《客户关系管理》第6章_CRM与数据挖掘.ppt

* OLAM的系统特征(6) 灵活友好的人机交互能力。OLAM中的决策分析过程是要在人的指导下进行的，人作为系统的有机组成部分和系统应用密不可分。人利用自己掌握的领域知识在OLAM系统的辅助下完成领域内问题的求解，在这个过程中人与计算机分别承担各自最擅长的工作，达到资源的合理配置。 OLAM的系统特征(7) 支持复杂事务模型及多任务优化和调度。OLAM事务是有“内部结构”的数据库操作集合，是一个有层次的复杂网络结构，传统的无内部结构、彼此孤立的、最小原子特性的事务模型只是这种模型的特例。OLAM事务之间具有广泛的联系，考虑在对事务分解的基础上，充分利用不同事务中的公共子事务来优化事务的调度。 OLAM的分析操作 从OLAM的定义来看，它是建立在多维数据视图基础之上的。因此，对于OLAM的操作应是超立方体计算与传统挖掘算法的结合。这里所说的立方体计算方法一般指切片、切块、上卷、下钻、旋转等操作;而挖掘算法则是指关联规则、分类、聚类等挖掘算法。根据立方体计算和数据挖掘所进行的次序的不同组合可以有不同的模式。 OLAM的分析操作 先进行立方体计算、后进行数据挖掘。在进行数据挖掘以前，先对多维数据进行二定的立方体计算，以选择合适的数据范围和恰当的抽象级别。 先对多维数据作数据挖掘，然后再利用立方体计算算法对挖掘出来的结果做进一步的深人分析。 立方体计算与数据挖掘同时进行。在挖掘的过程中，可以根据需要对数据视图做相应的多维操作。这也意味着同一个挖掘算法可以应用于多维数据视图的不同部分。 回溯操作。OLAM的标签和回溯特性，允许用户回溯一步或几步，或回溯至标志处，然后沿着另外的途径进行挖掘，这样用户在挖掘分析中可以交互式的进行立方体计算和数据挖掘。 OLAM技术的发展趋势 OLAM技术实现了OLAP和DM技术的互补，它的发展趋势是两者更加可靠的集成、融合，有自己合理优化的结构体系和一套完备的技术理论基础，从整体上为决策分析提供完美支持。 OLAM技术是一门交叉学科，涉及机器学习、模式识别、统计学、智能数据库、人工智能、高性能计算、数据可视化、专家系统等综合技术。这些相关学科的发展，无疑也将会推动OLAM技术的发展。特别是，近年来随着数据库技术的发展，出现了不同数据类型的高级数据库，如面向对象数据库、对象关系型数据库、空间数据库、超文本数据库、多媒体数据库、时序数据库等。因此，未来的OLAM技术应用应基于这些高级数据库展开。 随着互联网技术的发展，全球信息的共享，基于Web的联机分析挖掘(Web0LAM)，也将成为OLAM技术发展的一个新方向。 6.2 数据挖掘在CRM中的应用 从客户生命周期角度分析数据挖掘技术的应用 从行业角度分析数据挖掘技术的应用 从客户生命周期角度分析 在客户生命周期的过程中，各个不同的阶段包含了许多重要的事件。数据挖掘技术可以应用于客户生命周期的各个阶段提高企业客户关系管理能力，包括争取新的客户，让已有的客户创造更多的利润、保持住有价值的客户等等。 从客户各生命周期角度分析 潜在客户期市场活动及数据挖掘应用 潜在客户获得活动是针对目标市场的营销活动，寻找对企业产品或服务感兴趣的人。值得注意的是，在这个阶段缺乏客户数据。 数据挖掘可以把以前的客户对类似活动的响应进行挖掘，从而把市场活动重点锁定在以前的响应者身上。 一个更好的方法就是寻找和高价值的客户类似的潜在客户——只要一次就获得正确的客户。通常，获得活动使用广告和其它市场宣传媒体。无论何种渠道，数据挖掘在发现最重要的客户特定市场中发挥重要作用，决定着市场活动的类型、广告空间等一些宣传问题。 客户响应期市场活动及数据挖掘应用 潜在客户通过以下几种途径成为响应者：登陆企业网站；拨打免费电话；填写申请表等。 把潜在客户改变成为确定的客户、能够被锁定和跟踪的客户。虽然响应者还没有购买任何产品或服务，但他们有很大的可能性成为购买者，并成为企业客户。 数据挖掘通常被用来判定哪些潜在客户会变成响应者。预测模型也用来判定哪些响应者会成为企业即得客户。 即得客户市场活动及数据挖应用（1） 响应者购买企业产品的时候就变成了企业即得客户。这意味着他们已经进行了第一次的购买活动。在即得客户阶段包括许多活动。 最重要的活动可以划分为三：刺激使用（使用展现了客户行为，当使用是企业收入的主要来源，刺激使用就成为企业的重要目标。使用模式因不同的客户市场而有所不同）；交叉销售（鼓励客户购买与第一次购买不同的产品或服务的市场营销活动）； 升级销售（鼓励客户升级现有的产品和服务的市场营销活动）。 即得客户市场活动及应用（2） 即得客户是数据挖掘的重要区域。客户使用活动提供了客户行为模式的最本质的东西。预测什么时候会发生客户活动，判定哪个客户可能对交叉销售和升级销售活动做出响应对企业来讲是极具