第一篇:电商网站设计中网络数据挖掘技术的运用论文
在经济全球化的时代背景下,信息经济早已成为世界范围内的新的经济增长点,而且随着我国逐渐加强了与国际经济的交流合作,使得企业的综合竞争力得到了增强,以此才能更好地应对全球市场中日趋激烈的竞争,同时我国还需要加强对电子商务所具有的众多优势的充分发挥,为企业的产品提供展现的舞台。
一、网络数据挖掘的重要性
电子商务的开展与完善的电子商务平台是密切相连的,作为电子商务平台之一的电子商务网站也应该在创新中不断的完善,而且与传统商务相比,电子商务网站具有独特的优势。在进行电子商务的过程中,进行电子商务网站的设计和建立是必不可少的,而建立一个电子商务网站还是比较简单的,但是唯一需要注重的问题就是对其经济和社会效益的提高。同时还要考虑网站在运行中。会有大量的记录以及日志文件等再相应服务器中生成,这些数据包含了很多客户信息,因此需要充分分析和挖掘这些数据,进而让所设计出来的网站基本满足客户的需求,以此才能使得自身的竞争力得到有效加强,进而获取更多的效益。
二、网络数据挖掘在电子商务网站设计的应用
在设计电子商务网站的时候,首选就需要帮助销售商对客户行为的了解,这样才能使得站点的使用效率得到有效提高,此时就需要应用数据挖掘技术,这样网络管理员就可以根据客户在上网过程中所浏览的网站页面及其数据信息归纳分析经常访问该站点的用户类型,及其访问途径和通过怎样的方式完成交易等内容,这样才能让建立的网站更吸引客户,同时也为网站结构的进一步优化、站点访问量和效果的提升提供有利的依据。整个电子商务网站的设计包括三个步骤,分别为数据信息的采集、分析以及提供个性化服务。
1.数据信息的采集
因为只有将客户相关的数据信息收集起来,才能在分析之后,将个性化的服务提供给客户,也就是说电子商务网站向客户提供个性化服务是基于说数据信息采集的。销售商能够得到客户在注册过程中保存的信息,即客户的基本信息,包括姓名、籍贯、家庭住址、出生日期以及爱好等,同时还能根据客户所浏览的网页和商品等信息,对客户关注和倾向的商品进行判断,进而为客户建立相应的服务档案。而且客户人员还能在计算机的数据库中存储客户与自身交流时的数据信息。当客户完成订单和付款之后,可以对其收货地址信息加以确定,进而掌握客户的所在地等信息,进而进一步完善客户对应的信息数据库。同时还能够对客户的投诉和评价进行分类整理,使客户的服务档案得到不断的完善,以此为网站的优化提供更加有利的数据资料。与此同时还会将数据挖掘技术引入到网络服务器中,进行一个可以对客户浏览途径和页面以及点击产品信息加以记载的数据库系统,实现各企业资源共享的目标,并且还不会对网络服务器的访问速度产生影响。
2.数据信息的分析
想要设计出一个成功的电子商务网站,就应该在保持对客户完全透明的基础上,及时、快速、准确的分析客户资料及其访问行为,进而保证客户访问页面的处理时间不被占用的条件下,为客户提供一个可以更方便、快捷的进行网购、网上交易等商务活动环境。首先,就要分析客户行为和登录方式,对网站客户群进行划分归类;其次在进行内容设计的时候重点考虑客户群的年龄、爱好和特点等方面,将网站内容加以归类,并针对不同类别的客户群,展示客户感兴趣的商品信息,最后再根据客户的访问、浏览信息以及订单信息,为客户的行为资料进行及时修改和完善。
3.个性化服务
这就是通过挖掘网络数据信息,了解和掌握客户的需求和兴趣,准确的向客户提供个性化的产品推荐,这不但要根据客户的诸多方面对其提供满足其需求的信息,而且还是主动为客户提供所需信息,使网站的个性化服务的特点更为突出,进而吸引更多的客户。并且为了使得客户类型更加稳定和准确,就需要优先臭氧统计具有较长注册时间、较多浏览记录以及产品购买数量大的客户。
三、结束语
总而言之,对于电子商务网站的设计,因其页面较多,是动态的,并且较为复杂,很难找到完整的结构模型,因此很难在网络中快速的找到人们所需的商业数据信息,这就需要在网站设计中应用网络数据挖掘,进而为销售商带去更多效益。
参考文献:
[1]黄玲。在电子商务中应用 Web数据挖掘的研究[D].湖南大学,2014.[2]马宗亚,张会彦。Web 数据挖掘技术在电子商务中的应用研究[J].现代经济信息,2014,06:395.[3]杜芳芳。浅析基于 Web 数据挖掘的电子商务网站架构[J].电子商务,2010,02:69-70.[4]申云凤。基于 Web 数据挖掘的电子商务网站个性化服务的研究[J].中国管理信息化,2011,08:61-64.
第二篇:网站设计技术I-教学大纲(电商)
网站设计技术Ⅰ
Fundamental of Web Design
课程编码:05205150
学分:2.课程类别: 专业课
计划学时:48
其中讲课:32
实验或实践:16
上机:0 适用专业:电子商务
推荐教材:铁军主编,网站设计技术,中央广播电视大学出版社;第1版(2004年)参考书目:1.姜韡、吴涛主编,网站全程设计技术(修订本)清华大学出版社(2006出版)2.耿霞, 邹婷婷主编,网站设计与开发技术教程,人民邮电出版社;第1版(2009年)3.教育部推荐教材•数字媒体技术专业系列规划教材•专题网站创意设计与实现 吴倩、沙景荣 北京师范大学出版集团,北京师范大学出版社(2009-08出版)
课程的教学目的与任务
本课程是电子商务专业的专业课。本课程的教学目的和任务是让学生通过本课程的学习,学习从事网页设计、网站开发、网站维护、网页美工等方面知识与技能,为进一步的学习制作中小型企业的电子商务网站打下坚实的基础。学会如何根据电子商务企业的特点和企业的需求,进行网站设计规划,并配合开发人员全过程参与网站设计的研制、运行与维护过程,为企业电子商务管理服务。
课程的基本要求
学生通过学习网站设计技术方面的基本理论和基本知识,接受系统工程方法以及信息管理方法的基本训练,获得以下几方面的知识和能力:(1)掌握网站设计的基本概念,了解网站技术系统在电子商务管理中的地位和作用、管理信息系统的种类和应用领域;(2)理解网站设计的系统分析方法、设计方法和实现技术;(3)掌握网站设计的系统规划和开发方法以及网站项目管理和运行及维护管理的基本知识;(4)掌握html、css、javascript语言和Dreamveaver、flash软件,具有综合运用各种网络开发语言和设计软件的基本能力;(5)了解课程相关领域的最新技术和发展动态等。
各章节授课内容、教学方法及学时分配建议(含课内实验)
第一章
网站设计概述
建议学时:6 [教学目的与要求] 认识什么是网页、网页中的基本元素、网站的分类,了解常用网页制作与美化工具,学习网页艺术设计基础知识,掌握网页制作基本流程。[教学重点与难点] 网站设计流程。
[授
课
方
法] 以课堂讲授为主,课堂讨论和课下自学为辅。[授 课 内 容] 第一节 基本概念
一、网站的特点
二、网站的分类 第二节 网站的设计
一、网站主题、名称和CI形象的定位
二、网站的整体风格和创意设计
三、网站设计的主要工具
四、网站设计流程
第二章
网站设计基础语言HTML
建议学时:12 [教学目的与要求] 理解什么是HTML,掌握HTML基本语法,掌握常见的HTML标记,学习使用reamweaver编辑HTML,学习查找和替换HTML代码,学习使用Dreamweaver优化HTML代码,定制HTML的代码格式。[教学重点与难点] HTML的基本标识符和基本语法、表格和表单制作。[授
课
方
法] 以课堂讲授为主,课堂讨论和课下自学为辅。[授
课
内
容] 第一节 HTML简介
一、HTML的发展
二、HTML的结构 第二节 HTML语法
一、HTML的语法
二、HTML的标签定义
三、创建HTML文档 第三节 HTML基础标签
一、文件标签
二、排片标签
三、框架标签
四、字体标签
五、表格与清单标签
六、表单标签
七、超链接标签
八、多媒体标答
第四节 综合案例
第三章
CSS样式在网页中的应用
建议学时:12 [教学目的与要求]理解CSS样式,认识“层叠样式表-CSS”,CSS选择器,创建CSS样式,设置CSS样式,使用CSS创建网页。
[授
课
方
法] 以课堂讲授为主,课堂讨论和课下自学为辅。[授
课
内
容] 第一节 CSS语言
一、CSS简介
二、CSS与HTML文档的结合方法 第二节 CSS基础
一、理解和使用CSS的属性
二、CSS语法规则 第三节 CSS基础应用
一、CSS样式的单位
二、CSS样式在网页中的应用
三、用CSS样式制作一些特殊效果 综合案例:CSS滤镜
第四章
JavaScript语言
建议学时:6 [教学目的与要求] 了解JavaScript是一种基于对象和事件驱动并具有相对安全性的客户端脚本语言。同时也是一种因特网上最流行的脚本语言,掌握JavaScript可在所有主要的浏览器中运行的原理与功能;掌握JavaScript 被用来改进设计、验证表单、检测浏览器、创建cookies等用法。[教学重点与难点] JavaScript的运行机理、用法。
[授
课
方
法] 以课堂讲授为主,课堂讨论和课下自学为辅。[授
课
内
容] 第一节 JavaScript简介
一、什么是 JavaScript?
二、Java 和 JavaScript区别
三、JavaScript 能做什么? 第二节 JavaScript 基础
一、JavaScript的语法
二、JavaScript的语句
三、JavaScript的变量
四、如何把 JavaScript 放入 HTML 页面 第三节 JavaScript 对象
一、JavaScript 对象简介
二、面向对象编程的概念
三、JavaScript 字符串(String)对象
四、JavaScript Date(日期)对象
五、JavaScript Array(数组)对象
第四节 综合案例
第五章
网页二维动画设计基础
建议学时:12 [教学目的与要求] 了解什么是动画?什么是Flash动画制作?学习逐帧动画、运动动画、变形动画、遮罩动画、导向动画、音响动画等网页二维动画的设计方法。[教学重点与难点] 决策支持系统和商务智能的原理。
[授
课
方
法] 以课堂讲授为主,课堂讨论和课下自学为辅。[授
课
内
容] 第一节 动画基本理论
一、什么是动画?
二、帧和运动
三、动态动画 VS 静态动画
第二节 FLASH简介
一、传统动画及制作过程
二、什么是FLASH
三、为什么用FLASH
四、FLASH的特点 第三节 FLASH基础
一、FLASH动画基础知识
二、时间轴
三、关键帧
四、过渡帧
五、工具箱与面板
六、元件、实例与库
七、图层的使用 综合案例
撰稿人:杜培林
审核人:
第三篇:高校管理中数据挖掘技术的研究论文
摘要:近年来,数据库挖掘技术的普遍应用,使数据价值实现最大化,在我国金融、商业、市场营销等领域得到广泛应用。然而在我国高校管理中并没有得到推广,为使高校管理系统中的数据充分发挥应有价值,在该系统中使用数据库挖掘技术意义深远。本文首先介绍了数据挖掘技术的流程,然后在教师教学质量评估中应用数据库挖掘技术,充分证明数据库挖掘技术在高校管理中能发挥重大作用。
关键词:管理;决策树;数据挖掘技术
当前,大部分高校都拥有配套的管理系统,该系统具备海量数据储存和管理功能,彻底告别了手工记录信息和数据的年代。不但节约了纸张,更有效提高了高校管理数据和信息的效率。然而我国高校没有有效利用应用数据挖掘技术,因此研究数据库挖掘技术在高校管理中的应用十分必要。
1数据挖掘技术的流程
数据挖掘技术能够将海量数据展开分析和处理,再把整体数据库中存在规律的数据整合起来,实施该技术主要包括以下五个环节。目标定义:该环节中要与有关领域的背景知识相结合,清晰、精确的定义出数据挖掘目标。数据准备:在该环节中要搜集、选取数据源中的数据,处理已选数据,将其转换为适合数据挖掘的形态。数据挖掘:该环节是数据挖掘技术的核心,即采用关联规则法、分类分析法等各种数据挖掘方法把数据中隐藏的知识和规律发掘出来。结果表示:在该环节中可以以用户需求为依据,将挖掘出来的知识和规律转变为用户能接受和理解的形态。知识吸收:该环节中,主要是把挖掘结果与指定领域中的需求相结合,在该领域中应用发掘出来的结果,为决策者提供知识,是数据挖掘的终极目标。
2数据挖掘技术在教学质量评估中的应用
2.1运用关联规则法挖掘数据库中的信息
评估老师教学质量不但是评定教学效果的重要部分,也是评定教师职称的重要根据,因此是高校管理工作中不可或缺的部分。目前评估教学质量的主要措施是搜集、统计学生的成绩和以及对老师的评价,然后加权算出老师的总得分,作为评估该老师教学质量指标。这种方法非但不科学,其权威性也较低,因此需要深挖数据的相关性,本文采用了数据挖掘技术中的关联规法挖掘数据中的规律和知识,为评估老师教学质量提供有力根据。运用关联规则法挖掘数据,其规则方法为“XY,置信度为c%,支持度为s%”。关联规则中置信度为c%:在整体事件D集合中,如果既能够符合事件X中拥有c%的需求,也能够符合Y的要求。那么就用置信度来表示关联规则的强度,被记录为confidence(XY),置信度最小值用minConf来表示,通常置信度最小数值由客户提供。关联规则中置信度为s%:在整体事件D集合中,如果既能够符合事件Y中的s%的需求,又能够符合X要求。用支持度来表示关联规则的频度,把支持度的最小数记录用minsup(X)来表示,通常支持度最小数值由客户提供。频繁项集合:当X项集的支持度大于等于用户设定好的最小支持度时,那么频繁项集是X。通常关联规则包含两个环节:①把全部频繁项集从整体事件集中选出;②运用频繁项集产生关联规则。在这两个环节中关联规则效果和性能是否良好取决于第一个环节。
2.2关联规则分析在评估教学质量中的运用
第一步是准备数据期,在某大学的教学管理系统中将五百条与教学评价有关的记录从数据库中随机抽取,并挑选出老师编号、学历、性别、教龄、评估分和职称这六个属性,并将相关数据从数据库中提取。比如把讲师、副教授和教授等职称转化成11、01、00等编码,表1就是制定的评价教师教学记录表。第二步采用关联规则分析法把90分以上评价分数作为检索目标和判断标准,也就是将≥90分作为判断是否是高教学质量阙值。通过检索有143条记录符合标准,即设定最小的支持度为10%,置信度则为15%,得出下表2的关联规则。最后一步评价本次实验的结果。由上表得知,学生喜欢男老师和女老师的程度大致相同;学历愈高的老师,给予他们的教学评价也就愈高,即学历和教学评价成正比,这也说明了学历高的老师其基本功与学历低的老师相比,前者基本功更为稳固,也有较高的科学研究水平;有较长教龄和较高职称的老师,其教学质量也越高;此外,在支持度中可以看出,高校教授和高学历人才越多,说明其办学能力也就越高。
3结语
高校管理系统作为教学信息化的重要举措,只是起到搜集和储存海量教学信息的作用,并没有挖掘出海量数据之间的相关性,而在本文中把关联规则法运用在教师教学质量评估中,在数据中挖掘有价值的知识和规律,使评估教师教学质量更具有科学性,因此在高校管理中全面应用数据挖掘技术,能为高校深化教学改革提供新的契机。
参考文献
[1]江敏,徐艳。数据挖掘技术在高校教学管理中的应用[J]。电脑知识与技术,2012,(24):541—545+560。
[2]杨雪霞。数据挖掘技术在高校图书馆管理系统中的应用研究[J]。软件,2011(04):16—18。
第四篇:大数据时代数据挖掘技术教学研究论文
摘要:随着大数据时代的到来,在大数据观念不断提出的今天,加强数据大数据挖掘及时的应用已成为大势所趋。那么在大数据教学过程中,我们必须掌握大数据与数据挖掘的内涵,并对数据挖掘技术进行分析,从而明确大数据时代下数据挖掘技术的应用领域,促进各项数据的处理,提高大数据处理能力。
关键词:大数据时代;数据挖掘技术;应用
大数据是对全球的数据量较大的一个概括,且每年的数据增长速度较快。而数据挖掘,主要是从多种模糊而又随机、大量而又复杂且不规则的数据中,获得有用的信息知识,从数据库中抽丝剥茧、转换分析,从而掌握其潜在价值与规律。所以大数据时代下的数据处理技术要求更高,要想确保数据处理成效得到提升,就必须切实加强数据挖掘技术教学工作的开展,才能更好地促进数据处理职能的转变,提高数据处理效率,优化学生的学习成效。以下就大数据时代下的数据挖掘技术教学做出如下分析。
1大数据时代下数据挖掘技术的基础教学方法分析
数据挖掘的过程实际就是对数据进行分析和处理,所以其基础就在于数据的分析方法。要想确保分析方法的科学性,就必须确保所采用算法的科学性和可靠性,获取数据潜在规律,并采取多元化的分析方法促进问题的解决和优化。以下就几种常见的数据分析教学方法做出简要的说明。一是归类法,主要是将没有指向和不确定且抽象的数据信息予以集中,并对集中后的数据实施分类整理和编辑处理,从而确保所形成的数据源具有特征一致、表现相同的特点,从而为加强对其的研究提供便利。所以这一分析方法能有效的满足各种数据信息处理。二是关联法,由于不同数据间存在的关联性较为隐蔽,采取人力往往难以找出其信息特征,所以需要预先结合信息关联的表现,对数据关联管理方案进行制定,从而完成基于某种目的的前提下对信息进行处理,所以其主要是在一些信息处理要求高和任务较为复杂的信息处理工作之中。三是特征法,由于数据资源的应用范围较广,所以需要对其特征进行挖掘。也就是采用某一种技术,将具有相同特征的数据进行集中。例如采用人工神经网络技术时,主要是对大批量复杂的数据分析,对非常复杂的模式进行抽取或者对其趋势进行分析。而采取遗传算法,则主要是对其他评估算法的适合度进行评估,并结合生物进化的原理,对信息数据的成长过程进行虚拟和假设,从而组建出半虚拟、半真实的信息资源。再如可视化技术则是为数据挖掘提供辅助,采取多种方式对数据的挖掘进行指导和表达[1]。
2大数据时代数据挖掘技术教学要点的分析
2.1数据挖掘技术流程分析
在数据挖掘教学过程中,其流程主要是以下几点:首先做好数据准备工作,主要是在挖掘数据之前,就引导学生对目标数据进行准确的定位,在寻找和挖掘数据之前,必须知道所需数据类型,才能避免数据挖掘的盲目性。在数据准备时,应根据系统的提示进行操作,在数据库中输入检索条件和目标,对数据信息资源进行分类和清理,以及编辑和预处理。其次是在数据挖掘过程中,由于目标数据信息已经被预处理,所以就需要在挖掘处理过程中将其高效正确的应用到管理机制之中,因而数据挖掘的过程十分重要,所以必须加强对其的处理。例如在数据挖掘中,引导学生结合数据挖掘目标要求,针对性的选取科学而又合适的计算和分析方法,对数据信息特征与应用价值等进行寻找和归纳。当然,也可以结合程序应用的需要,对数据区域进行固定,并在固定的数据区域内分类的挖掘数据,从而得到更具深度和内涵以及价值的数据信息资源,并就挖掘到的数据结果进行分析和解释,从结果中将具有使用价值和意义的规律进行提取,并还原成便于理解的数据语言。最后是切实加强管理和计算等专业知识的应用,将数据挖掘技术实施中进行的总结和提取所获得的数据信息与评估结果在现实之中应用,从而对某个思想、决策是否正确和科学进行判断,最终体现出数据挖掘及时的应用价值,在激发学生学习兴趣的同时促进教学成效的提升。
2.2挖掘后的数据信息资源分析
数据信息资源在挖掘后,其自身的职能作用将变得更加丰富,所以在信息技术环节下的数据挖掘技术随着限定条件的变化,而将数据挖掘信息应用于技术管理和决策管理之中,从而更好地彰显数据在经济活动中的物质性质与价值变化趋势,并结合数据变化特点和具体的表现规律,从而将数据信息的基本要素、质量特点、管理要求等展示出来,所以其表现的形式十分丰富。因而在数据挖掘之后的信息在职能范围和表现形式方式均得到了丰富和拓展,而这也在一定程度上体现了网络拟定目标服务具有较强的完整性,且属于特殊的个体物品,同时也是对传统数据挖掘技术的创新和发展,从而更好地满足当前大数据时代对信息进行数据化的处理,并对不同种类业务进行整合和优化,从而促进数据挖掘技术服务的一体化水平。
2.3大数据背景下的数据挖掘技术的应用必须注重信息失真的控制
数据挖掘技术的信息主要是源于大数据和社会,所以在当前数据挖掘技术需求不断加大的今天,为了更好地促进所挖掘数据信息的真实性,促进其个性化职能的发挥,必须在大数据背景下注重信息失真的控制,切实做好数据挖掘技术管理的各项工作。这就需要引导学生考虑如何确保数据挖掘技术在大数据背景下的职能得到有效的发挥,尽可能地促进数据挖掘技术信息资源的升级和转型,以大数据背景为载体,促进整个业务和技术操作流程的一体化,从而更好地将所有数据资源的消耗和变化以及管理的科学性和有效性,这样我们就能及时的找到资源的消耗源头,从而更好地对数据资源的消耗效益进行评价,最终促进业务流程的优化,并结合大数据背景对数据挖掘技术的职能进行拓展,促进其外部信息与内部信息的合作,对数据挖掘技术信息的职能进行有效的控制,才能更好地促进信息失真的控制[2]。
3数据挖掘技术在不同行业中的应用实践
学习的最终目的是为了更好的应用,随着时代的发展,数据挖掘技术将在越来越多的行业中得以应用。这就需要高校教师引导学生结合实际需要强化对其的应用。例如在市场营销行业中数据挖掘技术的应用这主要是因为数据挖掘能有效的解析消费者的消费行为和消费习惯,从而利用其将销售方式改进和优化,最终促进产品销量的提升。与此同时,通过对购物消费行为的分析,掌握客户的忠诚度和消费意识等,从而针对性的改变营销策略,同时还能找到更多潜在的客户。再如在制造业中数据挖掘技术的应用,其目的就在于对产品质量进行检验。引导学生深入某企业实际,对所制造产品的数据进行研究,从而找出其存在的规则,并对其生产流程进行分析之后,对其生产的过程进行分析,从而更好地对生产质量的影响因素进行分析,并促进其效率的提升。换言之,主要就是对各种生产数据进行筛选,从而得出有用的数据和知识,再采取决策树算法进行统计决策,并从中选取正确决策,从而更好地对产品在市场中的流行程度,决定生产和转型的方向。再如在教育行业中数据挖掘技术的应用,主要是为了更好地对学习情况、教学评估和心里动向等数据进行分类和筛选,从而为学校的教学改革提供参考和支持。比如为了更好地对教学质量进行评估,就需要对教学质量有关项目进行整合与存储,从而更好地促进其对教学质量的评估,而这一过程中,就需要采取数据挖掘技术对有关教学项目中的数据进行挖掘和处理,促进其应用成效的提升[3]。
4结语
综上所述,在大数据背景下,数据挖掘技术已经在各行各业中得到了广泛的应用,所以为了更好地满足应用的需要,在实际教学工作中,我们必须引导学生切实加强对其特点的分析,并结合实际需要,切实注重数据挖掘技术的应用,才能促进其应用成效的提升,最终达到学以致用的目的。
参考文献:
[1]李平荣.大数据时代的数据挖掘技术与应用[J].重庆三峡学院学报,2014,03:45-47.[2]欧阳柏成.大数据时代的数据挖掘技术探究[J].电脑知识与技术,2015,15:3-4+9.[3]孔志文.大数据时代的数据挖掘技术与应用[J].电子技术与软件工程,2015,23:195.
第五篇:公共管理论文--将数据挖掘技术应用在客户关系管理中
[摘要] 在客户关系管理中,企业将面临大量的来自于客户和市场的数据和信息,这些数据是大量的、不完全的、有噪声的、模糊的、随机的,但同时又是非常有用的。数据挖掘技术可以将这些数据有效的分析、整理,从而给数据使用者提供有效、及时的信息。本文就数据挖掘技术在客户关系管理中如何应用做了粗浅的探讨。
[关键词] 数据挖掘 客户关系管理 应用 步骤
根据波特的影响企业的利益相关者理论,企业有五个利益相关者,分别是客户、竞争对手、供应商、分销商和政府等其他利益相关者。其中,最重要的利益相关者就是客户。现代企业的竞争优势不仅体现在产品上,还体现在市场上,谁能获得更大的市场份额,谁就能在竞争中占据优势和主动。而对市场份额的争夺实质上是对客户的争夺,因此,企业必须完成从“产品”导向向“客户”导向的转变,对企业与客户发生的各种关系进行管理。进行有效的客户关系管理,就要通过有效的途径,从储存大量客户信息的数据仓库中经过深层分析,获得有利于商业运作,提高企业市场竞争力的有效信息。而实现这些有效性的关键技术支持就是数据挖掘,即从海量数据中挖掘出更有价值的潜在信息。正是有了数据挖掘技术的支持,才使得客户关系管理的理念和目标得以实现,满足现代电子商务时代的需求和挑战。
一、客户关系管理(CRM)
CRM是一种旨在改善企业与客户之间关系的新型管理方法。它是企业通过富有意义的交流和沟通,理解并影响客户行为,最终实现提高客户获取、客户保留、客户忠诚和客户创利的目的。它包括的主要内容有客户识别、客户关系的建立、客户保持、客户流失控制和客户挽留。通过客户关系管理能够提高企业销售收入,改善企业的服务,提高客户满意度,同时能提高员工的生产能力。
二、数据挖掘(DM)
数据挖掘(Data Mining,简称DM),简单的讲就是从大量数据中挖掘或抽取出知识。数据挖掘概念的定义描述有若干版本。一个通用的定义是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取人们感兴趣的知识,这些知识是隐讳的、事先未知的、潜在有用的信息。
常用的数据挖掘方法有:(1)关联分析。即从给定的数据集中发现频繁出现的项集模式知识。例如,某商场通过关联分析,可以找出若干个客户在本商场购买商品时,哪些商品被购置率较高,进而可以发现数据库中不同商品的联系,进而反映客户的购买习惯。(2)序列模式分析。它与关联分析相似,其目的也是为了控制挖掘出的数据间的联系。但序列模式分析的侧重点在于分析数据间的前后(因果)关系。例如,可以通过分析客户在购买A商品后,必定(或大部分情况下)随着购买B商品,来发现客户潜在的购买模式。(3)分类分析。是找出一组能够描述数据集合典型特征的模型,以便能够分类识别未知数据的归属或类别。例如,银行可以根据客户的债务水平、收入水平和工作情况,可对给定用户进行信用风险分析。(4)聚类分析。是从给定的数据集中搜索数据对象之间所存在的有价值联系。在商业上,聚类可以通过顾客数据将顾客信息分组,并对顾客的购买模式进行描述,找出他们的特征,制定针对性的营销方案。(5)孤立点分析。孤立点是数据库中与数据的一般模式不一致的数据对象,它可能是收集数据的设备出现故障、人为输入时的输入错误等。孤立点分析就是专门挖掘这些特殊信息的方法。例如,银行可以利用孤立点分析发现信用卡诈骗,电信部门可以利用孤立点分析发现电话盗用等。
三、数据挖掘在客户关系管理中的应用
1.进行客户分类
客户分类是将大量的客户分成不同的类别,在每一类别里的客户具有相似的属性,而不同类别里的客户的属性不同。数据挖掘可以帮助企业进行客户分类,针对不同类别的客户,提供个性化的服务来提高客户的满意度,提高现有客户的价值。细致而可行的客户分类对企业的经营策略有很大益处。例如,保险公司在长期的保险服务中,积累了很多的数据信息,包括对客户的服务历史、对客户的销售历史和收入,以及客户的人口统计学资料和生活方式等。保险公司必须将这些众多的信息资源综合起来,以便在数据库里建立起一个完整的客户背景。在客户背景信息中,大批客户可能在保险种类、保险年份和保险金额上具有极高的相似性,因而形成了具有共性的客户群体。经过数据挖掘的聚类分析,可以发现他们的共性,掌握他们的保险理念,提供有针对性的服务,提高保险公司的综合服务水平,并可以降低业务服务成本,取得更高的收益。
2.进行客户识别和保留
(1)在CRM中,首先应识别潜在客户,然后将他们转化为客户
这时可以采用DM中的分类方法。首先是通过对数据库中各数据进行分析,从而建立一个描述已知数据集类别或概念的模型,然后对每一个测试样本,用其已知的类别与学习所获模型的预测类别做比较,如果一个学习所获模型的准确率经测试被认可,就可以用这个模型对未来对象进行分类。例如,图书发行公司利用顾客邮件地址数据库,给潜在顾客发送用于促销的新书宣传册。该数据库内容有客户情况的描述,包括年龄、收入、职业、阅读偏好、订购习惯、购书资金、计划等属性的描述,顾客被分类为“是”或“否”会成为购买书籍的顾客。当新顾客的信息被输入到数据库中时,就对该新顾客的购买倾向进行分类,以决定是否给该顾客发送相应书籍的宣传手册。
(2)在客户保留中的应用
客户识别是获取新客户的过程,而客户保留则是留住老顾客、防止客户流失的过程。对企业来说,获取一个新顾客的成本要比保留一个老顾客的成本高。在保留客户的过程中,非常重要的一个工作就是要找出顾客流失的原因。例如,某专科学校的招生人数在逐渐减少,那么就要找出减少的原因,经过广泛的搜集信息,发现原因在于本学校对技能培训不够重视,学生只能学到书本知识,没有实际的技能,在就业市场上找工作很难。针对这种情况,学校应果断的抽取资金,购买先进的、有针对性的实验实训设备,同时修改教学计划,加大实验实训课时和考核力度,培训相关专业的教师。
(3)对客户忠诚度进行分析
客户的忠诚意味着客户不断地购买公司的产品或服务。数据挖掘在客户忠诚度分析中主要是对客户持久性、牢固性和稳定性进行分析。比如大型超市通过会员的消费信息,如最近一次消费、消费频率、消费金额三个指标对数据进行分析,可以预测出顾客忠诚度的变化,据此对价格、商品的种类以及销售策略加以调整和更新,以便留住老顾客,吸引新顾客。
(4)对客户盈利能力分析和预测
对于一个企业而言,如果不知道客户的价值,就很难做出合适的市场策略。不同的客户对于企业而言,其价值是不同的。研究表明,一个企业的80%的利润是由只占客户总数的20%的客户创造的,这部分客户就是有价值的优质客户。为了弄清谁才是有价值的客户,就需要按照客户的创利能力来划分客户,进而改进客户关系管理。数据挖掘技术可以用来分析和预测不同市场活动情况下客户盈利能力的变化,帮助企业制定合适的市场策略。商业银行一般会利用数据挖掘技术对客户的资料进行分析,找出对提高企业盈利能力最重要的客户,进而进行针对性的服务和营销。
(5)交叉销售和增量销售
交叉销售是促使客户购买尚未使用的产品和服务的营销手段,目的是可以拓宽企业和客户间的关系。增量销售是促使客户将现有产品和服务升级的销售活动,目的在于增强企业和客户的关系。这两种销售都是建立在双赢的基础上的,客户因得到更多更好符合其需求的服务而获益,公司也因销售增长而获益。数据挖掘可以采用关联性模型或预测性模型来预测什么时间会发生什么事件,判断哪些客户对交叉销售和增量销售很有意向,以达到交叉销售和增量销售的目的。例如,保险公司的交叉营销策略:保险公司对已经购买某险种的客户推荐其它保险产品和服务。这种策略成功的关键是要确保推销的保险险种是用户所感兴趣的,否则会造成用户的反感。
四、客户关系管理应用数据挖掘的步骤
1.需求分析
只有确定需求,才有分析和预测的目标,然后才能提取数据、选择方法,因此,需求分析是数据挖掘的基础条件。数据挖掘的实施过程也是围绕着这个目标进行的。在确定用户的需求后,应该明确所要解决的问题属于哪种应用类型,是属于关联分析、分类、聚类及预测,还是其他应用。应对现有资源如已有的历史数据进行评估,确定是否能够通过数据挖掘技术来解决用户的需求,然后将进一步确定数据挖掘的目标和制定数据挖掘的计划。
2.建立数据库
这是数据挖掘中非常重要也非常复杂的一步。首先,要进行数据收集和集成,其次,要对数据进行描述和整合。数据主要有四个方面的来源:客户信息、客户行为、生产系统和其他相关数据。这些数据通过抽取、转换和装载,形成数据仓库,并通过OLAP和报表,将客户的整体行为结果分析等数据传递给数据库用户。
3.选择合适的数据挖掘工具
如果从上一步的分析中发现,所要解决的问题能用数据挖掘比较好地完成,那么需要做的第三步就是选择合适的数据挖掘技术与方法。将所要解决的问题转化成一系列数据挖掘的任务。数据挖掘主要有五种任务:分类,估值预测,关联规则,聚集,描述。前三种属于直接的数据挖掘。在直接数据挖掘中,目标是应用可得到的数据建立模型,用其它可得到的数据来描述感兴趣的变量。后两种属于间接数据挖掘。在间接数据挖掘中,没有单一的目标变量,目标是在所有变量中发现某些联系。
4.建立模型
建立模型是选择合适的方法和算法对数据进行分析,得到一个数据挖掘模型的过程。一个好的模型没必要与已有数据完全相符,但模型对未来的数据应有较好的预测。需要仔细考察不同的模型以判断哪个模型对所需解决的问题最有用。如决策树模型、聚类模型都是分类模型,它们将一个事件或对象归类。回归是通过具有已知值的变量来预测其它变量的值。时间序列是用变量过去的值来预测未来的值。这一步是数据挖掘的核心环节。建立模型是一个反复进行的过程,它需要不断地改进或更换算法以寻找对目标分析作用最明显的模型,最后得到一个最合理、最适用的模型。
5.模型评估
为了验证模型的有效性、可信性和可用性,从而选择最优的模型,需要对模型进行评估。我们可以将数据中的一部分用于模型评估,来测试模型的准确性,模型是否容易被理解模型的运行速度、输入结果的速度、实现代价、复杂度等。模型的建立和检验是一个反复的过程,通过这个阶段阶段的工作,能使数据以用户能理解的方式出现,直至找到最优或较优的模型。
6.部署和应用
将数据挖掘的知识归档和报告给需要的群体,根据数据挖掘发现的知识采取必要的行动,以及消除与先前知识可能存在的冲突,并将挖掘的知识应用于应用系统。在模型的应用过程中,也需要不断地对模型进行评估和检验,并做出适当的调整,以使模型适应不断变化的环境。
参考文献:
[1]罗纳德.S.史威福特.客户关系管理[M].杨东龙译.北京:中国经济出版社,2002 [2]马刚:客户关系管理[M]大连:东北财经大学出版社,2008 [3]朱美珍:以数据挖掘提升客户关系管理[J].高科技产业技术与创新管理,2006,(27)[4]顾桂芳何世友:数据挖掘在客户关系管理中的应用研究[J].企业管理,2007,(7)[5]苏红澜:数据挖掘技术在客户关系管理中的应用[J].成都教育学院学报,2004(8)[6]李雄飞李军:数据挖掘与知识发现[M].北京:高等教育出版社, 2005