CRM系統(tǒng)：CRM 中序列模式分析與神經網絡結合的應用研究

CRM 中序列模式分析與 神經網絡結合的應用研究 楊歡聳 (杭州師范學院, 浙江杭州310018) 摘　要:用序列模式挖掘方法進行商品銷售的預測,其準確率受單個算法本身限制,如果先用序列模式挖掘對原始 數據進行過濾,然后再利用神經網絡的自適應性,通過學習和訓練,找出客戶特征與購買某種商品意向的內在聯(lián) 系,再利用神經網絡的泛化功能對未經訓練客戶購買意向進行預測,其預測的正確率非常高. 關　鍵　詞:序列; 挖掘; 預測; 數據; 神經網絡 中圖分類號: TP18 　　　　文獻標識碼:A 　　　文章編號: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 　現有的CRM 系統(tǒng)對客戶購買意向的預測往往 不夠準確,導致推銷清單數目龐大,引起客戶反感, 因此提高預測準確率毫無疑問成為能否成功實施交 叉銷售的關鍵. 在常用的預測方法中,人工神經網絡 以其適應性強、正確率高等優(yōu)點而被廣泛采用. 但在 CRM 的實際實施過程中,因客戶和商品數據往往非 常龐雜,用所有數據作為神經網絡的原始數據是不 可想象的,不僅效率低下,而且要耗費大量的人力物 力,也無法保證對任意一種商品進行購買意向預測 的正確率,且隨著時間的推移,這些數據的有效性也 大打折扣. 而直接使用序列模式挖掘方法進行預測, 其準確率亦受單個算法本身限制,如果先用序列模 式挖掘對原始數據進行過濾,然后利用神經網絡的 自適應性,通過學習和訓練,找出客戶特征與購買某 種商品意向的內在聯(lián)系,再利用神經網絡的泛化功 能對未經訓練客戶購買意向進行預測,就可以大大 提高預測正確率,較好地實現產品的銷售. 1 　序列模式挖掘方法對原始數據的過濾 序列模式挖掘是指挖掘相對時間或其他模式出 現頻率較高的模式,如長度為2 的序列模式,即某人 購買了商品A ,很可能在30 d 內購買商品B ,這就 是一個長度為2 的序列模式的典型例子. 表1 是一 表1 　排序源數據庫 Table 1 　Sorting the source database 客戶號(cust_id) 交易時間(t ran_time) 項(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 個由客戶交易(customer t ransaction) 組成的序列數 據庫示例, 每個交易( t ransaction) 由客戶號( cus2 tomer_id) 、交易時間(t ransaction_time) 以及在交易 中購買的項(item) 組成. 給定一個序列數據庫,挖掘序列模式的問題就 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) . 而每個這樣的最大序列 就代表了一個序列模式( sequential pat tern) . 挖掘長度為2 的序列模式的過程如下: (1) 排序階段( sort p hase) 數據庫以客戶號(customer_id) 為主鍵(major key) ,交易時間( t ransaction _ time) 為次鍵(minor key) 進行排序,即將原來的交易數據庫( t ransaction database) 轉換成由客戶序列組成的數據庫. 表2 為 轉換后客戶序列數據庫. 表2 　客戶序列數據庫 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) 大項集階段(litemset p hase) 即找出所有大項集組成的集合,同步也得到所 有大1 - 序列組成的集合. 然后將大項集映射成連 續(xù)的整數. 在表1 給出的數據庫中,對最小支持2 個 客戶的情況下,大項集分別是(30) , (40) , (70) , (40 , 70) 和(90) . 表3 給出了一個可行的映射. 強力推薦： 天柏客戶關系管理系統(tǒng) 天柏客戶關系管理系統(tǒng)（CRM）是一款集專業(yè)性、實用性、易用性為一體的純B/S架構的CRM系統(tǒng)，它基于以客戶為中心的協(xié)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(yè)級協(xié)同，有效的“發(fā)現、保持和留住客戶”，從而達到留住客戶、提高銷售，實現企業(yè)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(yè)銷售、營銷、客戶服務和支持等與客戶關系有關的業(yè)務流程并提高各個環(huán)節(jié)的自動化程度，從而幫助企業(yè)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(yè)的核心競爭力，使得企業(yè)在當前激烈的競爭環(huán)境中立于不敗之地。 關鍵詞：CRM,CRM系統(tǒng),CRM軟件,客戶關系管理,客戶管理軟件,客戶管理系統(tǒng),客戶關系管理軟件,客戶關系管理系統(tǒng)