超市CRM系统数据挖掘的分析与设计PPT文件格式下载.ppt

超市CRM系统数据挖掘的分析与设计PPT文件格式下载.ppt

《超市CRM系统数据挖掘的分析与设计PPT文件格式下载.ppt》由会员分享，可在线阅读，更多相关《超市CRM系统数据挖掘的分析与设计PPT文件格式下载.ppt（12页珍藏版）》请在冰豆网上搜索。

另一方面通过对业务流程的全面管理来降低企业的成本。

CRM是一个不断加强与顾客交流，不断了解顾客需求，并不断对产品及服务进行改进和提高以满足顾客需求的连续过程。

c蹦应用系统是将这一过程自动化并改善销售、市场营销”1、客户服务和支持等与客户关系相关的业务流程，目的是缩短销售周期、降低销售成本、增加收入、扩展新的市场并通过提供个性化服务来提高客户的满意度、忠诚度和赢利性。

CRM注重的是与客户的交流，企业的经营是以客户为中心，而不是传统的以产品或以市场为中心，为方便与客户的沟通，C跚可以为客户提供多种交流的渠道。

从更广的范围讲，CRM不仅仅是企业与客户之间的交流，它也为企业、客户和合作伙伴之间共享资源、共同协作提供了基础。

CRM的范围包括销售自动化、销售接触及机会管理、关系管理、营销自动化、电话销售及电话营销。

个性化服务是增强竞争力的有力武器，cRM就是以客户为中心并为客户提供最合适的服务。

互联网成为实施客户关系管理应用的理想渠道，并能很好地增强有效性。

记住顾客的名字及他们的偏好，根据顾客的不同而提供不同内容，顾客再次光顾的可能性会大大增加。

CRM可以增加客户忠诚度，提高购买比率，使每个顾客产生更多的购买需求，及更长时间的需求，并提高顾客满意度。

研究发现，客户满意度与客户忠诚度密切相关，随着客户满意度的增加客户忠诚度也随之增加。

所以，企业与客户交往的目标就是尽可能地增加客户满意度。

客户管理专家ArthurHughes对某企业的营销进行研究发现，使用改善客户关系以增加客户满意度的营销方法，比通过折扣和利润回吐的营销手段，增加了5的购买率和30的客户增长率，整体利润“”增长更是惊人地达到了82。

CRM在整个客户生命周期中都以客户为中心，这意味着CRM将客户当作企业运作的核心。

CRM简化了各类与客户相关联的业务流程（如销售、营销、服务和支持等）并将其注意力集中于满足客户的需求上。

CRM的核心内容主要是通过不断地改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程，提高各个环节的自动化程度，从而缩短销售周期、降低销售成本、扩大销售量、增加收入与盈利、抢占更多市场份额、寻求新的市场机会和销售渠道，最终从根本上提升企业的核心竞争力，使得企业在当前激烈的竞争环境中立于不败之地。

CRM将先进的思想与最佳的实践具体化，通过使用当前多种先进的技术手段最终帮助企业来实现以上目标。

企业与客户通过包括呼叫中心、电子门户网站、电子邮件、市场活动和现场销售（服务）等方式与客户交流，并将交流中的各种客户信息有序的保存在客户信息数据库之中。

同时，c酬系统提供了信息自动传递工具，适时地将服务请求传递给客户服务人员，将销售机会传递给销售人员等等。

此外，CRM系统还拥有数据挖掘功能，对客户信息进行深入地分析和挖掘；

帮助战略分析人员研究市场和产品战略；

帮助市场人员策划市场活动；

帮助企业管理层评价销售、市场和服务业务的效率。

CRM作为一种软件系统它与ERP软件不一样，它广泛实施与企业的市场营销（Marketing），销售（Sale）、服务与技术支持（Service）等与客户有关系的办公领域，我们把这种办公领域叫做企业的前端办公领域（FrontOffice）在CRM软件系统中，以客户作为系统组织的主线。

CRM作为软件系统它以先进的软件技术实现企业的市场营销、销售、服务和技术支持等前端办公领域自动化管理和流程的改善。

数据挖掘数据挖掘1就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。

数据挖掘是一种从大型数据库或数据仓库中提取隐藏的预测性信息的新技术。

它能开采出潜在的模式，找出最有价值的信息，指导商业行为或辅助科学研究。

数据挖掘技术从一开始就是面向应用的，数据挖掘的对象数据可以是结构化的，如关系数据库中的数据；

也可以是半结构化的，如文本、图形和图像数据。

发现知识的方法可以是数学的，也可以是非数学的；

可以是演绎的，也可以是归纳的。

已有的知识可以被用于信息管理、查询优化、决策支持、过程控制等，还可以用于数据自身的维护，因此数据挖掘是一门广义的交叉学科，包括了数据库、人工智能、数据统计、并行计算等方面的技术。

决策树方法决策树方法自20世纪60年代以来，在分类、预测、规则提取等领域有着广泛应用。

特别是在Quilan于1986年提出ID3算法以后，在机器学习、知识发现领域得到了进一步应用及巨大的发展。

决策树是一树状结构，它的每一个树结点可以是叶结点，对应着某一类，也可以对应着一个划分，将该结点对应的样本集划分成若干个子集，每一个子集对应一个结点。

对一个分类问题或规则学习问题，决策树的生成是一个从上而下、分而治之的过程。

决策树的分类模型以其特有的优点被人们广泛采用。

首先，使用者不需了解很多背景知识，只要训练事例能用属性结论的方式表达出来，就能用该算法学习；

其次，决策树模型效率高，对训练集数据量较大的情况较为适合；

再次，分类模型是树状结构，简单直观，可将到达每个叶结点的路径转换为IF-THEN形式的规则，易于理解；

最后，决策树方法具有较高的分类精确度。

分类的目标是通过分析训练集中的数据，对类进行准确的描述或者建立模型，然后用它对数据库中的其他数据分类或者上升为分类规则。

决策树分类模型月平均光顾次数15次以下15次及15次以上月平均消费金额小于500元月平均消费金额不小于500元潜在客户普通客户主要客户决策树分类算法流程图开始顾客信息输入月平均消费次数小于15次月平均消费金额小于500元月平均消费金额小于500元输出该顾客为潜在顾客输出该顾客为普通顾客输出该顾客为普通顾客输出该顾客为主要顾客结束聚类分析聚类分析是数据挖掘的一个非常重要的功能，作为一种数据简化技术.它把基于相似数据特征的变量等组合在一起，这种技术对发现4-于相似特征的问题非常有用。

聚类算法较多，常见的聚类算法如前所述存基于划分法、基于层次法、基于密度法、基于网格法和基于模型法。

基于划分法的聚类方法是一种基于原型的聚类方法，该方法的本质是首先从数据集中随机地选择几个对象作为聚类的原型，通常会采用一个划分准则（经常称为相似度函数，例如013离），以便可以区分在同一个簇中的对象是否相似，不同簇中的对象是否相异。

然后将其他对象分别分配到由原型所代表的距离最近的类中，利用迭代控制策略优化聚类准则函数，直到函数收敛.基于划分方法的聚类方法必须满足以下两个条件:

1）所划分的每个簇至少包含一个样本;

2）每个样本必须属于且只能属于一个簇。

基于划分方法的聚类算法的两种典型算法有k-means算法和k-medoids算法。

1）k-means算法，该算法中的每一个聚类均用相应聚类中对象的均值来表示，通常k-means聚类算法用于n维连续空间的对象.2）k-medoids算法，该算法中的每一个聚类均川相应聚类中离聚类中心最近的对象来表示，k-medoids算法可以用于广泛的数据，因为它只需要对象之间的邻近性度量。

尽管质心几乎从来都不对应实际的数据点，但中心点必须是一个实际的数据点。

K-MEANS算法算法K-means聚类算法作为划分方法的一种聚类算法，是一种经典的的聚类算法，其优点主要有算法简单、快速而且能有效地处理大型数据库。

K-means聚类算法又称为k一均值算法，1967年由MacQuen131首先提出，该算法是解决聚类问题的一种经典算法，它是用户指定类别数的情况下对数据进行聚类，算法尝试找出使平方误差函数值最小的划分，通过反复递推计算出簇的中心，把对象指定到不同的簇中去，它具有算法简单、收敛速度快且能处理大数据库的优点。

k-means算法接受输入量k；

然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：

同一聚类中的对象相似度较高；

而不同聚类中的对象相似度较小。

聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。

k-means算法的工作过程说明如下：

首先从n个数据对象任意选择k个对象作为初始聚类中心；

而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；

然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；

不断重复这一过程直到标准测度函数开始收敛为止。

一般都采用均方差作为标准测度函数.k个聚类具有以下特点：

各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。

K-MEANS聚类算法模型1.从顾客信息中以月平均消费金额与月平均消费次数为变量选出四组数据作为中心点2.其他数据点以到中心点距离最近为依据，分成四个集合3.以集合中的数据点来计算出新的中心点4.重复第2、3步操作，直至数据点的集合不再改变，集合中数据计算出的中心点亦不再改变为止5.得出四个数据的集合，并以集合中数据的中心点代表该集合中数据的相似性质结论无论是从管理角度还是从计算机技术角度来讲，CRM都是一门新兴的研究课题。

高效地整合和分析企收各部门和各级分销机构内的销售和客户信息，使企收能够从全局的角度了解和认识市场是CRM的重要任务之一。

数据挖掘技术注定要在这方面扮演重要角色。

但是目前数据挖掘应用于CRM还处于研究阶段，把数据挖掘在实践中应用于CRM真正为企收创造利润，还需要大量的研究。

将数据挖掘中的数据分类技术应用于CRM系统中的思想，不仅可以为企收更好地掌握市场动态以及潜在客户挖掘提供有力的技术支持，同时也将有助于企收的管理全面走向信息化。