数据挖掘在电商客户关系管理中的应用

2摘要的电子商务时代已经到来。在这种新的商业模式中，客户关系管理(CRM)以改善公司和用户之间的客户关系，在客户关系管理的各个方面创造良好的客户关系，并利用有限的资源解他们的潜在价值。行为是提高电子商务企业竞争力的重要环节。为此，电子商务企业需要们提供个性化服务，实现交叉销售。为了实现这一目标，本文将数据挖掘应用于客户行为分交易信息，访问网站信息和客户相关数据，以及客户偏好，分析并尝试向您的客户展示积极并将客户在网站上的行为用数据挖掘技术来分析。在研究了传统的客户细分后，进一步细化了传统的RFM指数(近似因果关系、频率、货币等)。作为客户细分的标准。研究结果将使用MySQL软件处理大量后台生成的数据，并根据 3方法模型CRM方法模型CRM挖掘应用领域行为分析的及说明思路分析结果第一章绪论1第二章数据挖掘技术概述33第三章客户关系管理概述99427绪论能对市场变化作出快速反应，谁就能在激烈的市场竞争中占据优势。竞争最终将导致公司价争中的失败者变成市场竞争中的赢家。这样一来，公司就面临着如何在不失去价值的情况下将占据更多为其带来价值的业务领域的问题。那些试图打入其行业并将大部分时间用于内部响应无法跟上市场的变化。公司要跟上步伐并对市场变化做出快速反应，只有三种解决方案：缩小公司与客户之间的距离，跟上客户的变化，以及始终对客户的需求做出反应。这就是客户关系管理(CRM)的概念和其发展提供了重要的机会。在过去，技术上的限制意味着公司的信息系统不够开放，系统之间不容对客户特征和需求的全面了解只是理想状态。然而，网络技术的快速发展、跨平台的整合以及数据力[1]。子商务的特离线进行的。其他商业、如此。从这些交易中产生的交易数据、点击流数据和其他相关信息的数量大大超过了一般的传商务公司在联系客户的过程中使用网络手段，意味着客户管理和保留可以减少对传统的当面营销的依赖，而更多地是了解客户的消费习惯和个人偏好，公司可以主要依靠客户的信息以及整个市场环境(如政策的敏锐感觉来做出准确的决定[2]。因此，数据挖掘技术在电子商务CRM中的应用既是必要的，又景下的客户关系管理的主要概念、将数据挖掘技术机制融入到客户关系管理系统中，使决策方面为用户提供便利，并提高系统的功能性。客户关系管理(CRM)是由美国的Gartner集团提出的，该集团在1980年开发了所谓的"联系管理"，用来收集所客户服务迅速发展，包括呼叫中心支持数据分析，1995年，电子商务和CRM应在电子商务中的应用显然是必要和迫切的。目前，对电商CRM的数据挖掘的研究主要体现在以(1)数据挖掘模型研究：关联规则快速挖掘模型研究、用户访问数据模型研究、路径分析模型研究等。CRM过渡。房地产和零售等传统行业，而且还参与了新兴的电子商务领域。同时，在生产部门，符合CRM的CRM中脱颖而出，大胆地与市场相结合，国内外的软件厂商和咨询公司纷纷推出自己的CRM品牌产理论成果的转化。未来的CRM产品将有更多的前台和后台信息系统的组合。呼叫中心将成为联络、电子邮件、传真、无线和直接联络的一体化，基于网络的自助服务将成为公司为用户服务的包含知识管理、商业运作和电子商务系统的概念，客户关系管理正以前所未有的速度发展，并。掘技术概述5义数据挖掘(DataMining)是指从大型数据库和数据仓库中庞大的不完整的、嘈杂的、模糊的和随机的应用数据公司大量的客户数据被收集到CRM中。这些数据包括客户的购买数据、点击数据和他们首次注与购买直接或间接相关的信息，是公司更好了解其客户的有效手段。它还寻求了解客户的需求系，就可以预测未来的趋势和行为来帮助人们做出决策。例如，通过对一个公司数据库系统的分可以解决类似"哪些客户对我们的电子邮件营销最感兴趣以及为什么"等问题。一些数据挖掘工具索整个数据库以解决过去需要耗时的手工作业的问题，并找到潜藏在其中的具有价值的信息。因典方法析、分类分析和关联分析。它们可以应用于面向客户的公司中广泛的分析和决策。(1)聚类分析的分类规则进行合理的分类。分类规则是用来根据某些分类规则对记录集进行分类。使用的分类工具决定的。不同的相同记录集可以使用不同的聚类方法进行分类。(2)分类分析有不同特征的标签，这个数据库中的每条记录都被分配到一个类别的标签。数据库中的予一个类别标签，这样的数据库被称为实例数据库或训练集。分类分析是是对实例数据库中的数据建立对每个标签的准确描述，或建立一个分析模型或这个分类规则，然后用来对其他数据库中的记(3)关联分析行数据挖掘操作。关联分析的目标是发现数据之间的隐藏关系。它在数据库中发现AB关系。典模型类分析掘中，聚类分析涉及对客户群和Web页面进行聚类。除其他外，客户群的聚类在电子商务和提Lipuidurltime)ipuidurltime的IP地址、客户ID、客户请求的URL和相应的浏览时间。因此，客户端在查看时问PI地址、DI客户端和客户端上的特定页面。访问拓扑是一个方向图，使客户端在一定时间内可以由此可以建立起n个客户UID访问m个URL及相应访问次数的URL一UID关联矩阵Mm×n:似的客户群。搜索客户注册数据只查看而不是与商业实体进行交易，则列向量值是未达成交易的数量，则类似的客户群是潜6对客户群。N向量簇的一对Mm×N矩阵考虑了它们在哈明距离内可以得到的测量中的相似性。对于mijmij=1。然后计算向量之间的距离，哈明之间的距离越小，相似度越大。根据到哈明的实际距离端分组。这种分析是电子商务必不可少的环节，因为它可以对类似的客户进行分组并分析共更好地识别和服务他们的客户。例如，通过分析大量访问"计算机"网站的客户，通过分析你可以了解到这些客户是潜在的买家。然后，你可以根据你的客户的需要来定制"计算机联规则Apriori是一种常用的关联规则的数据挖掘算法，用于寻找在数据值中经常出现的数据集，在这些数据集中帮助。例如，在一个典型的超市购物数据集或电子商务网购数据集中，如果发现一个具有高对超市的产品摆放和电子商务的产品定位进行优化[6]。仓库选址可以节省成本，增加经济效FMRFM数据库研究所的休斯提出，1994年。作为一个客户价值分析的流行工具，已被广泛使用用于FMRFM是指经常性、频率和相关性。它指的是最近购买的时间、购买的频率和所花费的金额，而R(接近度)指的是最后一次购买的日期和顾客时间间隔的统计期结束。间隔越短，R值越高。F(频率)表示顾客在统计期间的购买次数。F值越高，顾客越忠诚。M(货币)表示客户在统计期间购买的总金额。一般来说，购买总金额越高，客户的RF大，相应客户的可能性越大将与卖方进行新的交易。此外，M越大，对应客户的可能性越RFM值分析，以及研究人员根据不同方面对其进行了扩展。Liu和Shih使用层次分析法(AHP)确RFM类方法对客户进行分组，以及关联规则方法向不同群体的客户推荐产品[8]。鉴于事实RFM客户开发的Heldt等人的观点，而不是产品的观点。提出了一个每个产品的RFM(RFM/P)模价值。RRAARRR型被广泛用于构建客户管理评估体系，由DaveMcClure在StartUpMetricsforPirates中首次7AARRR第一个A代表获取，表示现阶段的目标是获取新客户。在这一阶段，电信运营商需要关注新客户的增AARRR第二个A代表激活，表示现阶段的目标是提高活动水平。在这个阶段，电信运营商不仅需要关注客户动。AARRR第一个R代表留存，表示现阶段的目标是提高客户保留率。一般来说，留住现有客户的成本远低于获AARRR第二个R代表收益，表示此阶段的目标是获得收入。在这个阶段，“收入”在TheTelecomOperator和客户数据流量。AARRR第三个R代表推荐，表示现阶段客户管理的目标是病毒传播。借助社交网络，病毒传播成为获取新客和有效传播是两个这种方法的优点。K指数是病毒传播性能的指标，即传播转化率(传播成功人数除以传播总次数)。LV价值(客户迄今已实现的价值)、现在的价值(如果客户目前的行为模式保持不变，他在未来将为公司增加的价值)和潜在的价值(如果公司通过有效的交叉销售说服客户购买，或者鼓励客户向他人推荐公司的产品和服务，客户的价值可以增加)[9]。价值。额，指的是某一特定客户提供的产品或服务产出占公司总产出的百分比。为了实现最大的值的一个重要指标。。很明显，公司客户的总终身价值与客户群有直接关系。根据其客户群的规模，公司应该系管理概述CRMGartnerGroup997年首次提出的，但目前还没有统一的、权威的、协商一致的CRM定义。目CRM与客户互动以产生和收集信息的一个循环过程。然后将结果应用于公司的服务和营销活线，从而成功地将传统商业模式转变为现代电子商务[11]。8的业务流程，涉及销售、营销、客户服务和客户支持。其目标是减少销售周期和成本，增加收和渠道来发展业务，并提高定价、满意度、盈利能力和客户忠诚度。图3-1描述了CRM的体系结构。CRM据挖掘应用领域CRM的应用可以直接跟踪数据，分析客户的购买行为，从而帮助商家快速做出商业决策。(1)客户细分。特的特征。在早上或者晚上等。么东西付费的情况在网站决策并购买的(2)客户流失和保持分析分析系统中，数据挖掘技术根据以往的客户流失数据，建立客户属性、服务属性和客户消费间关系的数学模型，发现客户属性、客户服务属性和消费数据与客户流失的最终状态之间的(3)客户价值判断，理想的情况是由一个多方面的客户群组成，产生不同的利润。即一级客户群正处于形成阶重大贡献；在二级客户群仍处于形成阶段的同时，目前利润很少甚至没有，但在这个层次利润的引擎；目前，三级客户群处于初始阶段，目前没有盈利，但在这一水平上，它是企业RFMRFM策略，如表3-1所示。不同客户的不同策略9(4)提高用户购买能力购买和消费行为数据，数据挖掘算法被用来为不同的销售方式建立定制的行为模型，然后，最后用分析模型来分析新客户的数据并决定向他们提供什么产品。在这1)核心用户分层分层越少。标志着你的用户人群越精准，此时用户所反馈的数据对产品版本迭代会少走很一概念。跳出率是访问量的百分比，它显示了客户进入一个门户网站，在该页面的总访览一个页面就离开的访问次数/该页面的全部访问次数面不符合预期，换句话说，就是觉得页面、服务或网站整体的内容与之前的预期相比并不令人2)提高转化率pvPageView一段时间内，发生某种“期望行为”的次数，一段时间内，同一ID“产生行为”n次，算n个uvUniqueVisitor一段时间内，发生某种“期望行为”的独立访客，根据用户ID区分访客数。一段时00=80%0=25%0=50%率的乘积=80%*25%*50%=10%购买客户数/总访客数=10/1000=1%1000=50%00=10%0=40%率的乘积=50%*10%*40%=2%买客户数/总访客数=20/1000=2%购买决策，以及购买后又是怎样使用和处置所购商品的，营销学者们提出了用户购买。该模型将用户购买行为的过程分为五个阶段：问题识别、信息搜寻、方案评估、购买决图3-3用户购买行为过程的“五阶段模型”。户行为分析目的及说明据集间的用户行为数据分析，优化更加合理的隐式反馈推荐系数据行为的分析。QLNavicatforMySQLPVUV成交量，以及人均浏览量；日PV,UV，日成交量，以及单日人均浏览量，查看统计时平台吸引用户的能力以及用户粘性和忠诚度用户行为数据：浏览(点击)，收藏，加购，购买，上述4种用户行为构成不同的行为路径漏斗关系，分析不同4小时时间段统计用户行为数据，针对不同行为的在各个时间段的数据统计，分析用户行户在平台购物习惯的营销活动用户价值：根据RFM模型进行用户分层，由于没有M(消费总金额)的数据，所以选择用R,F两个维度进行用户分户价值本数据集包含了11月25到12月3日之间，有行为的约一百万随机用户的所有行为(行为包含点击、购买、加购、喜欢)，每一行表示一条用户行为，由用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。原经剔除了重复值。ID属类目ID行为类型：包括("pv":相当于点击，"buy":商品购买，"cart":将商品加入购物车，"fav":收藏商品)段设置ooooooryavioramp行为类型物车析思路提出问题为模式转化情况，探索用户行为之间的内在联系索RFM模型下不同用户之间的价值析过程设计的指标据分析流量指标(1)访客数、点击数、人均访问数访客数为17228，人均访问数92.19，也就是说在这9天的时间内每人平均访问淘宝的次(2)跳出率，跳出率很低，说明淘宝平台上的商品对用户有着足够的吸引力，大多数用户均愿意花更多的时活跃周期每天的活跃点击量和购买次数相对比较接近，但在12月2日-12月3日连着均有大幅度增长，对比26日，其销量和访问量也与其存在着差异，且11月25日-26日销量和访问量与11月27日-12月1的原因是12月2日-3日临近双十二活动，各商家店铺的促销活动也陆续而至，刺激着用户(1)每天用户的活跃点击量..(2)每天用户的购买次数(3)时间段内用户行为、收藏量、加入购物车数与购买数的趋势基本一致，主要集中在9点到23点，且晚上20，凌晨0-9点用户活跃较低，且在10点-16点，用户可能更偏向于点击浏览后直接购买，19点-够的精力和时间浏览商品将喜欢的商品收藏或者加入购物车，这可能与人们的生活作息息息h转化指标(1)各行为转化为购买行为分析率为36.57%，收藏转化率为70.54%。如果把加入购物车和收藏都视为有购用户在加入购物车后大部分未有后续行为。点击转化率仅有行购买。、收藏、加入购物车转化为购买的变现情况(2)各行为之间的转化分析的过程当中，可以多种不同的行为，如：点击-->购买，点击-->收藏-->购买，点击-->物车-->购买的这部分用户，最终变现的转化率极低，客户存在着大量的流失。而从点击到加入购的这部分用户，情况明显比上述情况较好，说明与收藏行为相比较用户更偏向于将喜欢的商品加入析买RFRF高高高低低高低低用户分群(1)客户分群：R消费时间；(2)用户分类标准：户分类标准(3)评分标准：分标准0~21R3~45~67~82340~18119~362F37~54355~724(4)计算R和F的平均值用户主要集中在重要发展客户和一般价值客户，利用有限的资源抓住重要发展客户(潜力用户)，重要挖掘其性不错，9天内人均访客数达到了92.19次，日常生活中用户经常使用淘宝，淘宝APP已不可或缺，且3日点击量和购买数增加，可能的原因是12月2日-3日临近双十二活动，各商家店铺的促销活动刺激着用黄金时间段一般在晚上20点到22点，然而在9-16点用户更倾向于狼吞虎咽般点击后直接购买，19点-慢慢品尝，在点击浏览后加入购物车或收藏。可在20点到22点进行推广和宣传活动，推送促销活动