CRM系統：k2means算法的改進和在保險業CRM中的應用

k2means算法的改進和在保險業CRM中的應用 張效娟 (青海師范大學計算機系,青海西寧810008) 3 摘要:針對k2means算法存在的不足,提出了一種改進算法. 針對目前保險業CRM系統的特點提出了 用聚類分析方法進行客戶群細分模型設計,通過實驗驗證了本文提出的k2means改進算法的高效性;實 驗結果證明聚類分析算法在CRM中實施類分析方法的客戶群細分過程模型是行之有效的. 關鍵詞:客戶關系管理;數據挖掘;聚類算法; k2means 中圖分類號: TP274. 2 文獻標識碼:A Research and Applica tion of Improved k2M ean s Algor ithm in CRM of In surance ZHANG Xiao2juan (Department of Computer Science,QinghaiNormalUniversity, Xining 810008, China) Abstract: The article p roposes an imp roved method to overcome shortcomings of the traditional k2means algorithm. This method exp lores the unique features of the CRM system in insurance industry and app lies clustering analysis techniques for customer classification. The result shows that the imp roved k2meansmethod is efficient and p rovides emp irical evidence that p roves the effectiveness of clustering analysis techniques for customer classification in the CRM system. Key words:CRM; data mining; clustering; k2means 保險行業在長期的運作過程中積累大量的客戶信息的數據,這些數據中蘊含著很多的有用信息. 在 落后的管理條件下,這些數據難以共享,無法發揮決策支持作用. 要使客戶的信息轉化為知識,需通過數 據挖掘等方法,了解客戶需求和心理、預測其行為及公司效益,根據這些信息,公司能優化可利用的資 源,集中服務于所挑選的客戶群體. 目前專門討論數據挖掘技術在CRM系統中的應用的論著還很少,國 內數據挖掘技術在CRM系統中的應用主要還停留在理論階段,很少有實際的CRM系統中應用到數據 挖掘為企業進行深入的客戶分析,來達到量體裁衣的目的. 本文提出一種改進的k2means聚類算法,并將其應用于保險CRM的客戶群細分應用中. 1　聚類算法在CRM 中的意義 聚類(Clustering)是一個將數據集劃分為若干組(Class)或簇(Cluster)的過程,并使得同一個簇內的 數據對象具有較高的相似度,而不同簇內的數據對象則是不相似的. 現有的傳統的聚類算法有:劃分的方法、層次的方法、基于密度的方法、基于網格的方法、基于模型 的方法等 強力推薦： 天柏客戶關系管理系統 天柏客戶關系管理系統（CRM）是一款集專業性、實用性、易用性為一體的純B/S架構的CRM系統，它基于以客戶為中心的協同管理思想和營銷理念，圍繞客戶生命周期的整個過程，針對不同價值的客戶實施以客戶滿意為目標的營銷策略，通過企業級協同，有效的“發現、保持和留住客戶”，從而達到留住客戶、提高銷售，實現企業利潤最大化的目的。通過對客戶進行7P的深入分析，即客戶概況分析(Profiling)、客戶忠誠度分析(Persistency)、客戶利潤分析(Profitability)、客戶性能分析(Performance)、客戶未來分析(Prospecting)、客戶產品分析(Product)、客戶促銷分析(Promotion)以及改善與管理企業銷售、營銷、客戶服務和支持等與客戶關系有關的業務流程并提高各個環節的自動化程度，從而幫助企業達到縮短銷售周期、降低銷售成本、擴大銷售量、增加收入與盈利、搶占更多市場份額、尋求新的市場機會和銷售渠道，最終從根本上提升企業的核心競爭力，使得企業在當前激烈的競爭環境中立于不敗之地。 關鍵詞：CRM,CRM系統,CRM軟件,客戶關系管理,客戶管理軟件,客戶管理系統,客戶關系管理軟件,客戶關系管理系統