CRM系統：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 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 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