段蕾[1]2008年在《数据挖掘分类技术及其在CRM中的应用研究》文中研究表明近年来,现代市场营销理念和商业运作方式的核心逐步向客户关系管理(CRM)转移,CRM是一个将客户信息转化成为积极的客户关系的过程。随着客户信息的日趋复杂、客户数据的大量积累,分析复杂的客户数据,发现客户行为趋势,挖掘客户对企业的真正价值逐渐成为企业成功的关键因素,决策者迫切需要将海量数据转换成有价值的信息和知识。数据挖掘的出现为这一需要提供了有力的技术支持。数据挖掘在CRM中的有效运用可以从大量的客户数据中挖掘出对企业经营决策有价值的知识和规则。而分类方法是目前商业领域中应用最广泛的数据挖掘技术。分类及其在CRM中的应用研究已经成为学术界和企业界共同关注的领域。本文首先介绍了客户关系管理、数据挖掘、数据挖掘技术在客户关系管理中应用的基本理论,提出了数据挖掘技术处理CRM专业问题的详细流程。然后介绍了分类的一般过程、目前常用的分类算法;对现有的算法评价指标做了系统的概括和总结,针对这些指标在处理CRM领域具体问题时的不足,提出了一种评价指标体系,为CRM领域中应用分类方法时的总结和评价提供了新思路。同时,在研究现有分类算法的基础上,根据CRM领域问题的实际需求,提出了一种新算法。最后将新的评价指标体系和算法应用到汽车销售领域客户发现问题中,为分类技术在该领域的应用提供了一个详尽的解决方案,建模结果也证明了指标体系和新算法的科学性和实用性。在此基础上,进一步构建了分类技术应用于CRM领域的系统框架,该系统框架对于解决CRM中分类方法的应用问题具有一定的代表性,也为数据挖掘技术在CRM领域的应用发展做出了一些新的探索和尝试。随着数据挖掘分类技术的进一步发展和深化,这一研究领域也体现出越来越重要的研究价值。同时,分类技术在电子商务时代CRM中的进一步深入应用,必然使CRM具有更广泛的市场价值,为CRM带来更广阔的应用前景。因此,本文关于数据挖掘分类技术及其在CRM中应用的研究主题具有重要的学术价值和现实意义。
王荇[2]2007年在《中小企业客户关系管理应用研究与开发》文中进行了进一步梳理客户是所有企业经营活动的终极元素，客户关系管理(CRM)是“以客户为中心”的现代管理理念和IT技术结合的产物，能够提高企业的核心竞争力。从客户关系管理概念进入中国开始，在中国取得了极大的增长。本文以常州药交会CRM系统为出发点，对中小企业的CRM进行了较为全面的研究。论文主要内容如下：(1) CRM相关理论。论文首先对CRM的产生以及其发展的必然性进行了简明扼要的论述。然后根据IDC以及其他的一些统计数据，分析了国内CRM现状。在此基础上，进一步阐述了中小企业实施CRM的可行性，中小企业CRM的现状和中小企业CRM的发展趋势。(2) CRM关键技术。在对客户数据进行处理的时候，CRM要使用到一些信息技术手段。本文对CRM的关键技术进行了介绍。包括数据仓库技术、数据挖掘技术，以及针对B／S结构的CRM中所使用到的面向Web的数据挖掘技术Web日志挖掘。并且对这些技术在CRM中的应用进行了分析。(3)常州中药材专业市场CRM系统。针对常州中药材专业市场的现状，构建了其CRM系统的基本解决方案，详细介绍了系统功能模块。并针对常州中药材市场的实际情况，提出了新的“泛客户关系管理”的概念。(4)中小企业CRM的实施。实施工作在整个CRM中起到较为关键的作用。成功的实施工作将大大提高CRM的运行效果。本文针对中小企业在CRM实施中存在的问题进行了分析，并根据存在的问题，提出了相应的解决对策。在文章最后，对论文全文以及常州药交会CRM系统的设计进行了简要的小结，并对系统中需要改进的地方进行了探讨。
常一帆[3]2008年在《客户关系管理在电子商务中的应用研究》文中研究说明随着电子商务的发展,传统的商业模式受到了严峻的挑战,它要求企业以全新的思维来看待客户。因此,客户关系管理得到了广泛的应用和发展,它为企业提供了收集、分析和利用各种客户信息的应用系统,以及企业面对客户的科学手段和方法,使企业的销售理念从以产品为中心转换到以客户为中心。数据仓库和数据挖掘技术是保证CRM实施成功的基础。借助于数据仓库和数据挖掘技术,CRM系统可以充分利用它们的分析结果,制定市场策略,探索企业和所对应市场的运营规律,并向客户提供个性化产品以及优质服务。首先,本文针对电子商务环境下企业的业务需求,采用J2EE轻量级架构——Struts、Spring、Hibernate开发企业电子商务系统,其中包括客户管理,订单管理,商品管理,库存管理等功能。通过学习客户关系管理的基本思想和基础理论,将CRM理念和技术引入到电子商务系统中。从分析企业的业务需求入手,建立了企业的CRM应用模型。其次,本文研究了数据仓库和数据挖掘技术在CRM系统中的应用。根据分析需求,构建面向客户主题、销售主题和退货主题的数据仓库,并利用Microsoft Excel作为分析结果的前端展示,使企业的经营者可以从多角度观察数据;分析了面向电子商务的客户细分问题,重点研究了企业客户流失的问题,选择以客户价值和客户特征为主的细分指标,应用Analysis Service的聚类算法,构建已流失的客户模型和将要流失的客户模型,帮助企业找出客户流失的群体和特征,并给出了相应的营销策略。最后,对论文的研究内容和应用结果做了总结,并指出了课题的不足和今后的研究方向。
赵闪[4]2007年在《数据挖掘在客户关系管理中的应用研究》文中指出数据挖掘技术在客户关系管理(CRM)中的应用是近年来的研究热点。CRM指的是企业通过富有意义的交流沟通，理解并影响客户行为，最终实现提高客户获得、客户保留、客户忠诚和客户盈利的目的。总的来说，就是对客户实现个性化的服务。对什么样的客户进行什么样的服务，其根据就是企业积累的大量详细数据，如何将这些数据转化为知识，就要借助数据挖掘技术，为领导者的决策提供依据，并实现CRM的目标。数据挖掘是一个萃取和展现以往无法探知的新知识的流程，这些新知识选自数据库并为可付诸行动的决策提供服务。它能够有效的将以前隐藏在数据中的信息展示在客户的面前。数据挖掘技术在CRM中的有效运用可以从与客户有关的大量数据中挖掘出对企业经营决策有价值的知识和规则。本文主要论述了客户关系管理和数据挖掘技术的基本理论，以及数据挖掘技术在客户关系管理中的典型应用。在对CRM核心思想、体系结构和功能特点的研究基础上，分析了现有CRM体系结构的不足，并结合数据挖掘技术在CRM中的关键作用，构建了基于数据挖掘的CRM体系结构；最后，在上述理论研究的基础上并结合数据挖掘过程的标准化模型，分析了一个数据挖掘技术在移动客户细分方面的应用实例，通过利用Clementine软件和遵循CRISP-DM方法论，实现了对客户群的认识、分类和评估，然后根据细分结果采取相应的市场营销措施，进一步满足客户的需求，赢得更大的市场，使股东利益最大化。
徐国庆[5]2013年在《数据挖掘技术在教育行业CRM中的应用研究》文中研究指明随着经济的发展和以客户为中心的管理思想渗透，以人为本、以信息处理为手段的客户关系管理越来越受到企业管理者的重视。教育行业作为社会结构的重要组成部分，面临招生竞争激烈、客户需求呈现多样化趋势、教育行业内部信息利用率低、高效率和低成本的需求急切等现状，教育行业越来越需要CRM的帮助与支持。教育行业产品和服务的特殊性、教育行业收益“有形”和“无形”的双重性、教育机构和客户发展的共同性、客户需求的个性化日益凸显以及客户的多样性、客户角色的双重性、客户需求的差异性使得教育行业CRM呈现复杂性。论文的主要内容分为叁个部分，数据挖掘技术在教育行业CRM中应用综述、决策树技术在选课系统中的应用研究、关联规则技术在人才吸引计划中的应用研究。数据挖掘技术在教育行业CRM中应用综述主要对客户关系管理的基本概念、数据挖掘知识、教育行业CRM系统进行了概述；决策树技术在选课系统中的应用研究主要包括决策树技术应用于选课系统的意义、选课系统设计战略、决策树技术实施过程、决策树技术实施具体案例；关联规则技术在人才吸引计划中的应用研究主要包括关联规则技术概述、关联规则技术实施过程，关联规则技术在人才吸引计划中的具体实施案例。
何贵新[6]2006年在《数据挖掘技术在CRM中的应用研究》文中进行了进一步梳理数据挖掘技术在客户关系管理(CRM)中的应用是近年来的研究热点。CRM是将客户信息转化成为积极的客户关系的反复循环过程,而数据挖掘则是从大量数据中发掘出有用知识的强有力工具,数据挖掘技术在CRM中的有效运用可以为企业进行客户分析提供新的数据处理方法和更多的潜在信息。本文先后对数据挖掘技术、CRM(客户关系管理)进行了介绍,并结合BMCRM系统来研究应用在CRM中的数据挖掘技术,对CRM系统的数据挖掘进行了分析,并提出了客户分类、交叉销售、客户获得和客户保持四个方面的数据挖掘模式。
董宪[7]2006年在《数据挖掘技术在CRM中的应用研究》文中进行了进一步梳理客户关系管理的核心是“以客户为中心”，在客户信息中发现积极的客户关系的过程。数据挖掘技术在客户关系管理(Customer Relations Management，CRM)中的应用是近年来研究的焦点。数据挖掘是从大量数据中挖掘出有用知识的强有力的工具。在CRM中有效运用数据挖掘技术，从与客户有关的大量数据中，挖掘出对企业有价值的知识和规则，能够使企业更好地了解客户，为企业以后的发展决策提供信息支持。 本论文首先介绍了数据挖掘的功能与技术、CRM系统的应用和特征，对数据挖掘技术在CRM中的应用进行了详细的分析。然后，重点对聚类分析算法进行了研究。根据CRM系统中客户数据的特点，为了达到更好的聚类效果，避免由于孤立点数据造成聚类结果局部最优化，本文提出利用模拟退火原理来改进传统k-均值聚类分析算法。将改进算法应用到客户群体分类中，并对应用结果进行分析。 在CRM系统中对客户信息进行分析时，受到许多因素的影响。各个因素间相互制约，相互干扰，无法定量描述。为此，利用层次分析法，将各个因素分成不同的层次，使各个因素定量化。各因素间相比较可以得出因素的权值大小，由此得出的客户信息也更加准确直观。 最后，根据联通公司当前的状况，对联通UNI-CRM系统进行了介绍和分析。利用客户数据，建立数据挖掘模型，使用改进后的k-均值聚类算法进行客户消费结构分类。从分类结果看，客户分类结果更加准确。使用层次分析法对客户忠诚度、客户信用度和客户满意度进行分析，用各个因素的标准化值和对应权值进行加权平均，计算出客户的信息分析结果，使度量结果更加合理、明确。
梁利莉[8]2005年在《数据挖掘技术在CRM中的应用研究》文中指出近几年来,数据挖掘技术在客户关系管理(CRM)中的应用一直是人们研究的热点。CRM是一个将客户信息转化成为积极的客户关系的不断反复的过程,它能够帮助企业管理与客户相关的一系列活动,对企业日常所有的营销业务进行流程化和自动化地管理。随着客户信息的日趋复杂,客户数据的大量积累,分析大量复杂的客户数据,挖掘客户价值,发现客户行为趋势,理解客户对企业的真正价值,用全生命周期的观点来分析客户关系逐渐成为企业成功的关键因素,而这些恰恰要依赖于数据挖掘。 数据挖掘是从大量数据中发掘出有用知识的强有力工具,数据挖掘技术在CRM中的有效运用可以从与客户有关的大量数据中挖掘出对企业经营决策有价值的知识和规则。利用数据挖掘对这些数据进行分析,从中发现相关的知识和规律,可以使整个CRM系统形成一个闭环,充分发挥CRM系统的作用。 该论文在阐述了数据挖掘技术在CRM中应用的基础理论和方法之后,结合汽车行业中营销性企业的实际业务流程、业务需要以及实际拥有的数据,构建了该行业营销企业的CRM系统中应用数据挖掘的基础,并在此基础上详细分析了多种数据挖掘技术和方法包括决策树方法、神经网络方法、遗传算法、规则归纳等在该企业CRM系统中不同方面的应用。通过理论联系实际的论述,说明了数据挖掘技术应用到CRM中的重要意义和广阔前景。 CRM要求我们要有新的经营思想,忘掉传统的经营模式,要采用新的管理方法。当然CRM需要不断吸收新的技术,包括数据仓库和数据挖掘。它们的核心是数据集中,按照数据内在的规律建立数学模型,并对数据进行分析和整理。这些做法使数据库中的海量数据不再仅仅提供简单的查询,还可为用户提供多维提取的方便,这样可以发现大量客户潜在的和已有的需求。为生产新产品提供决策,为针对什么样的销售对象和采取什么样的销售方法提供依据。数据挖掘能够帮助企业确定客户的特点,从而帮助企业针对不同类别的客户,提供个性化的服务。数据挖掘技术在CRM中的应用必将越来越广泛,对这一领域的研究将会体现出越来越重要的价值。随着数据挖掘技术的进一步发展和深化,必然会带给CRM更为广泛的应用前景和市场价值,这种价值对增强我国各行各业企业的核心竞争力将会发挥越来越大的作用。
杜炳立[9]2007年在《基于数据挖掘技术的CRM研究》文中研究指明市场竞争的实践证明，企业成功的关键在于重视顾客的需求，提供满足顾客需求的产品和服务，有效地管理客户关系，以确保顾客获得较高的满意度，增加重复购买的可能性，通过维持长期的客户关系来营造新的竞争优势。客户关系管理(CRM)已经成为企业提升市场竞争能力的重要营销策略。作为企业通过对客户的管理来提升企业市场竞争力的一种电子商务解决方案，客户关系管理(CRM)的核心技术就是数据仓库和数据挖掘技术。CRM是一个将客户信息转化成为积极客户关系的不断反复过程，它能够帮助企业管理与客户相关的一系列活动，对企业日常所有的营销业务进行流程化和自动化地管理。随着客户信息的日趋复杂，客户数据的大量积累，通过分析大量复杂的客户数据，可以保持和获得新客户，对客户实现交叉销售等等。数据挖掘是从大量数据中发掘出有用知识的强有力工具，在CRM中的有效运用可以从与客户有关的大量数据中挖掘出对企业经营决策有价值的知识和规则。利用数据挖掘对这些数据进行分析，从中发现相关的知识和规律，可以使整个CRM系统形成一个闭环，充分发挥CRM系统的作用。在我国，数据挖掘技术在企业中的应用还处于不成熟阶段和探索阶段。因此研究数据挖掘技术在我国企业CRM中的应用，有利于提高我国企业的CRM应用水平。因此，数据挖掘技术在CRM中的应用一直是人们研究的热点。本文首先介绍了论文的研究背景、国内外的研究现状、客户关系管理的概念及相关理论，重点分析研究了客户关系管理的基本理念、内涵和客户关系管理的演化过程。接着介绍了数据挖掘技术的基本原理和实际应用模型，在对数据挖掘技术和应用模型进行分析的基础上，详细分析了各种数据挖掘技术在企业CRM系统中不同方面的应用实施。最后以A集团公司为例，具体说明了数据挖掘技术深化客户关系管理的实际应用和模型构建。本文的主要创新点如下：第一，根据数据挖掘技术的基本原理，通过对数据挖掘的任务的分类，把数据挖掘技术和客户关系管理策略结合起来，进行了数据挖掘技术在CRM中两种模型的构建探索(预测型模型和描述型模型)。第二，把数据挖掘技术和客户关系管理理论在综合分析的基础上，对于更好的在企业客户关系管理中进行数据挖掘的应用进行了分析和研究，并且提供了实证分析的资料，从而验证了数据挖掘技术在客户关系管理中应用的可行性。
崔冬梅[10]2007年在《统计数据挖掘在CRM中的应用研究》文中认为企业离不开市场,激烈的市场竞争、全球化的经济浪潮导致企业必须以客户为中心,掌握更多更准确的客户信息,对客户个性化需要作出快速反应,为客户提供更便捷的购买渠道和更好的售后服务与经常性的客户关怀,这就是客户关系管理(Customer Relationship Management)即CRM的核心内容。随着网络和信息技术的发展,企业可获得的信息量日益膨胀,呈几何倍增长,CRM面临着信息爆炸所带来的严峻挑战。如何从庞杂无序的数据中获取真正对企业有用的信息,发现数据背后隐藏的模式,从而指导企业的生产经营实践,这就是数据挖掘的任务所在。CRM的实施需要强大的技术支撑,数据挖掘以其从纷繁、复杂的数据中提取有用知识的强大功能而在CRM中有着广泛的应用。在CRM中,数据挖掘要发现的是商业活动中各个因素与客户行为之间的不直观的关系。因此,数据挖掘要想在商业活动中真正起到作用就必须与基本的商业过程关联起来。数据挖掘技术在CRM中的应用主要体现在新客户开发、客户效益分类、交叉销售及预测、顾客维系(流失分析)、顾客细分、客户赢利性识别等方面。本文将统计学的思想、方法和技术贯穿于数据挖掘整个过程之中,分别从理论和实证两个方面研究和验证了统计数据挖掘技术在CRM中的应用。文章回顾了前人对CRM和数据挖掘的研究成果,从CRM和数据挖掘的演变过程、发展现状来论证CRM的进一步发展离不开数据挖掘作为技术支撑。本文的理论研究部分定义了CRM和统计数据挖掘的内涵,进一步论证了统计数据挖掘技术在CRM中的适用性并提出了基于统计学的数据挖掘流程以数据挖掘模型的建立和实现方法。文章的实证分析部分分为两章,分别为数据挖掘在CRM中应用的两个方面即客户细分和交叉销售及预测。两章均以电信CRM为例,运用统计数据挖掘技术建立了电信客户细分模型和电信增值业务的交叉销售和预测模型,并结合企业的实际情况对模型结果进行了分析和解释。研究结果可以为电信企业制定科学有效的营销策略提供依据,从而提高电信企业的CRM水平,提升企业的竞争能力。文章对企业如何在CRM中应用统计数据挖掘技术具有一定的指导意义。
参考文献：
[1]. 数据挖掘分类技术及其在CRM中的应用研究[D]. 段蕾. 合肥工业大学. 2008
[2]. 中小企业客户关系管理应用研究与开发[D]. 王荇. 华东师范大学. 2007
[3]. 客户关系管理在电子商务中的应用研究[D]. 常一帆. 北方工业大学. 2008
[4]. 数据挖掘在客户关系管理中的应用研究[D]. 赵闪. 广东工业大学. 2007
[5]. 数据挖掘技术在教育行业CRM中的应用研究[D]. 徐国庆. 山东师范大学. 2013
[6]. 数据挖掘技术在CRM中的应用研究[D]. 何贵新. 吉林大学. 2006
[7]. 数据挖掘技术在CRM中的应用研究[D]. 董宪. 山东科技大学. 2006
[8]. 数据挖掘技术在CRM中的应用研究[D]. 梁利莉. 首都经济贸易大学. 2005
[9]. 基于数据挖掘技术的CRM研究[D]. 杜炳立. 东北财经大学. 2007
[10]. 统计数据挖掘在CRM中的应用研究[D]. 崔冬梅. 江苏大学. 2007
标签：计算机软件及计算机应用论文; 数据挖掘论文; crm论文; 大数据论文; 客户信息论文; 数据挖掘算法论文; 客户分类论文; 客户分析论文; 分类数据论文; 信息发展论文; 企业软件论文; 数据分析论文;