分類技術(shù)及其在客戶關(guān)系管理中的應(yīng)用.pdf

1、隨著信息采集技術(shù)和大容量、低成本存儲(chǔ)設(shè)備的廣泛應(yīng)用，人們積累的數(shù)據(jù)呈現(xiàn)爆炸性的增長(zhǎng)，但“數(shù)據(jù)爆炸但知識(shí)貧乏”問(wèn)題的日漸突出，帶來(lái)了對(duì)強(qiáng)有力的數(shù)據(jù)分析工具的需求，而數(shù)據(jù)挖掘的出現(xiàn)為這一需要提供了有力的技術(shù)支持。數(shù)據(jù)挖掘(DataMining)，也可以稱為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，就是從海量數(shù)據(jù)中提取隱含在其中的、針對(duì)某些用戶的信息的高級(jí)處理過(guò)程。 數(shù)據(jù)分類是數(shù)據(jù)挖掘的主要任務(wù)之一。所謂分類，就是從訓(xùn)練數(shù)據(jù)中發(fā)現(xiàn)同類數(shù)據(jù)對(duì)象的共同屬性，建

2、立類的判別模型，用以對(duì)新的數(shù)據(jù)所屬類的識(shí)別。然而，用于分類的數(shù)據(jù)往往可能包含有數(shù)以百計(jì)的屬性，其中大部分屬性與挖掘任務(wù)可能是不相關(guān)或是弱相關(guān)的，因此，屬性選擇的好壞對(duì)于分類的結(jié)果有著很大的影響。屬性選擇(Attributeselection)就是一個(gè)從原有的屬性集合中選擇一個(gè)(相對(duì)某種評(píng)價(jià)準(zhǔn)則)最優(yōu)屬性子集的過(guò)程。 本文提出了一個(gè)基于信息增益和卡方檢驗(yàn)的屬性選擇算法。該方法由兩部分組成，首先通過(guò)信息增益的計(jì)算，對(duì)原有的屬性進(jìn)行預(yù)

3、處理，留下那些信息增益高(信息量大)的屬性；然后利用卡方值的計(jì)算，選擇那些卡方值大(與目標(biāo)狀態(tài)差異大)的屬性，作為最后進(jìn)行挖掘的屬性集。 在競(jìng)爭(zhēng)日益激烈的移動(dòng)通信行業(yè)，如何降低運(yùn)營(yíng)成本、提供差異化服務(wù)、提高客戶的忠誠(chéng)度和滿意度顯得尤為重要。在這種情況下，運(yùn)營(yíng)商都希望能通過(guò)運(yùn)用客戶關(guān)系管理(CRM)，達(dá)到保留有價(jià)值客戶，挖掘潛在客戶，贏得客戶忠誠(chéng)，并最終獲得客戶長(zhǎng)期價(jià)值的目的。 在本文的最后，介紹了一下浙江移動(dòng)的一個(gè)客戶關(guān)