一种客户关系管理系统中用户聚类分析方法技术方案

本发明专利技术公开了一种客户关系管理系统中用户聚类分析方法，其特点是：建立了基于客户关系管理系统的体系结构、数据挖掘的应用流程以及全新算法的在客户关系管理系统一种用户聚类分析方法。能够弥补现有技术客户关系管理系统中用户聚类方法缺陷，具有科学合理，准确性高，通用性强，效果佳且简单可靠等优点。

A method of user clustering analysis in customer relationship management system

The invention discloses a user clustering in customer relationship management system analysis method, its characteristic is: the establishment of the system structure, data mining application process of customer relationship management system and a new algorithm analysis method in a customer relationship management system based on user clustering. The utility model can compensate the defect of the user clustering method in the prior technical customer relationship management system, and has the advantages of scientific, reasonable, high accuracy, versatility, good effect, simple and reliable, etc..

【技术实现步骤摘要】
一种客户关系管理系统中用户聚类分析方法
本专利技术涉及管理信息系统领域，尤其涉及客户关系管理系统中的用户聚类分析方法。
技术介绍
客户关系管理(CustomerRelationshipManagement，CRM)就是利用现代信息技术，通过对客户进行深层次地跟踪，分析客户的需求，以留住老客户、吸引新客户，并且可以及时地发现忠诚度可能会发生变化的客户，及时地采取措施，维护企业的利益。随着企业经营模式从以“产品”为核心转变为以“客户”为核心，客户关系管理的重要性日益显现。客户关系管理是工业发达国家对以客户为中心的营销的整体解决方案，CRM是从客户实际需求出发，利用现代信息工具，增强企业在客户服务、客户开发及客户发展等方面的执行能力，从而提高企业盈利及客户的满意度，实现客户和企业双赢的管理理念。客户关系管理系统是一种旨在健全、改善企业与客户之间关系的新型管理系统。客户关系管理系统不仅仅要对客户信息进行管理，更重要的是要利用客户关系进行数据的挖掘，以便更好地了解营销市场的结构、客户的喜好等，以便开发新产品及调整营销策略等。目前，企业对积累的大量客户数据缺乏深层次的挖掘，使得客户的服务处于落后本文档来自技高网...

【技术保护点】
一种客户关系管理系统中用户聚类分析方法，它依次包括的步骤有：业务问题的定义、数据的准备和筛选、数据的清洗和预处理(ETL)、抽取的正确可靠的数据、数据的挖掘、模式集合、模型选择与构建、对模型进行评价和解释、当结果满意则指导企业实践活动、且将客户和市场的反馈信息及时送入到数据仓库，便于企业进行快速的反应，当结果不满意则通过模型优化送入模型选择与构建，其特征是，具体步骤是：(1)对客户关系管理系统数据进行采集并分类：为保证训练的模型在之后的聚类中有较好的适应性，系统数据应按照系统用户规定分类，在不同段中各取至少100组数据作为训练样本；(2)对客户关系管理系统数据做归一化处理：设数据

【技术特征摘要】
1.一种客户关系管理系统中用户聚类分析方法，它依次包括的步骤有：业务问题的定义、数据的准备和筛选、数据的清洗和预处理(ETL)、抽取的正确可靠的数据、数据的挖掘、模式集合、模型选择与构建、对模型进行评价和解释、当结果满意则指导企业实践活动、且将客户和市场的反馈信息及时送入到数据仓库，便于企业进行快速的反应，当结果不满意则通过模型优化送入模型选择与构建，其特征是，具体步骤是：(1)对客户关系管理系统数据进行采集并分类：为保证训练的模型在之后的聚类中有较好的适应性，系统数据应按照系统用户规定分类，在不同段中各取至少100组数据作为训练样本；(2)对客户关系管理系统数据做归一化处理：设数据的论域为di＝[mi,Mi]，设ri＝udi(xi)，(i＝1,2,3,…,n)是模型对属值xi的无量纲值，且ri∈[0,1]其中，为的标准函数，经过归一化，个数据取值范围为[0,1]；(3)利用归一化处理后的数据，初始化隶属度U(t)，V(t)，其中t为迭代次数；(4)将V(t)按式(2)更新为V(t+1)；(5)将V(t+1)，按式(3)更新为U(t+1)；(6)当|J(t+1)-J(t)|πε，或迭代次数t超过最大迭代次数M时，算法终止；否则转入步骤(2)；(7)聚类算法：约束条件中引入算法数学模型为其等价于优化问题其中：dkj＝‖xj-vk‖表示样本点xj到类中心vk的欧氏距离，η∈(0，1)为类中心影响程度调节因子参数，其他参数与式(1)定义相同，式(3)与式(1)相比，显然考虑了数据在每次聚类过程中数据空间上的实际分布特性；(8)聚类算法中对隶属度引入半监督性质的补偿项Ψ，描述监督信息其表达式为类间分离度函数Φ描述不同类间的分散度问题，其表达式为希望类间超平面间隔更大，已知信息样本具有引导聚类的能力，其隶属度值的影响使最终聚类质量尽可能比用随机数聚类的准确性更高，因此，对式(3)做修改，对隶属度引入半监督性质的补偿项和类间分离度函数，得到新的目标函数，进而得到聚类方法的数学模型，其表达形式为其中:0πηπ1,η为类中心影响因子参数；其他参数与式(3)相同。对于模型(6)，利用Lagrange乘数因子法进行求解，构造Lagrange函数为

【专利技术属性】
技术研发人员：王欣，张毅，薛雯，王燕涛，王姣，郑荣，刘碧莹，张磊，齐林林，刘宇航，刘蔚，郑红刚，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：吉林,22