CRM系統(tǒng)：CRM 中序列模式分析與神經(jīng)網(wǎng)絡(luò)結(jié)合的應(yīng)用研究

CRM 中序列模式分析與 神經(jīng)網(wǎng)絡(luò)結(jié)合的應(yīng)用研究 楊歡聳 (杭州師范學(xué)院, 浙江杭州310018) 摘　要:用序列模式挖掘方法進(jìn)行商品銷售的預(yù)測(cè),其準(zhǔn)確率受單個(gè)算法本身限制,如果先用序列模式挖掘?qū)υ? 數(shù)據(jù)進(jìn)行過(guò)濾,然后再利用神經(jīng)網(wǎng)絡(luò)的自適應(yīng)性,通過(guò)學(xué)習(xí)和訓(xùn)練,找出客戶特征與購(gòu)買(mǎi)某種商品意向的內(nèi)在聯(lián) 系,再利用神經(jīng)網(wǎng)絡(luò)的泛化功能對(duì)未經(jīng)訓(xùn)練客戶購(gòu)買(mǎi)意向進(jìn)行預(yù)測(cè),其預(yù)測(cè)的正確率非常高. 關(guān)　鍵　詞:序列; 挖掘; 預(yù)測(cè); 數(shù)據(jù); 神經(jīng)網(wǎng)絡(luò) 中圖分類號(hào): TP18 　　　　文獻(xiàn)標(biāo)識(shí)碼:A 　　　文章編號(hào):1008 - 9497 (2006) 02 - 174 - 04 YAN G Huan2song ( Hangz hou Teachers Col lege , Hang Zhou 310018 , China) Research of application of combination of sequence pattern analysis and neural network in CRM. Journal of Zhejiang University(Science Edition) , 2006 ,33 (2) :174～177 Abstract : The veracity of forecast of product s sale using sequence pattern detecting is rest ricted by single algorithm. If filt ration is done to the original data by means of sequence pattern tapping ; and af ter being studied and t rained , the inherent relation between customer character and the t rend of purchasing certain product is find out by using the self2adjustability of neural network ; and then forecast for purchase t rend of un2t rained customers is done by using extending function of neural network , a very high veracity of forecast can be obtained. Key words : sequence ; detect ; forecast ; data ; nerval network 　現(xiàn)有的CRM 系統(tǒng)對(duì)客戶購(gòu)買(mǎi)意向的預(yù)測(cè)往往 不夠準(zhǔn)確,導(dǎo)致推銷清單數(shù)目龐大,引起客戶反感, 因此提高預(yù)測(cè)準(zhǔn)確率毫無(wú)疑問(wèn)成為能否成功實(shí)施交 叉銷售的關(guān)鍵. 在常用的預(yù)測(cè)方法中,人工神經(jīng)網(wǎng)絡(luò) 以其適應(yīng)性強(qiáng)、正確率高等優(yōu)點(diǎn)而被廣泛采用. 但在 CRM 的實(shí)際實(shí)施過(guò)程中,因客戶和商品數(shù)據(jù)往往非 常龐雜,用所有數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的原始數(shù)據(jù)是不 可想象的,不僅效率低下,而且要耗費(fèi)大量的人力物 力,也無(wú)法保證對(duì)任意一種商品進(jìn)行購(gòu)買(mǎi)意向預(yù)測(cè) 的正確率,且隨著時(shí)間的推移,這些數(shù)據(jù)的有效性也 大打折扣. 而直接使用序列模式挖掘方法進(jìn)行預(yù)測(cè), 其準(zhǔn)確率亦受單個(gè)算法本身限制,如果先用序列模 式挖掘?qū)υ紨?shù)據(jù)進(jìn)行過(guò)濾,然后利用神經(jīng)網(wǎng)絡(luò)的 自適應(yīng)性,通過(guò)學(xué)習(xí)和訓(xùn)練,找出客戶特征與購(gòu)買(mǎi)某 種商品意向的內(nèi)在聯(lián)系,再利用神經(jīng)網(wǎng)絡(luò)的泛化功 能對(duì)未經(jīng)訓(xùn)練客戶購(gòu)買(mǎi)意向進(jìn)行預(yù)測(cè),就可以大大 提高預(yù)測(cè)正確率,較好地實(shí)現(xiàn)產(chǎn)品的銷售. 1 　序列模式挖掘方法對(duì)原始數(shù)據(jù)的過(guò)濾 序列模式挖掘是指挖掘相對(duì)時(shí)間或其他模式出 現(xiàn)頻率較高的模式,如長(zhǎng)度為2 的序列模式,即某人 購(gòu)買(mǎi)了商品A ,很可能在30 d 內(nèi)購(gòu)買(mǎi)商品B ,這就 是一個(gè)長(zhǎng)度為2 的序列模式的典型例子. 表1 是一 表1 　排序源數(shù)據(jù)庫(kù) Table 1 　Sorting the source database 客戶號(hào)(cust_id) 交易時(shí)間(t ran_time) 項(xiàng)(物品) (item) 1 Oct 25’01 30 1 Oct 30’01 90 2 Oct 10’01 10 ,20 2 Oct 15’01 30 2 Oct 20’01 40 ,60 ,70 3 Oct 25’01 30 ,50 ,70 4 Oct 25’01 30 4 Oct 30’01 40 ,70 4 Oct 28’01 90 5 Oct 12’01 90 個(gè)由客戶交易(customer t ransaction) 組成的序列數(shù) 據(jù)庫(kù)示例, 每個(gè)交易( t ransaction) 由客戶號(hào)( cus2 tomer_id) 、交易時(shí)間(t ransaction_time) 以及在交易 中購(gòu)買(mǎi)的項(xiàng)(item) 組成. 給定一個(gè)序列數(shù)據(jù)庫(kù),挖掘序列模式的問(wèn)題就 是在那些具有客戶指定最小支持的序列中找出最大 序列(maximal sequence) . 而每個(gè)這樣的最大序列 就代表了一個(gè)序列模式( sequential pat tern) . 挖掘長(zhǎng)度為2 的序列模式的過(guò)程如下: (1) 排序階段( sort p hase) 數(shù)據(jù)庫(kù)以客戶號(hào)(customer_id) 為主鍵(major key) ,交易時(shí)間( t ransaction _ time) 為次鍵(minor key) 進(jìn)行排序,即將原來(lái)的交易數(shù)據(jù)庫(kù)( t ransaction database) 轉(zhuǎn)換成由客戶序列組成的數(shù)據(jù)庫(kù). 表2 為 轉(zhuǎn)換后客戶序列數(shù)據(jù)庫(kù). 表2 　客戶序列數(shù)據(jù)庫(kù) Table 2 　Customer sequence database customer Id customer sequence 1 〈(30) (90) 〉 2 〈(10 ,20) (30) (40 ,60 ,70) 〉 3 〈(30 ,50 ,70) 〉 4 〈(30) (40 ,70) (90) 〉 5 〈(90) 〉 　　(2) 大項(xiàng)集階段(litemset p hase) 即找出所有大項(xiàng)集組成的集合,同步也得到所 有大1 - 序列組成的集合. 然后將大項(xiàng)集映射成連 續(xù)的整數(shù). 在表1 給出的數(shù)據(jù)庫(kù)中,對(duì)最小支持2 個(gè) 客戶的情況下,大項(xiàng)集分別是(30) , (40) , (70) , (40 , 70) 和(90) . 表3 給出了一個(gè)可行的映射. 強(qiáng)力推薦： 天柏客戶關(guān)系管理系統(tǒng) 天柏客戶關(guān)系管理系統(tǒng)（CRM）是一款集專業(yè)性、實(shí)用性、易用性為一體的純B/S架構(gòu)的CRM系統(tǒng)，它基于以客戶為中心的協(xié)同管理思想和營(yíng)銷理念，圍繞客戶生命周期的整個(gè)過(guò)程，針對(duì)不同價(jià)值的客戶實(shí)施以客戶滿意為目標(biāo)的營(yíng)銷策略，通過(guò)企業(yè)級(jí)協(xié)同，有效的“發(fā)現(xiàn)、保持和留住客戶”，從而達(dá)到留住客戶、提高銷售，實(shí)現(xiàn)企業(yè)利潤(rùn)最大化的目的。通過(guò)對(duì)客戶進(jìn)行7P的深入分析，即客戶概況分析(Profiling)、客戶忠誠(chéng)度分析(Persistency)、客戶利潤(rùn)分析(Profitability)、客戶性能分析(Performance)、客戶未來(lái)分析(Prospecting)、客戶產(chǎn)品分析(Product)、客戶促銷分析(Promotion)以及改善與管理企業(yè)銷售、營(yíng)銷、客戶服務(wù)和支持等與客戶關(guān)系有關(guān)的業(yè)務(wù)流程并提高各個(gè)環(huán)節(jié)的自動(dòng)化程度，從而幫助企業(yè)達(dá)到縮短銷售周期、降低銷售成本、擴(kuò)大銷售量、增加收入與盈利、搶占更多市場(chǎng)份額、尋求新的市場(chǎng)機(jī)會(huì)和銷售渠道，最終從根本上提升企業(yè)的核心競(jìng)爭(zhēng)力，使得企業(yè)在當(dāng)前激烈的競(jìng)爭(zhēng)環(huán)境中立于不敗之地。 關(guān)鍵詞：CRM,CRM系統(tǒng),CRM軟件,客戶關(guān)系管理,客戶管理軟件,客戶管理系統(tǒng),客戶關(guān)系管理軟件,客戶關(guān)系管理系統(tǒng)