一個(gè)crm軟件中包含很多不同的技術(shù)，不同的技術(shù)，控制不同的功能。今天為大家介紹的是模糊數(shù)據(jù)挖掘如何在crm軟件上應(yīng)用。
數(shù)據(jù)挖掘技術(shù)概述
數(shù)據(jù)挖掘是一種知識(shí)發(fā)現(xiàn)的過(guò)程，它主要基于統(tǒng)計(jì)學(xué)、人工智能、機(jī)器學(xué)習(xí)等技術(shù)，從大量的數(shù)據(jù)中，抽取出潛在的、有價(jià)值的知識(shí)、模型或規(guī)則的過(guò)程。高度自動(dòng)化地分析數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模式，并對(duì)未來(lái)情況進(jìn)行預(yù)測(cè)，以輔助決策者評(píng)估風(fēng)險(xiǎn)，做出正確的決策。對(duì)于企業(yè)而言，數(shù)據(jù)挖掘有助于發(fā)現(xiàn)業(yè)務(wù)的趨勢(shì)，揭示已知的事實(shí)、預(yù)測(cè)未知的結(jié)果，提高市場(chǎng)決策能力。其演化過(guò)程如圖 1所示。
然而單純的數(shù)據(jù)挖掘可能會(huì)導(dǎo)致“尖銳邊界”等問(wèn)題，因此考慮將模糊邏輯和數(shù)據(jù)挖掘結(jié)合起來(lái)的模糊數(shù)據(jù)挖掘技術(shù)引人到客戶關(guān)系管理系統(tǒng)中。
模糊數(shù)據(jù)挖掘方法
1 確定模糊集
建立樣本特性指標(biāo)矩陣，設(shè)聚類的對(duì)象的全體集合X={x1，x2，…，xn}，為了使分類效果科學(xué)合理，首先要選取具有實(shí)際意義且有較強(qiáng)分辨性和代表性的統(tǒng)計(jì)指標(biāo)?，F(xiàn)假設(shè)X中每一個(gè)元素Xj(j=1,2,…,n。)有m個(gè)統(tǒng)計(jì)指標(biāo)Xij= (x1j，x2j，…，xnj)，其中，分量Xij表示第j個(gè)元素的第i項(xiàng)統(tǒng)計(jì)指標(biāo)值(i=1，2，…，m;j=1，2，…，n)。本步驟的關(guān)鍵是統(tǒng)計(jì)指標(biāo)值的求法。統(tǒng)計(jì)指標(biāo)值反映實(shí)際的精確程度，是取得最優(yōu)聚類的先決條件，由于各企業(yè)的實(shí)際情況不一樣，所選取的統(tǒng)計(jì)指標(biāo)也應(yīng)各不相同。因此，統(tǒng)計(jì)指標(biāo)值的求法因?qū)嶋H問(wèn)題而定。
2 對(duì)樣本特性指標(biāo)矩陣進(jìn)行數(shù)據(jù)規(guī)格化
在實(shí)際問(wèn)題中，通常不同的數(shù)據(jù)有不同的量綱。因此，需要根據(jù)模糊矩陣的要求，進(jìn)行標(biāo)準(zhǔn)化處理。一般可通過(guò)以下變換來(lái)實(shí)現(xiàn)。
2.1 平移/標(biāo)準(zhǔn)差變換
3 標(biāo)定— 建立模糊相似矩陣
所謂標(biāo)定，是指根據(jù)實(shí)際情況，選用一定的方法對(duì)對(duì)象進(jìn)行比較得出模糊相似矩陣。根據(jù)上述已建立的指標(biāo)體系 Xj(j=1，2，…n)，求出相似系數(shù)rij表示Xi與Xj按m個(gè)特征相似的程度，得到模糊相似矩陣R=(rij)mxn本步驟的關(guān)鍵是如何合理地求出相似系數(shù)rij，由于求相似系數(shù)的方法很多，而且需要因?qū)嶋H情況不同而選用不同的方法。
求相似系數(shù)的方法很多，主要有最大最小法、算術(shù)平均值最小法、幾何平均值最小法、相關(guān)系數(shù)法、夾角余弦法、距離法、數(shù)量積法、絕對(duì)值指數(shù)法、絕對(duì)值倒數(shù)法、絕對(duì)值減數(shù)法等方法。
對(duì)于一些實(shí)際問(wèn)題，很難用解析表達(dá)式來(lái)刻畫事務(wù)間的相關(guān)程度，這時(shí)只有請(qǐng)有經(jīng)驗(yàn)者或?qū)＜疫M(jìn)行評(píng)分，用〔0，1〕上的數(shù)表示。選取什么樣的方法描述兩個(gè)元素之間的相似程度，將直接影響分類的效果。通常是同時(shí)選三四種，最后看分類與實(shí)際吻合的情況，擇優(yōu)選取。
4 求傳遞閉包— 構(gòu)造模糊等價(jià)矩陣
用傳遞閉包法求R的模糊等價(jià)矩陣。傳遞閉包是包含R的最小傳遞矩陣，設(shè) t(R)是R的傳遞閉包，通常采用平方法求R的傳遞閉包，即R→R2→R4 →Rg →…→R2k經(jīng)有限次運(yùn)算后，一定有R2k=R2k+1，于是t(R)=R2k。
5 聚類結(jié)果
利用各個(gè)需求對(duì)該次分類的相對(duì)隸屬度數(shù)據(jù)應(yīng)用相對(duì)類別(級(jí)別)特征公式，得到各個(gè)部件歸屬各類的相對(duì)類別特征值H(r)表，從而獲得了該分類數(shù)目下的部件類別劃分結(jié)果。
根據(jù)擇近原則，判斷該樣本接近哪個(gè)模式，從這個(gè)模式的整體情況預(yù)測(cè)其發(fā)展結(jié)果。
應(yīng)用模糊數(shù)據(jù)挖掘?qū)崿F(xiàn)客戶分類
假定每一個(gè)客戶對(duì)一類產(chǎn)品的外觀、使用環(huán)境功能、可靠性都有各自的要求，那么，對(duì)于產(chǎn)品簇建模過(guò)程來(lái)說(shuō)，要將這些不同客戶的不同需求轉(zhuǎn)化為產(chǎn)品的工程指標(biāo)，并最終轉(zhuǎn)化為產(chǎn)品的零部件，工作量是非常大的，也是不科學(xué)的。所以要對(duì)不同客戶的需求進(jìn)行必要的聚類，通過(guò)聚類將產(chǎn)品需求分為不同的簇，同一簇中的產(chǎn)品需求視為相同，不同簇中的產(chǎn)品需求視為相異。這樣就可以減少產(chǎn)品模型的種類，并且使形成的產(chǎn)品種類最大限度地滿足不同客戶的需求。
1構(gòu)造模糊集
選取樣本為5x5階矩陣。設(shè)從外觀、使用環(huán)境、產(chǎn)品功能、可靠性、忠誠(chéng)度5個(gè)方面描述對(duì)產(chǎn)品的需求，構(gòu)建模糊集 R如表1所示。
2 關(guān)聯(lián)矩陣規(guī)格化
首先根據(jù)各個(gè)產(chǎn)品需求在產(chǎn)品中的地位給出其相應(yīng)的權(quán)重(相當(dāng)于指標(biāo)對(duì)聚類作用的權(quán)重)。應(yīng)用式(1)和式(2)實(shí)現(xiàn)規(guī)格化，結(jié)果如表2所示。
3 求傳遞閉包— 構(gòu)造模糊等價(jià)矩陣
用傳遞閉包法求R的模糊等價(jià)矩陣。傳遞閉包是包含R的最小傳遞矩陣，設(shè) t(R)是 R的傳遞閉包，通常采用平方法求R的傳遞閉包，即R→R2→R4 →Rg →…→R2k經(jīng)有限次運(yùn)算后，一定有R2k=R2k+1，于是t(R)=R2k。求得最優(yōu)模糊矩陣。最優(yōu)模糊矩陣表述的內(nèi)容是每一個(gè)需求對(duì)各類別(共有m 個(gè))的相對(duì)隸屬度。
4聚類結(jié)果
利用各個(gè)需求對(duì)該次分類的相對(duì)隸屬度數(shù)據(jù)，應(yīng)用相對(duì)類別(級(jí)別)特征公式，得到各個(gè)部件歸屬各類的相對(duì)類別特征值H(r)表，從而獲得了該分類數(shù)目下的部件類別劃分結(jié)果。應(yīng)用下述的公式對(duì)最優(yōu)模糊矩陣進(jìn)行處理。
設(shè)分類狀態(tài)為1~m，某部件對(duì)某正態(tài)的相對(duì)隸屬度表示為RA1(r)~ RAc(r)，即表達(dá)了上文的最優(yōu)模糊矩陣。首先，相對(duì)隸屬度滿足歸一化條件:
設(shè)狀態(tài)變量i以對(duì)應(yīng)的相對(duì)隸屬度為權(quán)重，其總和
稱為相對(duì)狀態(tài)特征值或級(jí)別特征值。表示了i與H(r)分布列的整體相對(duì)特征，因此，H(r)可以作為樣本R對(duì)模糊概念或指標(biāo)Ai歸屬狀態(tài)判斷的相對(duì)指標(biāo)，它利用了狀態(tài)變量i對(duì)全部相對(duì)隸屬度信息，使樣本 R的歸屬更為全面和客觀。改變分類的數(shù)目m，重復(fù)上述步驟，產(chǎn)生新的分類，最終得到針對(duì)不同m分類的產(chǎn)品需求聚類結(jié)果。當(dāng)m=3時(shí)，最優(yōu)模糊矩陣如表3所示。
通過(guò)對(duì)m=3時(shí)產(chǎn)品需求聚類分析結(jié)果的觀察，可以容易地發(fā)現(xiàn)各個(gè)需求指標(biāo)的聚分程度:{R5}，{R1，R3}， {R2，R4}。這說(shuō)明，在考慮客戶需求時(shí)，對(duì)于忠誠(chéng)度高的客戶群體，可以將他們的需求作為一類產(chǎn)品類型來(lái)重點(diǎn)構(gòu)建;對(duì)于第二種分類，說(shuō)明應(yīng)該著重針對(duì)產(chǎn)品外觀和產(chǎn)品功能來(lái)構(gòu)建一類產(chǎn)品模型;同理，另外一種產(chǎn)品模型的構(gòu)建應(yīng)著重考慮產(chǎn)品的使用環(huán)境和產(chǎn)品的可靠性?？梢钥闯?，通過(guò)這樣的聚類，產(chǎn)品模型的種類減少了，但產(chǎn)品模型覆蓋的客戶需求是完備的。
模糊數(shù)據(jù)挖掘能夠自動(dòng)地從數(shù)據(jù)庫(kù)中發(fā)掘出新的知識(shí)，經(jīng)過(guò)檢驗(yàn)和驗(yàn)證，然后返回對(duì)用戶有用的結(jié)果，而不是根據(jù)用戶對(duì)事物的假設(shè)去檢驗(yàn)和驗(yàn)證。它與傳統(tǒng)的數(shù)據(jù)分析本質(zhì)的區(qū)別是:它是在沒(méi)有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識(shí)。數(shù)據(jù)挖掘系統(tǒng)已成功地用于超大型數(shù)據(jù)庫(kù)的知識(shí)挖掘。
在信息時(shí)代，要充分利用企業(yè)的信息資源，從以產(chǎn)品為中心的管理模式轉(zhuǎn)變?yōu)橐钥蛻魹橹行牡墓芾砟Ｊ缴蟻?lái)，利用模糊數(shù)據(jù)挖掘技術(shù)，分析客戶的特征，探索企業(yè)和所對(duì)應(yīng)市場(chǎng)的運(yùn)營(yíng)規(guī)律，不斷提高企業(yè)的經(jīng)濟(jì)效益是企業(yè)發(fā)展的必由之路。
上一篇：
Web 2.0對(duì)于CRM的影響下一篇：
CRM與EFM結(jié)合，助你讀懂客戶所想(2008-11-27）