由于經(jīng)濟全球化和網(wǎng)絡(luò)化的快速發(fā)展，商業(yè)環(huán)境中的信息越來越密集，數(shù)據(jù)庫的規(guī)模越來越大，在當(dāng)今的網(wǎng)絡(luò)營銷中，企業(yè)如何從大量的業(yè)務(wù)數(shù)據(jù)中經(jīng)過提取和分析，做出正確快速的決策，以獲得有利于商業(yè)運作的信息，提高企業(yè)的競爭力，是各行各業(yè)廣泛重視的問題。面對“人們被數(shù)據(jù)淹沒，人們卻饑餓于知識”的挑戰(zhàn)，數(shù)據(jù)挖掘技術(shù)應(yīng)運而生，而且越來越顯示出其強大的生命力。它能夠智能化地從大量的數(shù)據(jù)中提取出有用的信息和知識，為企業(yè)的管理人員提供決策支持。

早期各種商業(yè)數(shù)據(jù)是以數(shù)據(jù)庫的形式存儲在計算機中的，后來發(fā)展到可對數(shù)據(jù)庫進行查詢和訪問，進而又發(fā)展到對數(shù)據(jù)庫的即時遍歷。數(shù)據(jù)挖掘技術(shù)使數(shù)據(jù)庫技術(shù)進入了一個更高級的階段，它不僅能對過去的數(shù)據(jù)進行查詢和遍歷，并且能夠找出過去數(shù)據(jù)之間的潛在聯(lián)系，從而促進信息的傳遞。

1數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘就是通過挖掘數(shù)據(jù)倉庫中大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)，提取隱含在其中的，但又是潛在有用的信息和知識的過程。數(shù)據(jù)挖掘是一門交叉學(xué)科，它把人們對數(shù)據(jù)的應(yīng)用從低層次的簡單查詢，提升到從數(shù)據(jù)中挖掘知識，提供決策支持。在商業(yè)應(yīng)用領(lǐng)域，數(shù)據(jù)挖掘是一種新的商業(yè)信息處理技術(shù)，其主要特點是對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)；其功能有：自動預(yù)測趨勢和行為、關(guān)聯(lián)分析、聚類、概念描述、概念描述等。數(shù)據(jù)挖掘最吸引人的地方是它能建立預(yù)測模型而不是回顧型的模型。利用功能強大的數(shù)據(jù)挖掘技術(shù)，可以使企業(yè)把數(shù)據(jù)轉(zhuǎn)化為有用的信息幫助決策，從而在市場競爭中獲得優(yōu)勢地位。

2客戶關(guān)系管理與數(shù)據(jù)挖掘技術(shù)

網(wǎng)絡(luò)營銷作為適應(yīng)網(wǎng)絡(luò)經(jīng)濟時代的網(wǎng)絡(luò)虛擬市場的新營銷理論，是市場營銷理念在新時期的發(fā)展和應(yīng)用。從本質(zhì)上來說，網(wǎng)絡(luò)營銷與傳統(tǒng)市場營銷的目標(biāo)都是一致的，都是為了實現(xiàn)企業(yè)的營銷目標(biāo)?？蛻絷P(guān)系管理(CRM)是企業(yè)與客戶之間建立的管理雙方接觸活動的信息系統(tǒng)。

網(wǎng)絡(luò)營銷的企業(yè)競爭是一種以顧客為焦點的競爭形態(tài)，爭取顧客、留住顧客、擴大顧客群、建立親密顧客關(guān)系、分析顧客需求、創(chuàng)造顧客需求等，都是最關(guān)鍵的營銷課題，網(wǎng)絡(luò)時代企業(yè)的客戶關(guān)系管理應(yīng)該是利用現(xiàn)代信息技術(shù)手段，與散布在全球各地的顧客群保持緊密的關(guān)系并能掌握顧客的特性，再經(jīng)由教育顧客與企業(yè)形象的塑造，建立顧客對于虛擬企業(yè)與網(wǎng)絡(luò)營銷的信任感，在企業(yè)與客戶之間建立的一種數(shù)字的、實時的、互動的管理交流系統(tǒng)。其特征為：個性化營銷服務(wù)和客戶服務(wù)。信息采集渠道的多樣化和集成化；客戶信息的集中式管理和共享；商業(yè)智能化的數(shù)據(jù)分析和處理?；诰W(wǎng)絡(luò)時代的目標(biāo)市場、顧客形態(tài)、產(chǎn)品種類與以前有很大的差異，如何跨越地域，文化、時空差距再造顧客關(guān)系，發(fā)掘網(wǎng)絡(luò)客戶，了解并掌握網(wǎng)絡(luò)客戶的愿望并利用互動服務(wù)與客戶保持良好的關(guān)系，是眾多企業(yè)需要考慮的首要問題。

3 CRM中經(jīng)典數(shù)據(jù)挖掘技術(shù)的分析

3.1神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)是模擬人腦神經(jīng)網(wǎng)絡(luò)來處理、記憶信息的一種新型系統(tǒng)，主要由“神經(jīng)元”的互聯(lián)，或按層組織的節(jié)點構(gòu)成，通常由輸入層、中間層和輸出層三個層次組成，在每個神經(jīng)元求得輸入值后，再匯總計算輸入值；由過濾機制比較輸入值，確定網(wǎng)絡(luò)的輸出值。它可完成分類分析、聚類分析、回歸分析，是典型的預(yù)測工具。其優(yōu)點為：抗干擾能力、可變性、通用性強，有較強的容錯性和魯棒性；能并行處理規(guī)模較大的數(shù)據(jù)庫；能處理連續(xù)、分類或聚類離散變量；有較強的自適應(yīng)自學(xué)習(xí)能力。

神經(jīng)網(wǎng)絡(luò)適合分析cRM中的定量問題，適合處理大量非線性、有時間順序、多目標(biāo)、殘缺不全的數(shù)值型數(shù)據(jù)，處理注重結(jié)果、不用解釋原因的復(fù)雜問題。如：可根據(jù)客戶的交易紀(jì)錄和網(wǎng)站點擊率等建立神經(jīng)網(wǎng)絡(luò)客戶模型，分析客戶響應(yīng)度、忠誠度，預(yù)測客戶需求，指導(dǎo)生產(chǎn)和服務(wù)，從而留住老客戶、贏得新客戶。

3.2決策樹

決策樹是以圖表表示一系列事件和可能結(jié)果的方法。由決策節(jié)點、分支和葉子組成，其中每個內(nèi)部節(jié)點表示在一個屬性上的測試，每個分枝代表1個測試輸出，而每個樹葉點代表類或類分布，它可完成分類分析、聚類分析，是比較成熟的、作決策的極好工具。其優(yōu)點為：決策過程直觀、易理解、易使用、自動化程度高、效率高；擅長處理非數(shù)值型和分類型數(shù)據(jù)；易轉(zhuǎn)換成數(shù)據(jù)庫查詢語句，能清晰地顯示哪些字段比較重要。目前，在數(shù)據(jù)挖掘中使用的決策樹方法有多種，典型的在國際上影響較大的決策樹方法是Quinlan研制的ID3算法。

決策樹與神經(jīng)網(wǎng)絡(luò)相比更適合分析CRM中的定性問題。分析含有大量字段、用自然語言表述的非數(shù)值型數(shù)據(jù)，分析需要解釋原因或結(jié)果為以自然語言表達的規(guī)則的問題。如：分析客戶資料，進行客戶細分，以便針對不同客戶群制定不同的對策；根據(jù)客戶的交易數(shù)據(jù)，訪問網(wǎng)站等情況，分析客戶流失規(guī)律、解釋每個客戶群流失原因，幫助制定對策留住客戶。

3.3遺傳算法

遺傳算法同生物進化過程非常相似，以自然選擇和遺傳理論為基礎(chǔ)，它擅長聚類分析、分類分析、關(guān)聯(lián)分析和優(yōu)化，能解決其他技術(shù)難以解決的問題，是非常優(yōu)秀的描述和預(yù)測工具。其優(yōu)點為：非常適用于大規(guī)模并行計算，在巨量資料中快速搜尋、對比、演化出整體最優(yōu)點，容錯能力強、能夠處理不連續(xù)的、非規(guī)則的或有噪聲的數(shù)據(jù)。

遺傳算法適合分析CRM中的復(fù)雜問題或優(yōu)化其它技術(shù)。如：根據(jù)客戶基本信息、交易數(shù)據(jù)和其它外部數(shù)據(jù)等，利用其強大的搜索能力和反復(fù)學(xué)習(xí)找到最優(yōu)解，使客戶信息提取更加量化、更加明確，完成客戶盈利分析。以便制定不同客戶策略，留住、贏得有價值客戶。

3.4規(guī)則推理

規(guī)則推理即對數(shù)據(jù)中的“如果——那么”規(guī)則進行尋找和推導(dǎo)，從中找到出現(xiàn)條件概率較高的模式。其優(yōu)點為：直觀、容易理解；能用簡單的if—then規(guī)則描述數(shù)據(jù)間的完備關(guān)系。能處理帶有屬性或描述的數(shù)據(jù)項，得出的規(guī)則具有可讀性。

規(guī)則推理側(cè)重于分析CRM中的定性問題。分析連續(xù)和離散的、用自然語言表述的客戶數(shù)據(jù)，如：分析客戶點擊的頁面、內(nèi)容及頻率。了解客戶偏好和習(xí)慣，提供針對性服務(wù)，增加客戶滿意度；分析客戶特定購買模式，獲取潛在的客戶購買規(guī)則及不同商品間的相互聯(lián)系，實現(xiàn)交叉銷售、追加銷售、“一對一”營銷。

（轉(zhuǎn)載）