数据挖掘技术客户端毕业设计(7)

第五章 案例分析

5.2.3结果分析

企业利用以上规则可以发现对其营销十分有用的模式，比如信用等级好的个人，购买时一般会达成交易；而对于信用等级好的企业，却不能打成交易，可见企业在这方面流失了很大的市场，应尽快采取措施弥补；而对于信用等级差的客户，来访次数多却不能打成交易，经过分析可以发现，企业可能对信用的差的客户采取了一些限制交易的措施??

给出分类模型后，要用测试集评估模型的预测正确率，测试集中的数据是从样本集中随即取出并独立于训练样本的。模型的准确率可以用被模型正确分类的测试样本的百分比来表示，若模型的准确率是可以接受的，企业就可以依据模型将客户分类，针对不同的客户展开有针对性地营销。

至此，已经初步完成了一个基于决策树分类技术的客户分类简单示例，但实际应用中大多数决策树分类过程要复杂的多，计算量也要大很多，这主要是因为用于分类的样本数据往往很大，属性字段也很多，决策树的生成算法也很多，而且还要涉及到剪枝的操作。在实际的操作过程中，要选择那些字段，选择何种算法还需要进行反复综合的评估。

5.3 本章小结

本章主要以汽车行业决策树技术在客户分类中的应用为案例，介绍了数据挖掘技术在客户关系管理中的作用，其实数据挖掘技术相对以前已经较为成熟，而且在许多领域也得到了广泛和深入的应用，但是由于时间和论文篇幅的限制， 可能研究的还不是很透彻，如果希望了解更多，可以参阅相关方面的书籍或资料，相信您会发现数据挖掘的魅力所在。

- 27 -

结 论

结 论

本论文在介绍了此题目的产生背景及目的意义后，分别介绍了客户关系管理和数据挖掘技术的概念、作用及现状等；然后又重点分析研究了数据挖掘技术在客户关系管理中的应用，最后以数据挖掘技术——决策树在客户分类中的应用为案例，简单介绍了数据挖掘技术应用的方法。由于时间等方面的原因，对于数据挖掘技术的研究还不是全面，本想在论文中把几种常用的数据挖掘技术在客户关系管理方面的应用都用案例进行说明和解释，但是由于篇幅和时间的限制，只能列举一种应用，希望有机会继续进行深入研究。

经过此次论文研究，可以知道现在客户关系管理的发展需要数据挖掘技术的支持，数据挖掘技术也会在应用中体现它的商业价值。现在部分大型企业的客户关系管理中应用数据挖掘技术的比较多，但在中小型企业还有部分大型企业由于没有认识到数据挖掘技术的价值或者因为缺乏能力和资金等某些原因，还没有在客户关系管理中应用数据挖掘技术，只是对客户资料的简单管理，但随着经济的发展和竞争的日趋激烈，在客户关系中应用数据挖掘技术是一个必然的趋势。

- 28 -

参 考 文 献

参考文献

[1] 丁秋林，力士奇. 客户关系管理[M]. 北京：清华大学出版社，2002. [2] 野口吉昭（日）. 客户关系管理实施流程[M]. 北京：机械工业出版社，2003. [3] 陈明亮. 客户关系管理理论与软件[M]. 杭州：浙江大学出版社，2004. [4] 朱爱群. 客户关系管理与数据挖掘[M]. 北京：中国财政经济出版社，2001. [5] 李智刚. 决策支持系统原理与应用[M]. 北京：高等教育出版社，2005.

[6] Tom soukup,Ian Davidson（美）. 可视化数据挖掘[M]. 北京：电子工业出版社, 2004. [7] Paolo Giudici(意). 实用数据挖掘[M]. 北京：电子工业出版社，2004. [8] Olivia Parr Rud(美). 数据挖掘实践[M]. 北京：机械工业出版社，2003.

[9] Jiawei Han,Micheline Kamber(加). 数据挖掘概念与技术[M]. 北京：机械工业出版社，2001. [10] Margaret H.Dunham. 数据挖掘教程[M]. 北京：清华大学出版社，2005.

[11] 迈克尔-J-A-贝里，戈登-S-利诺夫（美）. 数据挖掘[M]. 北京：中国财政经济出版社，2004. [12] 陈文伟，黄金才，赵新昱. 数据挖掘技术[M]. 北京：北京工业大学出版社，2002. [13] R格罗思（美）. 数据挖掘—构筑企业竞争优势[M]. 西安：西安交通大学出版社，2001. [14] 林杰斌等. 数据挖掘与OLAP理论与实务[M]. 北京：清华大学出版社，2003.

[15] Mehmed Kantardzic(美). 数据挖掘概念、模型、方法和算法[M]. 北京：清华大学出版社， 2003.

- 29 -

致 谢

- 30 -