xué)院博士后 ,研究方向 : 數(shù)據(jù)挖掘及電子商務(wù) 、 系統(tǒng)預(yù)測(cè)與決策 。

文章編號(hào) :100725429 ( 2004) 0420078205
example was presented.

面向電子商務(wù)的客戶關(guān)系管理數(shù)據(jù)挖掘模型研究
張曙紅1 ,2 , 張金隆1 , 陳德軍
( 1. 華中科技大學(xué) 管理學(xué)院 ,湖北 武漢 430074 ; 2. 中國(guó)地質(zhì)大學(xué) 管理學(xué)院 , 湖北 武漢 430074)

摘要 : 客戶資源是企業(yè)競(jìng)爭(zhēng)力的歸宿 , 客戶關(guān)系需要進(jìn)行科學(xué)管理 , 這已成為現(xiàn)代企業(yè)的共 識(shí)。 電子化的客戶關(guān)系管理要求企業(yè)建立客戶資源數(shù)據(jù)庫(kù) ,并基于客戶資源數(shù)據(jù)庫(kù)通過(guò)網(wǎng)絡(luò)實(shí)現(xiàn)客 戶需求分析 、 挖掘客戶資源 、 實(shí)現(xiàn)個(gè)性化客戶服務(wù)等 。 本文對(duì)支持向量機(jī)理論進(jìn)行了研究 , 在介紹 SVM 原理的基礎(chǔ)上 ,給出了基于支持向量機(jī)理論的高維空間數(shù)據(jù)挖掘方法 , 并結(jié)合實(shí)例研究給出 了面向電子商務(wù)的智能客戶關(guān)系管理模型 。 關(guān)鍵詞 : 電子商務(wù) ; 客戶關(guān)系管理 ; 數(shù)據(jù)挖掘 ; 支持向量機(jī) 中圖分類號(hào) : F713. 36 文獻(xiàn)標(biāo)識(shí)碼 : A

The Data Mining Model of CRM Oriented to Electronic Business
ZHAN G Shu2hong1 ,2 , ZHAN G J in2long1 , CHEN De2jun1

( 1. School of Management , Huazhong University of Science and Technology , Wuhan 430074 , China ; 2. College of Management , China University of Geosciences , Wuhan 430074 , China) Abstract : It is t he common opinion t hat t he customer relationship should be managed scientifically in t he modern enterprises. In t he elect ronic customer relationship management ( CRM) , t he customer resource database should be established , t he customer demand analysis , data mining of customer resource database and characteristic service can be carried out via t he network. In t his paper , support vector machines ( SVM) and t he data mining met hod based on SVM of high dimension space are st udied , t hen t he intelligent CRM model oriented to elect ronic business combined wit h a simulation Key words : elect ronic business ; CRM ; data mining ; support vector machines

1

引言

客戶關(guān)系管理 ( CRM) 是指對(duì)企業(yè)和客戶之間 的交互活動(dòng)進(jìn)行管理 。 客戶關(guān)系管理的一個(gè)重要目 標(biāo)是找到現(xiàn)有的和高利潤(rùn)的潛在客戶 , 然后策劃和 實(shí)施促銷活動(dòng)以影響客戶的行為 。 隨著 Internet 的 快速發(fā)展 ,如今大量的企業(yè)正迅速面向全球性商務(wù) , 用電子方式把遍布全球的客戶和供應(yīng)商緊密聯(lián)系起 來(lái)。 因此電子商務(wù)時(shí)代客戶關(guān)系管理研究的重要性 已經(jīng)被越來(lái)越多的企業(yè)所認(rèn)同 。 由 Internet 的開(kāi)放性所決定 , 電子商務(wù)網(wǎng)站會(huì)
修回日期 :2004 - 01 - 10

得到大量原始數(shù)據(jù) 。 通過(guò)在 Web 上應(yīng)用各種信息分 析技術(shù) ,企業(yè)可以根據(jù)這些信息分析來(lái)預(yù)測(cè)客戶行 為 ,做到針對(duì)不同顧客提供個(gè)性化服務(wù) 。 同時(shí) , 利用 有效的顧客信息 ,還可以大大降低企業(yè)的運(yùn)營(yíng)成本 。 在當(dāng)前的信息分析技術(shù)中 , 數(shù)據(jù)挖掘技術(shù)是最具有 應(yīng)用前景的一種技術(shù) 。 在客戶關(guān)系管理中 ,數(shù)據(jù)挖掘 的主要功能是能自動(dòng)地從客戶信息數(shù)據(jù)倉(cāng)庫(kù)中找出 潛在的客戶購(gòu)買行為模式 ,進(jìn)而預(yù)測(cè)客戶行為 ,并對(duì) 各類顧客采取相應(yīng)的營(yíng)銷策略 。 在數(shù)據(jù)挖掘理論方法中支持向量機(jī)理論是一種 基于統(tǒng)計(jì)學(xué)習(xí)理論的有效的信息建模和預(yù)測(cè)數(shù)據(jù)挖

— 78

—

Industrial Engineering and Management 　 4 ,2004 No.

工業(yè)工程與管理 　 2004 年第 4 期

掘算法 。 這一新的理論方法在解決模式識(shí)別中小樣 本、 非線性及高維數(shù)據(jù)識(shí)別問(wèn)題中表現(xiàn)出獨(dú)特的優(yōu) 勢(shì) ,近年來(lái)得到了廣泛的應(yīng)用 。 本文對(duì)支持向量機(jī)理 論進(jìn)行了研究 ,并將支持向量機(jī)數(shù)據(jù)挖掘理論應(yīng)用 于電子商務(wù)的客戶關(guān)系管理中 , 通過(guò)對(duì)一定量客戶 的信息資料進(jìn)行分析 ,來(lái)發(fā)現(xiàn)顧客的購(gòu)買模式 ,從而 為客戶提供針對(duì)性和個(gè)性化的服務(wù) 。

L ( w , b , a) =

1 ( w ?w ) 2

k

i =1

∑a { y [ ( w ?x )
i i i

- b] - 1} ( 3)

上式要求對(duì) w , b 極小化 , 對(duì) a 極大化 , 即 :
max W ( a) = max{ min L ( w , b , a) }
a a w,b

根據(jù)約束優(yōu)化理論中的 Kuhn Tucker ( KT) 條
k k

件[4 ] , 有

2

SVM 原理
支持向量機(jī) ( SVM) 是基于 VC (Vapnik2Chervone2

i =1

∑a y

i i

= 0, w =

i =1

∑a y x
i i

i

, 可得該極值優(yōu)

化問(wèn)題的對(duì)偶形式 :
max W ( a) = 1 a a y y ( x ?x j ) + 2 i , j =1 i j i j i
k k

nkis) 理論的機(jī)器學(xué)習(xí)方法。 支持向量機(jī)算法的思想來(lái)

∑

i =1

∑a

i

( 4)

自于統(tǒng)計(jì)學(xué)習(xí)理論 ,是由 Vapnick 和他在 AT &T 實(shí)驗(yàn)室 的合作者提出的[1- 2 ] 。 該算法基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原 理 ,將原始數(shù)據(jù)集合壓縮到支持向量集合 ,然后用子集 學(xué)習(xí)得到新知識(shí) ,同時(shí)也給出由這些支持向量決定的 規(guī)則。 SVM 分類模型的基本思想是構(gòu)造一個(gè)超平面作 為決策平面 ,使正負(fù)模式之間的距離最大。 下面簡(jiǎn)要介 紹一下支持向量機(jī)分類模型。

s . t . : a i ≥0 , i = 1 , 2 , …, k
k

i =1

∑a y

i i

= 0

根據(jù) KT 條件 , 這個(gè)不等式約束下的極值優(yōu)化 問(wèn)題 , 存 在 惟 一 解 。參 數(shù) w , b 的 值 可 由 等 式
a i [ y i ( w ?x i - b) - 1 ] = 0 , i = 1 , 2 , …, n 求出 。

相應(yīng)的分類函數(shù)可化為 :
k

2. 1

最優(yōu)分類平面 [ 3 ]

f ( x ) = sign [

支持向量機(jī)方法是統(tǒng)計(jì)學(xué)習(xí)理論基本思想的實(shí) 現(xiàn)。 考慮最簡(jiǎn)單的二值線性可分情況 ,在二維分類的 情況下 ,最優(yōu)分類面簡(jiǎn)化成最優(yōu)分類直線 。 最優(yōu)分類 面不僅要保證將兩類樣本無(wú)錯(cuò)誤地分開(kāi) , 還要求分 類間隔最大 。 設(shè)線性可分的樣本集有 k 個(gè)樣本 ( x i , y i ) , 其中
i = 1 , 2 , …, k , x i ∈ R , y ∈{ - 1 , 1} 是類別標(biāo)號(hào) 。
d

i =1

∑a y ( x ?x )
i i i

+ b]

( 5)

遠(yuǎn)離決策面的輸入樣本所對(duì)應(yīng)的 ai 必定為 0 , 而非 0 的 ai 對(duì)應(yīng)的樣本完全確定了決策面 , 因此稱 為支持向量 。 分類函數(shù)由支持向量惟一確定 。 對(duì)于非線性可分的情況 , 可使用一個(gè)非線性核 函數(shù) < ( x ) , 把數(shù)據(jù)映射到一個(gè)高維特征空間 , 再在 高維特征空間建立優(yōu)化超平面 。 設(shè)相應(yīng)的超平面為 :
w ?< ( x ) + b = 0 , 則分類函數(shù)變?yōu)?:
k

對(duì)于二值分類問(wèn)題 , 在高維空間中可以找到一個(gè)將 兩類樣本無(wú)錯(cuò)誤分開(kāi)的分類超平面滿足 g ( x ) = w ?x - b = 0 , 即 : ( w ?x ) + b = 0 , w ∈ R d , b ∈ R , 則對(duì)應(yīng)的分類函數(shù)為
[2 ]

f ( x ) = si gn [

i =1

:

目前 , 關(guān)于核函數(shù)的研究也成為了支持向量機(jī) 方法研究領(lǐng)域的一個(gè)重要課題 。

f ( x ) = si gn ( ( w ?x ) + b)

( 1)

2. 2

SVM 在多類別數(shù)據(jù)分類中的應(yīng)用

考慮到兩類樣本離決策面都應(yīng)有一定的距離 , 設(shè)所有樣本被無(wú)錯(cuò)誤的分開(kāi)時(shí) , 決策面的約束應(yīng)滿 足:
y i ( w ?x i - b) - 1 ≥0 ( 2)

基本的支持向量機(jī)是針對(duì)二值的分類問(wèn)題 ,為實(shí)

現(xiàn)對(duì)多個(gè)類別的識(shí)別 ,需對(duì) SVM 進(jìn)行推廣。 SVM 由于

基于二值分類 ,可以把它和二叉決策樹(shù)的基本思想結(jié)

合起來(lái)構(gòu)成多類別數(shù)據(jù)的分類器 , 稱這種方法為
SVM 決策樹(shù)方法[5 ] 。 決策樹(shù)方法需構(gòu)造若干個(gè) SVM

在高維特征空間中 , 可以計(jì)算 H1 和 H2 之間的
2 。 最佳決策面應(yīng)滿足兩 ‖w ‖ 類樣本到?jīng)Q策面的最小距離為最大 , 就是使 φ( w )

距離 d ( w , b , x ) =

分類器。 根據(jù)二叉樹(shù)的定義 , 構(gòu)造一棵有多個(gè)葉子結(jié) 點(diǎn)的嚴(yán)格二叉樹(shù)有多種不同方案。 SVM 決策樹(shù)方法 的具體實(shí)現(xiàn)方案通常有如下兩種二叉樹(shù)結(jié)構(gòu) ,如圖 1 所示。 SVM 決策樹(shù)方法中 ,決策樹(shù)具有層次結(jié)構(gòu) , 在 訓(xùn)練集合的構(gòu)成也不同 ;決策樹(shù)各結(jié)點(diǎn)和樹(shù)葉的劃分 一般沒(méi)有理論指導(dǎo) ,需一定的先驗(yàn)知識(shí)。 — 79 —

1 1 T 1 2 ( w ?w ) 最小 。 = ‖w ‖ = w w = 這樣 , 2 2 2 分類問(wèn)題變成 ( 2) 式約束下的最小值優(yōu)化問(wèn)題 。 這

每個(gè)層次子 SVM 分類器的級(jí)別和重要性不相同 , 其

個(gè)帶有約束的優(yōu)化問(wèn)題可以通過(guò)引入拉格朗日乘子
a i ≥0 , i = 1 , 2 , …, k 來(lái)求解 , 即 :

∑a y <( x ) ?<( x )
i i i

+ b]

( 6)

張曙紅 ,等 : 面向電子商務(wù)的客戶關(guān)系管理數(shù)據(jù)挖掘模型研究

研究 。 為了簡(jiǎn)明起見(jiàn) , 設(shè)在汽車銷售中 , 只將汽車分 類為高檔和低檔 。 如果還要將中檔汽車加以分類 ,可 以進(jìn)一步應(yīng)用 SVM 二叉決策樹(shù)模型分類 。 經(jīng)過(guò)調(diào)查 咨詢 ,在汽車電子商務(wù)活動(dòng)中影響客戶購(gòu)買私人汽 車檔次的主要因素有 : 家庭收入 、 客戶受教育程度 、 年齡 、 子女個(gè)數(shù) 、 家庭住房條件等 。 現(xiàn)在根據(jù)以上 5 個(gè)主要指標(biāo)的客戶統(tǒng)計(jì)數(shù)據(jù) , 基于支持向量機(jī)理論 對(duì)客戶購(gòu)買高檔 、 低檔汽車的傾向進(jìn)行預(yù)測(cè)分析 。 表
1 為汽車電子商務(wù)系統(tǒng)中客戶信息數(shù)據(jù)庫(kù)記錄的部

圖1

SVM 二叉決策樹(shù)結(jié)構(gòu)

3

面向電子商務(wù)的客戶關(guān)系管理數(shù) 據(jù)挖掘模型
電子商務(wù)下的客戶關(guān)系管理要求企業(yè)建立客戶

分典型客戶買車情況調(diào)查信息表 。 應(yīng)用支持向量機(jī)理論進(jìn)行數(shù)據(jù)挖掘之前需要必 要的數(shù)據(jù)預(yù)處理。 對(duì)于學(xué)歷的量化經(jīng)過(guò)統(tǒng)計(jì)調(diào)查分析 認(rèn)為將本科、 碩士、 博士、 博士后分別量化為 1 ,2 ,3 , 3. 6 比較合理。 數(shù)據(jù)預(yù)處理首先應(yīng)對(duì)屬性值進(jìn)行歸一 化:
xi = xi max ( x i )

信息數(shù)據(jù)庫(kù) ,并基于客戶信息數(shù)據(jù)庫(kù)通過(guò)網(wǎng)絡(luò)實(shí)現(xiàn) 客戶的服務(wù)管理 、 客戶需求分析 、 實(shí)現(xiàn)個(gè)性化客戶服 務(wù)等 。 當(dāng)前 ,數(shù)據(jù)挖掘方法在電子商務(wù)的客戶關(guān)系管 理中得到了廣泛的應(yīng)用 。 基于統(tǒng)計(jì)學(xué)理論的支持向 量機(jī)理論在數(shù)據(jù)挖掘中具有廣闊的發(fā)展前景 。 圖 2 為面向電子商務(wù)的智能客戶關(guān)系管理數(shù)據(jù) 挖掘系統(tǒng)結(jié)構(gòu)模型 。 在該模型中 ,基于支持向量機(jī)理 論的數(shù)據(jù)挖掘方法得到了應(yīng)用 。 在圖 2 的客戶關(guān)系 管理模型中 ,客戶經(jīng)過(guò)客戶注冊(cè)或身份驗(yàn)證后與客 戶服務(wù)與管理系統(tǒng) Web server 保持聯(lián)結(jié) 。 Web 在
server 中 , 客戶的注冊(cè)信息被加入客戶信息數(shù)據(jù)庫(kù)

歸一化后的屬性值 x i ∈ [ 0 , 1 ] 。 令高檔汽車用
y = + 1 標(biāo)識(shí) ; 低檔汽車用 y = - 1 標(biāo)識(shí) 。 這樣問(wèn)題就

抽象為屬性集 A 到分類集 C 的映射 :A ×C →[ 0 ,1 ] ×{ + 1 , - 1} 。 將表 1 中的 15 個(gè)客戶記錄進(jìn)行歸一化后作為支 持向量 ,應(yīng)用支持向量機(jī)模型進(jìn)行數(shù)據(jù)挖掘分析。 本 實(shí)例取普通的內(nèi)積函數(shù)為核函數(shù) ,并采用 Matlab 編程 計(jì)算。 2 為各個(gè)支持向量的對(duì)應(yīng)的序號(hào)和 a 值。 表 經(jīng) 過(guò) Matlab 編程計(jì)算得到 :ω = [ 0 . 3081 0 . 3620 0 . 4076
- 0 . 4663

中 ,并且部分客戶數(shù)據(jù)被作為建立支持向量機(jī)數(shù)據(jù) 挖掘模型的數(shù)據(jù)基礎(chǔ) 。 新的客戶信息數(shù)據(jù)在經(jīng)過(guò)預(yù) 處理后 ,根據(jù)支持向量機(jī)數(shù)據(jù)挖掘模型進(jìn)行客戶的 偏好及個(gè)性分析 。 電子商務(wù)系統(tǒng)將根據(jù)客戶個(gè)性預(yù) 測(cè)結(jié)果通過(guò)交互式網(wǎng)頁(yè)和電子郵件服務(wù)兩種形式跟 客戶聯(lián)系 ,對(duì)顧客進(jìn)行針對(duì)性的跟蹤服務(wù) 。 下面以某汽車銷售電子商務(wù)系統(tǒng)對(duì)特定客戶購(gòu) 買私人汽車檔次的預(yù)測(cè)分析為例 , 對(duì)上述基于支持 向量機(jī)理論的智能客戶關(guān)系管理數(shù)據(jù)挖掘模型進(jìn)行

0 . 2671 ] ; b = - 2 . 0846 。

支持向量機(jī)數(shù)據(jù)挖掘模型可以根據(jù)客戶信息來(lái) 預(yù)測(cè)客戶的購(gòu)買傾向 ,將符合客戶要求檔次的車型 、 價(jià)格及款式等信息通過(guò)交互式網(wǎng)頁(yè)反饋給客戶 。 大 量詳細(xì)的信息還可以通過(guò)電子郵件進(jìn)行跟蹤推薦 。 如取一新客戶信息數(shù)據(jù) ( 家庭收入 、 教育程度 、 、 年齡 子女個(gè)數(shù) 、 家庭住房條件 ) 為 :11000 、 碩士 、 、、 35 1
140 , 經(jīng) 過(guò) 數(shù) 據(jù) 處 理 后 為 : [ 0. 7333 0. 7778 0. 5 0. 5556 0. 7778 ] 。 利用支持向量機(jī)分類函數(shù)

式 ( 5) 可得到分類函數(shù)的輸出值為 + 1 ,即預(yù)測(cè)客戶 傾向于購(gòu)買高檔汽車 。 同理 , 若一新客戶信息值為 : 5000 、 本科 、 、、 , 經(jīng)過(guò)數(shù)據(jù)處理后為 : [ 0. 3333 40 1 90 0. 2778 0. 8889 0. 5 0. 5000 ] , 利用支 持 向 量 機(jī)預(yù)測(cè)模型 ,分類函數(shù)輸出值為 - 1 , 即可預(yù)測(cè)此客 戶購(gòu)買低檔汽車的可能性比較大 。 應(yīng)用 FCM ( C = 2) 聚類算法 [ 6 ] 對(duì)表 2 中的數(shù)據(jù)
圖2 智能客戶關(guān)系管理數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu)

進(jìn)行聚類分析 , 得到聚類結(jié)果為 : {1 ,2 ,6 ,7 ,9 ,13 , 14} ,{3 ,4 ,5 ,8 ,10 ,11 ,12 ,15} 。 這與應(yīng)用支持向量機(jī)

— 80

—

Industrial Engineering and Management 　 4 ,2004 No.

工業(yè)工程與管理 　 2004 年第 4 期

分類方法得到的分類結(jié)果是一致的 。 應(yīng)用支持向量 機(jī)方法 ,在選取合適的分類面的情況下可以得到很
表1 支持向量序號(hào)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

好的分類效果 ,而且支持向量機(jī)方法與許多分類方 法相比 ,還有對(duì)各屬性權(quán)重不敏感的優(yōu)點(diǎn) 。
年齡
35 34 38 45 39 40 45 45 40 35 38 30 32 34 35

客戶買車情況調(diào)查信息表 子女個(gè)數(shù)
0 1 1 1 1 2 1 1 1 0 1 0 1 1 1

家庭收入 ( 元)
6000 8000 9000 10000 15000 9000 7000 12000 7000 8000 13000 8000 8500 6500 9500

教育程度 本科 碩士 博士 碩士 博士后 本科 本科 博士 碩士 碩士 本科 碩士 博士 碩士 博士后 表2

住房條件 ( m2 )
80 120 150 140 135 110 100 180 110 120 140 130 120 110 135

買車檔次 低檔 低檔 高檔 高檔 高檔 低檔 低檔 高檔 低檔 高檔 高檔 高檔 低檔 低檔 高擋

客戶信息支持向量及其 a 值 年齡
0. 7778 0. 7556 0. 8444 0. 8222 0. 8667 0. 8889 1 1 0. 8889 0. 7778 0. 6667 0. 7111 0. 7556 0. 7778 0. 6667

支持向量序號(hào)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

家庭收入
0. 4000 0. 5333 0. 6000 0. 6667 1 0. 6000 0. 4667 0. 8000 0. 4667 0. 5333 0. 8667 0. 5333 0. 5667 0. 4333 0. 6333

教育程度
0. 2778 0. 5556 0. 8333 0. 5556 1 0. 2778 0. 2778 0. 8333 0. 5556 0. 5556 0. 2778 0. 5556 0. 8333 0. 5556 1

子女個(gè)數(shù)
0 0. 5 0. 5 0. 5 0. 5 1 0. 5 0. 5 0. 5 0 0. 5 0 0. 5 0. 5 0. 5

住房條件
0. 4444 0. 6667 0. 8333 0. 7778 0. 7500 0. 6111 0. 5556 1 0. 6111 0. 6667 0. 7778 0. 7222 0. 6667 0. 6111 0. 7500

買車檔次
- 1 - 1 1 1 1 - 1 - 1 1 - 1 1 1 1 - 1 - 1 1

a值

0. 6104 0. 3681 0. 2525 0. 2885 0. 2059 0. 3124 0. 4112 0. 1943 0. 3681 0. 4471 0. 3161 0. 4622 0. 2857 0. 4055 0. 2734

— 81

—

張曙紅 ,等 : 面向電子商務(wù)的客戶關(guān)系管理數(shù)據(jù)挖掘模型研究
York : 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 ,潘繼斌 ,等 . 支持向量機(jī)在小樣本識(shí)別中的應(yīng)用 [J ] .

4

小結(jié)

電子商務(wù)的出現(xiàn) , 給客戶關(guān)系管理的應(yīng)用提供 了更為有效的 、 靈活的 、 廣闊的發(fā)展空間 , 電子商務(wù) 逐漸成為企業(yè)市場(chǎng)銷售和客戶關(guān)系管理的一個(gè)重要 渠道 。 電子商務(wù)網(wǎng)站每天都產(chǎn)生大量的數(shù)據(jù) ,這些數(shù) 據(jù)中包含很多對(duì)企業(yè)非常有用的客戶信息 。 在電子 商務(wù)中將數(shù)據(jù)挖掘技術(shù)與客戶關(guān)系管理 ( CRM) 相 結(jié)合 ,可以將市場(chǎng) 、 、 銷售 服務(wù)協(xié)同起來(lái) ,為企業(yè)帶來(lái) 更大的經(jīng)濟(jì)效益 。 基于統(tǒng)計(jì)學(xué)理論的支持向量機(jī)數(shù) 據(jù)挖掘方法在客戶關(guān)系管理中具有廣闊的發(fā)展前 景。 本文對(duì)支持向量機(jī)理論進(jìn)行了研究 ,并結(jié)合實(shí)例 研究給出了一個(gè)基于支持向量機(jī)數(shù)據(jù)挖方法的面向 電子商務(wù)的智能客戶關(guān)系管理模型 。

武漢大學(xué)學(xué)報(bào) ,2002 ,48 (6) :733 - 736.
[ 4 ] 秦壽康 . 最優(yōu)化理論和方法 [ M ] . 北京 : 電子工業(yè)出版社 ,1985. [ 5 ] Guo G , Stan Z L , Chan K. Face Recognition by Support Vector Machines[ A ] . 196?201. Proceedings of Fourt h IEEE International

Conference on Automatic Face and Gesture Recognition[ C] . 2000.

[ 6 ] Hat haway R J , Bezdek J C. Optimization of Clustering Criteria by Reformulation[J ] . IEEE Transactions Fuzzy Systems , 1995 ,

3 (2) : 241 - 245. [ 7 ] 王國(guó)慶 ,鐘義慶 . 支持向量機(jī)的若干新進(jìn)展 [J ] . 電子學(xué)報(bào) ,2001 , 29 (10) :1398 - 1400. [ 8 ] 唐俊松 ,張金隆 ,蔡淑琴 . 論電子商務(wù)時(shí)代的客戶關(guān)系管理 [J ] .

參考文獻(xiàn) :
[ 1 ] Vapnik V. The nature of statistical learning t heory[ M ] . New

軟科學(xué) ,2001 ,15 (1) :93 - 95.

培訓(xùn)信息

客戶管理崗位資格證書(shū)培訓(xùn)
——深度開(kāi)發(fā)以客戶為中心的管理新技能 — 交付遲緩、 服務(wù)響應(yīng)速度的緩慢、 銷售額和利潤(rùn)的不斷下滑、 客戶滿意度下降 ,這些意味著一個(gè)個(gè)挑戰(zhàn) : 你 對(duì)最有價(jià)值的客戶了解有多深 ? 客戶管理崗位資格證書(shū)培訓(xùn)由此應(yīng)運(yùn)而生。 年初由上海緊缺人才培訓(xùn)工程 2004 聯(lián)席會(huì)議辦公室推出該項(xiàng)目。 相應(yīng)的培訓(xùn)機(jī)構(gòu)主要對(duì)參加培訓(xùn)者的客戶管理知識(shí)和操作能力實(shí)施強(qiáng)化訓(xùn)練 ,旨 在深度開(kāi)發(fā)以客戶為中心的管理新技能。 該崗位資格證書(shū)分為主管、 經(jīng)理、 總監(jiān)三大級(jí)別 ,隨著培訓(xùn)和認(rèn)證的開(kāi) 展 ,該系列證書(shū)將成為營(yíng)銷、 客服及管理人士關(guān)注的熱點(diǎn)。 更多信息可致電查詢 : ( 021) 51013288 或 ( 021) 58807770 。 小檔案 :
認(rèn)證等級(jí) 主管 經(jīng)理 總監(jiān) 適合對(duì)象

客戶管理崗位資格認(rèn)證各級(jí)別側(cè)重點(diǎn)對(duì)比示例 五加一最新開(kāi)班動(dòng)態(tài)

業(yè)務(wù)銷售 、 客戶服務(wù)代表 、 大宗客戶服務(wù) 、 市場(chǎng)調(diào)查 、 售后服務(wù) 、 前臺(tái)服務(wù) 、 電話 客戶服務(wù) 、 投訴熱線服務(wù) 、 及一線專業(yè)客戶服務(wù)等人員 客服部主管 、 工程師 、 業(yè)務(wù)經(jīng)理 、 行政經(jīng)理 、 企劃經(jīng)理 、 公關(guān)經(jīng)理 、 市場(chǎng)開(kāi)發(fā)經(jīng)理 等人員 大客戶經(jīng)理 、 客服總監(jiān) 、 高級(jí)工程師 、 廠長(zhǎng) 、 副總經(jīng)理等人員

首期 4 月底同時(shí)開(kāi)班

首期 5 月中旬開(kāi)班

常見(jiàn)小問(wèn)答 : 證書(shū)級(jí)和職業(yè)文憑級(jí)有哪些區(qū)別 ?
級(jí)別 證書(shū)級(jí) 職業(yè)文憑級(jí) 適合對(duì)象 初入行者 資深培訓(xùn)師

考核內(nèi)容特點(diǎn)

考核形式特點(diǎn) 實(shí)操 + 2 小時(shí)書(shū)面考試 實(shí)操 + 3 小時(shí)書(shū)面考試

廣泛的培訓(xùn)基本技巧 深度培訓(xùn)技術(shù)和理論

— 82

—



更多相關(guān)文檔:

電子商務(wù)環(huán)境下數(shù)據(jù)挖掘在客戶關(guān)系管理的應(yīng)用 開(kāi)題報(bào)告

本文正是從客戶和信息挖掘的雙重角度進(jìn)行客戶與信息資源的優(yōu)化組合, 使 企業(yè)取得市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì), 而提出了電子商務(wù)環(huán)境下基于數(shù)據(jù)挖掘的客戶關(guān)系管理 的研究課題。 (2...

數(shù)據(jù)挖掘技術(shù)在電子商務(wù)客戶關(guān)系管理中的應(yīng)用研究

數(shù)據(jù)挖掘技術(shù)在電子商務(wù)客戶關(guān)系管理中的應(yīng)用研究_銷售/營(yíng)銷_經(jīng)管營(yíng)銷_專業(yè)資料。...如 鄒鵬等基于決策樹(shù)方法給出了一個(gè)客戶利潤(rùn)貢獻(xiàn)度的評(píng)價(jià)模型;張酷等人用一種...

電商系統(tǒng)中的數(shù)據(jù)分析方法研究

的挖掘目的, 發(fā)現(xiàn)并選擇適 當(dāng)?shù)臄?shù)據(jù)挖掘算法或模型...的挖掘技術(shù), 以使面向 電子商務(wù)的數(shù)據(jù)挖掘研究更加...但多與客戶關(guān)系管理中對(duì)客戶的群體聚類、 客戶細(xì)分...

電子商務(wù)環(huán)境下數(shù)據(jù)挖掘在客戶關(guān)系管理的應(yīng)用

論文重點(diǎn)討論得幾個(gè)客戶關(guān)系分析模型有助于 強(qiáng)化客戶關(guān)系管理的量化指標(biāo), 并有利于充分發(fā)揮數(shù)據(jù)挖掘在客戶關(guān)系管理中的作用。 論文 關(guān)于數(shù)據(jù)挖掘在客戶關(guān)系管理中商業(yè)...

電子商務(wù)環(huán)境下的客戶關(guān)系管理研究文獻(xiàn)綜述

數(shù)據(jù)挖掘 1、前言電子商務(wù)環(huán)境下的客戶關(guān)系管理,是...位于模型中的共享數(shù)據(jù)庫(kù)作為所有 eCRM 過(guò)程的轉(zhuǎn)換...CRM 是企業(yè)的面向客戶前臺(tái),是企業(yè)價(jià)值實(shí)現(xiàn)的最后步驟...

面向電子商務(wù)行業(yè)的客戶關(guān)系管理系統(tǒng)

《面向電子商務(wù)行業(yè)的客戶關(guān)系管理系統(tǒng)》 分析與設(shè)計(jì)...4、 客戶分類模型。1)模型的建立;2)模型的管理; ...(數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)) 文檔貢獻(xiàn)者 mocun7777777 貢獻(xiàn)...

電子商務(wù)環(huán)境下數(shù)據(jù)挖掘在客戶關(guān)系管理的應(yīng)用 文獻(xiàn)綜述

電子商務(wù)環(huán)境下基于數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘技術(shù)的客戶關(guān)系管理客戶關(guān)系管理的原理 CRM 源于“以客戶為中心”的新型商業(yè)模式,是一種旨在改善企業(yè)與客戶之 間關(guān)系的新型管理機(jī)...

更多相關(guān)標(biāo)簽:

如何挖掘客戶潛在需求 | 商務(wù)智能與數(shù)據(jù)挖掘 | 面向?qū)ο竽Ｐ?| 如何挖掘客戶需求 | 如何挖掘潛在客戶 | 挖掘客戶需求 | 面向?qū)ο髷?shù)據(jù)模型 | 如何深度挖掘客戶需求 |

  本文關(guān)鍵詞：面向電子商務(wù)的客戶關(guān)系管理數(shù)據(jù)挖掘模型研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：146160