CRM系统中数据挖掘算法与应用研究

山东大学硕士学位论文CRM系统中数据挖掘算法与应用研究姓名：王小会申请学位级别：硕士专业：计算机软件与理论指导教师：张立群20050405CRM系统中数据挖掘算法与应用研究作者：王小会学位授予单位：山东大学参考文献(42条)1.GeorgeSDay.KatrinaJHubbandCustomerRelationshipgoDigital20022.DougTanouryWebEnabledCustomerRelationshipManagement:Today'sReality,Tomorrow'svision3.RyszardSMichalski.IvanBratko.MiroslavkubatMachineLearningandDataMining:MethodsandApplication20014.张云涛.龚玲.飞思科技产品研发中心数据挖掘原理与技术20045.RichardJRoiger.MichaelWGeatzDataMining:atutorial-basedprimer20036.邵峰晶.余忠清数据挖掘原理与算法20037.AlexBerson.StephenSmith.KurtThearling构建面向CRM的数据挖掘20018.陈京民数据仓库与数据挖掘20029.武森.高学东.[德]M巴斯蒂安数据仓库与数据挖掘200310.GordonSLinoff.MichaelJABerryMiningtheWeb:TransformingCustomerDataintoCustomerValue200211.PauloGiudici.袁方实用数据挖掘200412.修文群.张蓬ERP/CRM/SCM/BI协同商务建设指南200413.齐佳音.韩新民.李怀祖我国客户关系管理研究的紧迫性和方向分析[期刊论文]-管理科学学报2002(4)14.StephenR.O'BrienROIfromCRMDeployment,canyouproveit?200215.PSUsamaFayyad.GregoryPiatetsky-ShapiroFromdataminingtoknowledgediscoveryindatabases1996(11)16.迈克尔·JA贝里.戈登·S利诺夫数据挖掘:客户关系管理的科学与艺术200417.沈钧毅.宋擒豹.燕彩蓉WEB数据挖掘200418.BerryM.LinoffGDataMiningTechniquesforMarketing,Sales,andCustomerSupport199719.MehtaM.AgrawalR.RissanenJSLIQ:AFastscalableclassifierforDataMining199620.DAKeim.H-PKriegelVisualizationtechniquesformininglargedatabases:Acomparison1996(06)21.CXLing.CLiDataminingfordirectmarketingspecificproblemsandsolutions199822.米哈尔斯基机器学习与数据挖掘:方法与应用200423.KuoRJ.HoLM.HuCMIntegrationofself-organizingfeaturemapandK-meansalgorithmformarketsegmentation2002(11)24.KoonceDA.TsalSCUsingdataminingtofindpaternsingeneticalgorithmsolutionstoajobshopschedule2000(03)25.SharpePKEfficientGAbasedtechniquesforclassification1999(03)26.季文赟.周傲英.张亮.金文一种基于遗传算法的优化分类器的方法[期刊论文]-软件学报2002(2)27.LingrasPUnsupervisedroughsetclassificationusingGas2001(03)28.EOoldbergDavidGeneticalgorithmsinsearch,optimization,andmachinelearning198929.TBack.FHoffmeisterExtendedselectionmechanismsinGeneticalgorithms30.HsuWHHigh-performancecommercialdatamining:amultistrategymachinelearningapplication2002(04)31.SchaferBJ.KonstanJA.RiedlJE-commercerecommendationapplications2001(1-2)32.KumarA.Olmeda1Astudyofcompositeorhybridclassifiersforknowledgediscovery1999(03)33.KimE.KimWLeeCombinationofmultipleclassifiersforthecustomer'spurchasebehaviorprediction2003(02)34.BreimanL.FriedmanJ.OlshenR.StoneCClassificationandregressiontrees198435.QuinlanJRSimplifyingdecisiontrees1987(03)36.PadmanabhanB.LzhilinhAOntheuseofoptimizationfordatamining:theoreticalinteractionsandeCRMopportunities2003(10)37.RastogiR.ShimKPUBLIC:adecisiontreeclassifierthatintegratesbuildingandpruning2000(04)38.BreslowLA.AhaDWSimplifyingdecisiontrees:Asurvey1997(01)39.HandD.MannilaH.SmythPPrinciplesofdatamining200140.WangXH.ZhangLQ.LiXFParaRete:aRETEalgorithmbasedparallelmatchingalgorithm200441.DHanselman.BLittlefieldMasteringmatlab6200242.JillDycheTheCRMHandbook:ABusinessGuidetoCustormerRelationshipManagement2001相似文献(10条)1.学位论文汪金丽粗糙集技术在电信客户分类中的应用2007随着电信市场竞争的加剧，客户选择电信产品的余地越来越大，电信运营商需要从市场细分入手，明确营销方向，协调产品、定价、渠道、促销等领域，形成独特的竞争优势。通过市场细分，根据不同客户群的特点采取卓有成效的营销措施，在竞争中立于不败之地。本论文利用粗糙集技术在处理模糊、不确定信息等方面的优势，把粗糙集技术运用于电信客户分类，寻找比传统运营商按照ARPU值进行电信客户分类更好的方法，具体分析重点及解决的问题为以下几个方面：(1)粗糙集算法及其在处理模糊、不确定性信息方面的优势分析：(2)把粗糙集和决策树技术相结合应用于分类，并通过试验的方法证明了其分类的可行性，并分析其优势；(3)寻找科学的，能确实有助于电信营销的市场细分方法。本论文把粗糙集技术的数据归约功能，与其他数据挖掘算法相结合，优势互补，应用与电信客户分类并证明其有效性，通过实验的方法，证明了粗糙集这种挖掘方法存在的优势，把它应用于电信小灵通市场细分，并针对不同客户群提出营销建议。2.学位论文王平统计方法在客户细分数据挖掘中的应用2009本文以某公司的销售提单数据为背景研究了统计方法在客户细分数据挖掘技术中的应用，介绍了数据挖掘和客户细分的相关内容，对在客户细分的数据预处理和客户分类两方面进行了研究。主要内容包括：⑴利用主成分分析进行数据预处理，并和普通的预处理方法做比较，普通的预处理方法只是在填充缺失值和去掉噪音数据方面有作用，而主成分分析能够起到很好的降维作用，为下一步分析提供相对较小的数据集，为分析带来方便；⑵客户分类的实现，比较了决策树分类和聚类分析两种方法，首先利用决策树的分类，但效果不理想，随后利用聚类分析中的Ward法和K-Means方法聚类，利用SAS和Clementine两种软件实现，并对聚类结果做了详细的介绍。3.学位论文冯燕Web日志挖掘及其对电子商务中客户分类支持的应用研究2003随着互联网(Internet)的成熟和普及,一种新型的商务模式——电子商务(electroniccommerce,EC)——正在全球范围内、在Internet所延及的一切地方蓬勃兴起,迅速发展,极大地改变着人们传统的交易方式.电子商务网站每天都有大量的在线交易,生成大量的记录文件(logfiles)和登记表.对供应商来说,这些数据是十分宝贵的决策资源,对其进行分析和挖掘,可以充分了解客户的喜好、购买模式及潜在的消费趋势,设计出满足不同客户群体需要的个性化服务,进而吸引客户,增强自己的竞争能力.因此,将Web挖掘技术应用于电子商务已经成为当前数据挖掘中一个倍受关注的重要领域.该文从Web挖掘技术出发,着眼于在电子商务中的应用研究,对这一应用的理论和具体实现技术进行了较为深入的探讨.针对目前的数据挖掘系统大都趋向于提供适于各种商业应用的横向解决方案而较少纵向思考的情形,该文根据电子商务的特点,结合市场营销和消费者行为学的观点,探讨电子商务环境下的客户关系管理(E-CRM),为用户提供个性化的、有规律的、令人满意的互动.把企业营销决策的制定建立在对消费者行为充分了解的基础之上,从而为电子商务领域的Web挖掘提供一个纵向的解决方案.围绕Web挖掘及其在电子商务中的应用问题,该文提出了将Web挖掘技术应用到电子商务中的构想和应用框架.结合该框架和Web使用记录挖掘的一般框架,以理解客户意图为目标,设计了电子商务中Web使用记录挖掘的一种简化框架图,并把整个挖掘工作分为数据清理、模式挖掘和模式分析三个部分,便于实际操作实施.Web日志挖掘是Web挖掘的重要内容.该文以简化框图为指导,尝试性地提出了Web挖掘模式对电子商务环境下的客户分类支持框架和思路,探讨了商务环境下的客户关系管理问题,以正确制订企业的营销策略,帮助企业吸引客户、保留客户,提高效益,并从Web挖掘算法和商业应用两方面给出了定性评价指标.此外,该文将所提出的理论方法框架放入了更为具体的环境下进行讨论和分析,验证了这一应用研究的现实意义.4.期刊论文刘希宋.李文庆.喻登科基于市场营销离群数据挖掘的客户分类模型-情报杂志2009,28(12)客户分类是企业客户关系管理的基石.客户价值包括当前价值和潜在价值两部分,对于企业实现客户价值目标,最主要的三个客户信息变量为订单金额、商品种类和订单频率.对客户的三个变量的离群数据进行分析,将客户分为9小类3大类,不同类别的客户应采取不同的管理策略.在此基础上构建客户分类器和客户分类模型,并进行客户分类的实例研究.5.学位论文赵爱琴数据挖掘在电信行业精确营销中的研究与应用2008在电信产业高速发展的今天，增量市场潜力越来越小，企业发展目标越来越集中于存量市场，谁能够更有效地发现客户潜在需求，进而更好地满足客户需求，谁就将在未来的市场竞争中获得优势，因而，各企业都非常重视客户相关数据的挖掘；而电信企业自身所拥有的海量用户数据和产业特点，也使基于数据挖掘的精确营销策略大有用武之地。随着移动数据业务的出现和飞速发展，移动互联网技术己显现出巨大的商业价值和应用潜力。但是面对海量的移动数据业务访问资源，如何从中快速、准确地发现知识，已经成为当今研究的热