数据挖掘在我国商业银行信用风险度量模型中的应用

基于数据挖掘的银行客户管理信息系统就是银行利用数据挖掘技术,通过有效充分的数据挖掘,将银行客户资料作不同角度的分析,从中对客户进行定位分类,明确客户的消费倾向与消费模式,预测客户的风险性,从而实现与银行信用风险度量系统的结合.     

基于数据挖掘的分析型CRM应用研究

在对数据挖掘技术和应用模型进行分析的基础上,提出了将数据挖掘技术应用于分析型CRM系统,以及应该在CRM系统中如何进行数据挖掘工具的选择,在企业中构建分析型CRM系统应遵循的步骤,最后阐述在所收集的客户数据的基础上,如何进行客户的细分、如何获取客户、企业如何避免大客户的流失以及交叉营销等.     

应用数据挖掘方法分析客户价值综述

客户价值认识和研究已成为营销学者研究的热点领域,并被视为企业发展竞争新优势,而数据挖掘技术的兴起有效解决大数据下知识发现和信息提取问题,运用逻辑回归、决策树、神经网络、遗传算法和支持向量机等数据挖掘技术能够有效完成客户获取、客户发展和客户保留等客户价值管理内容。本文回顾了过去20年不同学者应用不同数据挖掘算法在客户价值分析方面的研究,总结了不同算法的适用性,并结合现有研究不足给出未来研究展望。     

基于单位BP神经网络算法的数据挖掘技术在电力客户信用等级评价中的应用研究

电力客户信用管理和信用评价,已经成为电力企业的一种经营工具和手段.本文结合数据挖掘技术在信用评价中的应用优势,以数据挖掘的通用模型CRISP-DM为基础,建立了电力客户信用评价的过程标准,构建了电力客户信用评价指标体系,应用单位BP神经网络算法构造了电力客户信用模型,并对该模型进行了实例分析,从而将电力客户信用分为5个等级.     

数据挖掘在现代企业CRM中的应用研究

笔者在探讨CRM的基础上,将数据挖掘技术应用于现代CRM领域。基于描述式数据挖掘和预测式数据挖掘,构建了描述模型和预测模型,对客户进行描述分析和分类预测,实现客户全生命周期管理,为企业经营、决策支持和商业智能发挥重要作用。     

数据挖掘技术在客户分类管理中的应用

本文从数据挖掘技术在客户关系管理中的应用入手,分析了客户分类的必要性,研究了客户分类的数据挖掘系统架构。通过对客户进行分类,获取有助于企业营销决策的大量有价值的信息,使企业能及时、准确掌握客户资源及变化趋势,有效地对客户资源进行管理,赢得更多客户,从而获得竞争优势。     

基于关联规则应用的零售业核心竞争力分析

本文对数据挖掘的关联规则进行了阐述,探讨了如何利用它来进一步提高零售业核心竞争力,并结合案例分析了如何利用数据挖掘对超市出售的商品进行关联性分析来提高客户的满意度.     

浅谈基于数据挖掘的客户关系管理

基于数据挖掘的客户关系管理提供了一个利用各种方式收集和分析客户数据的智能系统,可以帮助企业有效地制定客户发展策略,为客户提供个性化服务,并将极大地提高企业的决策效率和决策能力.     

数据挖掘在电信企业客户关系管理中的应用探讨

数据挖掘是一个应用统计学和人工智能等算法进行知识发现的过程。本文介绍了数据挖掘技术的相关知识及其在电信企业客户关系管理中的应用，并以客户流失分析作为实例，探讨了数据挖掘的应用过程。     

数据挖掘在CRM中的应用

从一个企业内部来说,CRM的 功能可以分为三个方面：销售、营销和客户服务,具体包括客户管理、联系人管理、时间管理、潜在客户管理、销售管理、营销管理、电话营销、客户服务等,有的还包括了呼叫中心、合作伙伴关系管理、商业智能、知识管理、电子商务等。数据挖掘技术能够帮助企业管理客户生命周期的各个阶段,包括争取新的客户、让已有的客户创造更多的利润、保持住有价值的客户,确定了客户的特点,为客户提供有针对性的服务等等。这里,笔者将介绍数据挖掘在CRM中应用的以下五个主要方面："1、 客户细分" 客户细分是企业有…     

浅析Web数据挖掘在电子商务中的应用

电子商务是现代商业模式,数据挖掘是先进的信息处理技术。随着电子商务发展的势头越来越强劲,面向电子商务的数据挖掘将是一个非常有前景的领域。它能自动预测客户的消费趋势、市场走向,指导企业建设个性化智能网站,带来巨大的商业利润,可以为企业创建新的商业增长点。本文主要介绍了Web数据挖掘的概念和分类,并通过优化企业资源、管理客户数据、提高站点点击率、评估商业信用、确定异常事件五个方面来阐述数据挖掘在电子商务中的应用,揭示了数据挖掘在电子商务中的广阔的应用前景。     

数据挖掘决策树分类算法在移动通信业的应用

面对移动通信行业愈演愈烈的竞争,发展潜在客户以及保持现有客户显得至关重要。本文通过数据挖掘技术的分类回归算法在通信行业的应用,介绍了建立模型的整个过程,对模型的评估以及与营销活动的关系,进而为电信企业识别潜在客户提供了有力依据。     

数据挖掘在企业信息化中的认识误区探析

本文分析了企业信息化进程中对数据挖掘认识的几个误区,指出应对数据挖掘进行正确的定位,即:数据挖掘只是一个工具:数据挖掘之前必须要充分准备和了解数据;数据挖掘工具不能自动挖掘出所需要的信息,需有专家的指导;数据挖掘的结果不可预期,在应用时要面向客户,讲求实际;数据挖掘只是商业智能过程中的一部分,只有将其与数据仓库、在线分析处理融合在一起,才能构成完整的企业决策分析环境.     

数据挖掘技术在CRM中的应用

客户关系管理(CRM)是数据挖掘技术的重要应用领域,也正是因为具有数据挖掘技术的支持才使CRM具有越来越广泛的市场价值和研究价值。本篇论文综述了面向CRM的数据挖掘应用的总体研究情况。包括面向CRM数据挖掘的体系结构;从客户生命周期的角度和行业应用角度分析了CRM中数据挖掘的应用状况;最后结合当前数据挖掘技术的发展指出了CRM中数据挖掘应用的进一步发展趋势以及我国在该领域的研究方向。     

电子商务环境下iCRM体系结构分析

智能客户关系管理是电子商务时代客户关系管理发展的新方向.本文首先描述了iCRM和客户智能,并对iCRM的数据挖掘结构模型进行分析,最后详细剖析了基于客户智能的iCRM的体系结构.     

基于客户价值的B2C客户分类探析

网络经济使得客户成为企业制胜的关键,B2C电子商务的迅速发展积累了海量数据,如何通过分析数据挖掘客户的价值,并对客户进行分类管理成为企业急需解决的重要问题。文章通过分析B2C电子商务的客户价值与度量指标,结合RFM和Marcus分类模型建立了符合B2C电子商务客户分类指标,具有一定的实用性。此外,文章结合B2C电子商务客户的特点,指出了利用数据挖掘中的分类技术来挖掘客户的价值从而进行客户分类这一新方法。     

面向客户需求的神经网络挖掘方法

客户细分是客户关系管理的主要内容，对客户进行细分有助于优化企业资源配置和对客户进行差异化服务进而提高客户满意度。很多文献根据客户对企业的贡献利用相关模型对客户进行了细分，本文从差异化服务出发，根据客户的需求特征或需求层次对客户进行了细分，这有助于预测客户的需求和减少企业的营销成本。在具体细分过程中根据数据挖掘的思想采用了自组织映射神经网络模型，并通过模拟说明了模型的有效性。     

客户利润贡献度评价的数据挖掘方法

讨论了客户关系管理中的客户利润贡献度评价这一关键问题. 为了提高客户利润贡献度评 估的可操作性,本研究在评价方法中引入数据挖掘技术,给出了这一方法的步骤和基于判定树的分 类模型. 最后结合实例对该方法的应用进行了说明.     

现代商场客户关系管理的方法

本文根据大型商场的销售部门工作实际情况,从面向客户的角度出发,针对现代商场在客户关系管理中存在的问题进行阐述同时提出解决办法。并探讨现代商场如何有效运用客户关系管理的先进理念以及数据挖掘方法,了解客户价值,区分不同类型客户,提高客户满意度、忠诚度,制定个性化营销方案,增加稳定长远收益。     

基于蚁群智能的客户群偏好分析方法

采用蚁群智能的数据挖掘方法,根据客户对产品属性的偏好评分,对客户进行有效的分类.将客户偏好作为n维空间中的一个点,运用基于蚁群智能的聚类方法,根据预先设定的群体相似系数和拾起或放下概率进行聚类分析,在空间中采用递归算法,以获得不同偏好特征的客户群体模式.