7基于数据挖掘的客户需求识别方法

数据挖掘( data mining)就是需要挖掘岀大量数据背后隐藏的规则和模式,从而预测未来的趋势。它是一种决策支持过程,主要基于人工智能、机器学习统计学等技术,高度自动化地分析企业原有的数据,做出归纳性的推理,从中挖掘出潜在的模式,预测客户的行为,帮助企业的决策者调整市场策略,减少风险,做出正确的决策。从功能上可将数据挖掘分析方法划分为:关联分析、聚类分析、分类分析等。

(1)关联分析。关联分析是为了挖掘出隐藏在数据间的相互关系,从一组给定的数据项及交易集合中,分析出数据项集在交易集合中出现的频度关系。使用关联分析方法挖掘的模式称为关联规则。著名的“啤酒和尿布”就是一个关联规则的例子,啤酒和尿布分别是一个数据项集,通过关联分析,发现这两个数据项集之间存在频度的关系。用户做出决策时,总是基于对几个属性组合构成的产品总体进行评价,而不是单独对一个属性进行评价。尽管很难证明,但相信如果一项研究工作越是能够模拟人们的真实行为,那么这项研究结果也就越有效、越可信。因此,在产品需求分析中,分析产品属性间的相互关系具有很重要的意义

(2)聚类分析。聚类分析是输入一组未标定的记录集合,即输入的记录还未被进行任何分类,再根据一定规则,合理划分记录集合,并用显式或隐式的方法描述不同类别。公司经常细分市场,把市场分割为具有不同的客户需求集合,目的是使同一细分市场内个体之间的固有差异减少到最小,使不同细分市场之间的差异增加到最大。同一市场细分里的客户需求和潜在客户需求带有相同的人口结构(比如收入或年龄)或价值和需要方面的属性。不同的市场细分里的客户对产品的需求一般来说是不同的。一般来说,用户需求应该是指需求量最大的市场细分里的客户的需求。这就需要将市场中的客户按照某种方式(如追求相同的产品效用)进行聚类分析,并用显式或隐式的方法描述不同类别客户的共同特征,从而得到客户需求细分。

(3)分类分析。分类分析给定一个记录集合和一组标记,标记就是一组具有不同特征的类别。首先为每一个记录赋予一个标记即按照标记将记录分类,然后分类分析检查这些标定的记录,描述记录的特征。利用这些特征可以分类新的记录。例如,在银行数据库中保存着信用卡用户记录,并根据信誉程度将持卡人分为三类良好、普通、差。分类分析将检查这些记录,然后给出一个对信誉等级的显式描述:信誉良好的用户是那些收入在X元以上,年龄在A到B之间,居住在C地区附近的人土。”不同的客户对产品的需求一般来说是不同的。市场上同类产品可以按照购买客户的类别分类,而某一类客户购买的产品的共同特征则构成了这类客户的产品需求。

好的crm

悟空云，悟空CRM，整合CRM客户管理系统、HRM人力资源管理系统、财务管理软件等企业管理软件与应用，卓有成效显著提升企业运营效率，使办公简单轻松。悟空云试用热线:400-0812-558