基于云模型和粗糙集的客戶群共性特征知識(shí)發(fā)現(xiàn)研究.pdf

1、通過(guò)對(duì)客戶相關(guān)屬性數(shù)據(jù)進(jìn)行分析，挖掘出客戶群的共性行為特征，企業(yè)依據(jù)這些特征，采取對(duì)應(yīng)的措施，為客戶提供差異化的主動(dòng)服務(wù)，改變傳統(tǒng)“被動(dòng)”式的服務(wù)模式，為客戶創(chuàng)造更多的價(jià)值。這樣可以幫助企業(yè)有效地贏得客戶，提升企業(yè)的業(yè)績(jī)，提高在市場(chǎng)上的競(jìng)爭(zhēng)力。通過(guò)數(shù)據(jù)挖掘深入了解客戶行為信息，并將這種信息轉(zhuǎn)化為知識(shí)，為客戶提供有針對(duì)性的主動(dòng)服務(wù)，提高客戶滿意度，保持現(xiàn)有客戶，發(fā)展?jié)撛陬櫩停呀?jīng)成為電信業(yè)、保險(xiǎn)業(yè)等行業(yè)以及眾多學(xué)者所關(guān)注的問(wèn)題。
　

2、　 本文始終圍繞客戶群共性特征知識(shí)發(fā)現(xiàn)這一主題展開(kāi)研究，綜合運(yùn)用人工智能、數(shù)據(jù)挖掘、知識(shí)發(fā)現(xiàn)和客戶管理等IT技術(shù)和管理理論與方法，分別探討了客戶群的劃分理論、群體間相似性度量方法，以及客戶群共性特征挖掘的具體思路。對(duì)一些薄弱的、存在不足的環(huán)節(jié)進(jìn)行了改進(jìn)，使得客戶特征知識(shí)發(fā)現(xiàn)更加有效和合理。本文的主要內(nèi)容如下：
　　 首先，較全面地查閱了國(guó)內(nèi)外相關(guān)的文獻(xiàn)，對(duì)數(shù)據(jù)預(yù)處理、粗糙集理論及算法、基于粗糙集的客戶知識(shí)發(fā)現(xiàn)和基于數(shù)據(jù)挖掘的客

3、戶關(guān)系管理四個(gè)領(lǐng)域的研究現(xiàn)狀進(jìn)行了分析。
　　 其次，對(duì)客戶群體間相似性度量算法進(jìn)行了研究。度量客戶群體之間的相似性，有助于判斷客戶群劃分是否有效，以及可以幫助分析人員從宏觀上把握客戶群之間的關(guān)系。本文對(duì)傳統(tǒng)的相似性度量算法進(jìn)行了比較分析，基于已有算法的不足，提出適用于多屬性客戶群之間相似性的度量算法。
　　 再次，對(duì)客戶群共性特征知識(shí)發(fā)現(xiàn)的四個(gè)關(guān)鍵環(huán)節(jié)，即連續(xù)型數(shù)值離散化過(guò)程中離散邊界的選取、條件屬性的選取、確定關(guān)聯(lián)規(guī)

4、則過(guò)濾的條件和決策規(guī)則的表達(dá)，分別進(jìn)行了探討，并提出相應(yīng)的解決策略。利用云模型理論，進(jìn)行概念的泛化，將連續(xù)性數(shù)據(jù)離散化，實(shí)現(xiàn)屬性值軟劃分；利用Spearman等級(jí)相分析對(duì)已離散化后的各項(xiàng)屬性值進(jìn)行相關(guān)性分析，剔除具有顯著性相關(guān)性的屬性，然后運(yùn)用一種基于遺傳算法的屬性約簡(jiǎn)算法對(duì)屬性進(jìn)行約簡(jiǎn)；設(shè)置可信度和支持度兩個(gè)指標(biāo)值，用它們對(duì)挖掘出的決策規(guī)則進(jìn)行了過(guò)濾；采用決策樹(shù)方法，來(lái)將這些決策規(guī)則更加直觀地表達(dá)出來(lái)。
　　 最后，運(yùn)用實(shí)例數(shù)