数据挖掘技术在客户关系管理中的研究
雷轶 陈云川 网络
一、引言

随着信息化技术的发展,电子商务的规模也日趋扩大,如何才能在电子商务竞争中取胜?能够提供客户资源及相关数据分析的客户关系管理(Customer Relationship Management,CRM)就成为焦点。作为专门管理企业前台的客户关系管理为企业提供了一个收集、分析和利用各种客户信息的系统,帮助企业充分利用其客户管理资源,也为企业在电子商务时代从容自如地面对客户提供了科学手段和方法。本文就客户关系管理中的用户信用度的分析进行了讨论。

二、神经网络模型分析

在本文,主要运用神经网络模型进行客户信用度评估。神经网络模型由输入层和输出层两层构成,不失一般性,可以假设输出层仅有一个神经元,其网络拓扑结构如图1所示。

 

三、电子商务用户信用度分析

目前电子商务的运营中,多数制定的管理办法是不允许客户透支,或只允许客户透支交易一次。对于哪些客户允许透支也多由管理人员主观因素决定。这种做法比较粗糙,针对性不强,也缺乏定性、定量和合理的客户信用度评价方法。因此,对客户赊销经营的和信用额度的确定没有合理、统一的标准,而是经营者人为较多,导致管理随意和混乱。

本文在此从客户的各种特征入手,将其分为内在因素和消费互动因素,并通过分析这些因素分析客户的信用度。从而对客户信用评级,使电子商务系统的运营中能够做到对客户的信用度和透支经营确定合理统一的标准。通过客户的信用评价,最大限度地接受信用高的客户,而同时最低限度地接受信用低的客户。

我们在分析进行网上购物的客户时,将客户分为私人和企业用户两个部分,并对这两类用户分别进行信用度分析。私人客户的各种特征中,能为赊销了解和掌握、对客户的价值和行为因素构成影响的主要特征有教育程度、年收入等内在因素,以及合作历史、应收帐款帐龄等互动因素。企业客户的各种特征中,能为赊销了解和掌握、对客户的价值和行为因素构成影响的主要特征有企业规模、经营状况、企业性质等内在因素,以及合作历史、应收帐款帐龄等互动因素。

 

图2 影响客户信用效应的因素

从图中看到,客户的各种内在和互动因素都对其价值和行为构成影响,并最终影响到信用效应的结果。

四、构建神经网络

用户的各种因素通过不同的权重共同影响作为价值和行为的输出属性值,再通过加权求和得出客户信用值。本文应用神经网络对客户的信用度进行评估。构建个人用户建神经网络如图3,除输入属性有差别外,企业用户信用度神经网络结构与个人用户神经网络结构相同。

 

 
五、实现过程

选取一部分客户资料,经管理人员、业务人员和经营决策者等专业人员进行客户信用度评分,将所有客户按其信用状况分成A、B、C、D、E 五个等级,其对应的值分别对应为:0.85 以上、0.75-0.84、0.65-0.74、0.51-0.64、0.50 以下。将全部资料分为训练样本和测试样本。

在网络的学习过程中,将实际输出与专业人员评估结果进行比较,由其误差信号决定连接权值的调整,实现训练样本的正确分类。

根据确定权值、域值的客户信用度模型,输入测试样本的数据,将模型结果与专业人员评估值对比,测定其错误率,以检验模型的正确性。

六、结论

本文针对电子商务系统的经营特征,围绕企业与客户的互动关系,引入客户关系管理的思想,在客户信息整合和集成的基础上,用神经网络模型评价客户信用度。为企业建立客户信用度的评价机制提供基础。

CIO之家 www.ciozj.com 公众号:imciow
关联的文档
也许您喜欢