數(shù)據(jù)挖掘技術在協(xié)作型CRM系統(tǒng)中的應用.pdf

1、協(xié)作型CRM(Associated CRM)在CRM系統(tǒng)中主要負責企業(yè)與客戶的直接溝通，收集客戶信息以提供客戶服務。近年來伴隨移動互聯(lián)網的高速發(fā)展，企業(yè)與客戶的溝通方式更加多樣，溝通內容更加豐富。目前主流CRM的數(shù)據(jù)挖掘主要是通過操作型CRM將由協(xié)作型CRM系統(tǒng)輸入的格式化業(yè)務數(shù)據(jù)提供給分析型CRM做挖掘，但協(xié)作型CRM的自身大量原始會話交流信息往往被忽略。本文從協(xié)作型CRM客服會話的特點入手，選用分類算法(Sorting)和聚類算法(

2、Clustering)這兩大商業(yè)分析應用廣泛的算法對會話進行分類，挖掘出會話咨詢的分布特點和規(guī)律，協(xié)助公司評判產品服務，分析未來趨勢，發(fā)現(xiàn)潛在需求等。
　　首先，本文介紹了CRM系統(tǒng)的發(fā)展與應用現(xiàn)況，協(xié)作型CRM的特點，企業(yè)對協(xié)作型CRM數(shù)據(jù)的實際需求等，并分析介紹分類和聚類算法的相關基本概念與國內外研究現(xiàn)況，針對協(xié)作型CRM選擇合適的算法。同時，針對協(xié)作型CRM會話目標性較強且有一定發(fā)散度的特點對已有的決策樹(Decision

3、Tree)算法進行改進和優(yōu)化。
　　其次，為處理決策屬性為多決策組合值的訓練數(shù)據(jù)提出了復合型決策值分裂方法實現(xiàn)了決策樹對同一樣本輸出多個分類結果的功能。針對決策樹生成耗時過長問題優(yōu)化了劃分條件以及連續(xù)變量的離散化方法。同時，通過配置動態(tài)偏移量影響數(shù)據(jù)權重，改善數(shù)據(jù)分布效果以優(yōu)化聚類效果。在聚類階段通過配置聚類簇數(shù)偏好值，結合密度聚類與原型聚類對分類后的各個子集進行兩個階段的聚類并給出兩類聚類之間的關聯(lián)關系。
　　最后，通過仿