- 2.12 MB
- 2022-05-14 15:45:10 发布
- 1、本文档共5页，可阅读全部内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 文档侵权举报电话：19940600175。
汽车营销决策支持系统客户管理模块的设计与实现摘要中国的汽车产业经过起步阶段的发展，现在己进入了高速成长期，近几年来产销量都保持了高速增长。我国目前汽车产量世界排名第四，并且和排名第三位的德国相差无几。汽车产量上升带来的必然结果就是竞争的加剧，2008年国内主要汽车厂家利润出现较大幅度下降，汽车经销企业不可避免的陷入恶性降价竞争之中，现在产量的“井喷”与价格的“雪崩”是大众媒体上评说汽车行业的常见词汇，在这种背景下，各大汽车厂商纷纷加大了信息化投资。汽车制造与营销企业经过多年的信息化建设,信息系统已有海量的生产经营数据,但尚未进行充分利用，所以汽车业信息化建设的下一个重点,是进行决策支持功能的建设,这需要IT系统提供更多的辅助决策支持功能,逐步从综合业务处理阶段走向商务智能阶段,为汽车制造企业由生产经营型向经营决策型转变提供技术支撑。与此同时，一个企业如果要生存和发展，就必需了解市场，了解客户，树立“以市场为导向，以客户为中心”的经营理念，汽车销售企业作为服务业尤其应该如此。客户关系管理（CRM），就是企业为了保持竞争力而采用的，以客户为驱动、以客户为中心的决策技术。要做到这些，就要对客户与企业交互过程中的各种客户数据收集、整理和分析，然后根据收集到的数据，挖掘出隐含在这些数据中的有用信息和知识。目前，将数据挖掘技术引入客户关系管理是企业提高决策效率的关键，它能从企业大量数据中抽取有用的信息，预测客户的行为趋势，更好地支持企业决策。本文利用数据挖掘一些经典算法实现了客户细分，潜在客户识别，客户流失与保持，客户满意度分析功能。关键词：商务智能（BI）决策支持系统数据挖掘客户关系管理（CRM）
ABSTRACTChina"sautomobileindustryaftertheinitialstageofdevelopment,isnowenteredafastperiod,productionandsalesinrecentyearshavemaintainedahigheconomicgrowth.China"svehicleproductionisthefourthworldrankingcurrently,andisalmostthesamewithGermanywhorankedthird.Theresultofrisingvehicleproductionistheinevitablecompetition,in2008theprofitsofmajordomesticautomakersdecreasedsubstantially,autodealersweregotintoaviciousinevitablepricecompetition,andnowproduction"s"blowout"andprice"s"avalanche"commentonthemassmediaareacommonvocabulary.Inthiscontext,themajorautomobilemanufacturershaveincreasedtheinvestmentininformationization.Automotivemanufacturingandmarketingbusinessaftermanyyearsofinformatizationconstruction,informationsystemshavehadmassproductionandoperationdata,butallofthemhavenotbeenfullyutilizedyet,sothenextfocusofinformationizationconstructioninautomotiveindustryistocarryouttheconstructionofdecisionsupportfunctions,whichrequiredITsystemprovidemorefunctionstosupportdecision-making,andgraduallyphasefromgeneralbusinessstagetoBusinessIntelligencestage,providingtechnicalsupporttotheautomotivemanufacturingenterprisesfromtheproductionandoperationtypetotheoperationdecision-makingtype.Atthesametime,anenterprisetosurviveanddevelop，itmustknowthemarket,knowcustomersandestablisha"market-oriented,customer-centric"businessphilosophy,autodealersasaservicessectorparticularshouldbe.CustomerRelationshipManagement(CRM)isaclient-driven,customer-centricdecision-makingtechnologywhichisinordertomaintainthecompetitivepower.Toachievethese,itisnecessarytocollection,collationandanalysisthevarietyofcustomerdataproducedintheprocessofcustomersinteractwithenterprise,thenwecanmineusefulinformationandknowledgeinthesedata.Atpresent,bringdataminingtechnologyintothecustomerrelationshipmanagementisthekeytoimprovetheefficiencyofdecision-making,itcanextractusefulinformationwithalargeamountofdata,predicttrendsincustomerbehavior,bettersupportbusinessdecisions.Realizedcustomersegmentation，potentialcustomeridentification，customerlossandmaintenanceandustomersatisfactionanalysisfunctions.Keywords:BusinessIntelligenceDecisionSupportSystemDataMiningCustomerRelationshipManagement
目录第一章概述11.1课题的来源及意义11.2系统可行性研究31.3本文主要完成的工作3第二章系统的需求分析42.1系统功能需求42.2系统性能需求42.3系统环境需求5第三章系统总体设计63.1系统功能分析63.2系统功能模块结构73.3系统主要功能模块流程图8第四章数据库的设计与使用94.1数据库的搜集与整合94.2客户价值细分的数据选择104.3潜在客户识别的数据选择114.4客户流失分析的数据选择134.5客户满意度分析的数据选择14第五章系统详细设计155.1客户价值细分模块的设计与实现155.2潜在客户识别模块的设计与实现185.3客户流失分析模块的设计与实现205.4客户满意度分析模块的设计与实现23第六章系统测试256.1测试的目的256.2测试方法256.3本系统测试方案256.4测试总结26总结27谢辞28参考文献29
第一章概述1.1课题的来源及意义1.1.1课题的来源随着中国经济持续快速发展，人民生活水平的提高，中国的汽车市场迅速膨胀，2007年中国汽车产销880万辆，再一次续写了中国汽车发展史上辉煌的一页。对于一个接近千万级的汽车市场，其自身特点逐渐显现，其内在规律正在发挥出作用。伴随着汽车市场持续高效增长，作为全球第二大汽车消费国，中国汽车市场开始成为与北美和欧洲市场一样，具有独立个性和特点的全球市场的重要组成部分。了解和满足客户需求，不断改进产品提升服务水平，成为在市场竞争中取得优势的重要武器。随着汽车工业的发展、消费市场的变化以及竞争的加剧，这种传统的营销模式正面临着越来越大的挑战。与此同时受全球性的金融危机影响，世界汽车工业正面临着严峻的考验，据统计，2008年美国汽车市场与之前一年相比萎缩了18%，销量比2007年下降了300万辆，汽车巨头通用、福特、克莱斯勒面临破产的危险，而一向被认为世界上效率最高的丰田汽车也宣布，预计2008年度的运营亏损将达到16.6亿美元，陷入二战后最严重的困境。在全球形势的影响下，2008年的国内车市也告别了高增长的态势，在下半年出现滑坡，据中国汽车工业协会统计，2008年中国汽车产量和销量分别为934.51万辆和938.05万辆，同比增长5.21%和6.70%，分别比上年同期回落了约15个百分点，为十年来的新低[2]。造成上面这些现象的原因从技术的角度考虑包括[3]：厂家的客户数据分布在多个系统中，使得营销人员根本没有办法获得一个完整的，唯一视角的客户视图；营销活动通常耗时耗力，涉及很多人，部门和合作伙伴，使用了很多不同的并且常常是很麻烦的工具，需要多次手工的方法将数据倒来倒去，效率很低；由于没有为营销活动建立实时的监控机制，出现了问题也不能及时的更正，因此很多营销活动的响应率很低。据统计，通过市场活动获得的销售线索有40%~80%都是根本无法进行下去的，因此充分利用商务智能技术对大量数据进行整合、针对营销主题进行重新构建，为企业管理层提供多维业务数据分析，并通过大规模的数据挖掘技术为营销决策过程提供信息支持，已成为汽车营销管理的发展趋势面向汽车营销的智能决策支持系统，是将商务智能（BI）技术应用于汽车营销过程当中，对各种复杂、零散业务系统及应用数据进行归纳和统一，解决其客户分析、营销预测、配送路线优化等具体问题，为企业决策者在宏观上提供决策支持的系统，本文基于面向汽车营销的决策支持系统，对其中客户管理各模块的设计进行了深入的探讨，并分别使用数据挖掘的经典算法加以实现。1.1.2课题的意义CRM（CustomerRelationshipManagement）即客户关系管理，最早是由美国Gartner-3-
Group集团在1999年提出的[6]。CRM定义如下：客户关系管理是整个企业范围内的一个战略，这个战略的目标是通过组织细分市场，培养客户满意行为，将从供应商到客户的系列处理过程联系在一块，使得利润、收益、客户满意程度最大化。CRM既是一种解决方案，又是一种管理理念。作为解决方案的CRM，集合了当今最新的信息技术，包括Internet和电子商务、多媒体技术、数据仓库、数据挖掘、专家系统、人工智能、呼叫中心等等。作为一个应用软件的CRM，凝聚了市场营销的诸多理念，市场营销、销售管理、客户关怀、服务和支持构成了CRM软件的基石。同全球汽车业发展一样，从年代初到现在，我国汽车行业的销售体系经历了三个阶段[7]：第一阶段是以产品为中心，强调产品本身而非顾客需要；第二阶段是以市场为中心的观念，强调单向推销；第三阶段以客户为中心，进入营销时代，强调双向沟通，共赢。目前，国内大部分厂商还处于产品开发为主的产品导向阶段和市场细分定位的市场导向阶段，还没有真正进入以基于客户细分的客户价值和客户需求导向的阶段。这就意味着企业还是在假定的目标客户群上做市场分析，在所有的客户群中做客户关怀，在所有的潜在客户群上投放营销费用。随着汽车行业竞争的加剧，直接导致汽车行业的核心竞争力已经不在于产品，价格作为产品的主要属性，也变得不能完全自主地由企业所控制。当产品越来越多、价格越来越低的时候，消费者持币待购现象反而越来越明显。在这样的背景下，如果各大汽车企业要在未来的环境中生存的话，进一步提高服务水平，吸引、留住老客户，拓展新客户，不断提高客户满意度和忠诚度，保持业务成交量持续增长和市场份额的扩大，已成为汽车营销的一项最为重要的工作。这也是国内外汽车行业关注CRM的原因。汽车行业应用CRM的四个层次分别为[8]：第一，基于呼叫中心的客户服务。这一层次更多地还是被动式的服务和主动关怀的尝试，其价值体现在节约成本、提高客户低层次的满意度上；第二，客户信息管理与流程管理。在这一层次，整车制造商通过ERP系统和DMS（经销商管理系统）来进行部分客户信息和交易流程的管理；第三，客户细分与客户价值、客户满意度与忠诚度。在第二层次完善和积累的基础上，对真实有效的客户相关数据进行建模分析；第四，企业价值链协同。整个汽车行业价值链中的相关企业建立企业协同体系，有效的共享资源和管理资源，由于要求较高，目前没有企业达到这个层次。现在中国汽车行业在第一层次、第二层次应用较多，第三层次企业实现较少，效率不高，第四层次几乎没有。这表明，一方面我国汽车行业达到整体的规范管理还需要一个过程，另一方面也反应出汽车行业应该从对客户信息的管理升级到对客户本身价值和满意度的管理，乃至全行业的协调发展。这也是中国汽车行业健康发展CRM的必经之路，在客户成为汽车企业的核心竞争力的今天，CRM必将成为中国汽车行业下一轮信息化的应用焦点。-3-
1.2系统可行性研究可行性分析：技术上，现行的网络技术、计算机技术和数据库技术完全能完成本系统的功能要求。本系统开发仅需要一台支持开发所需软件的计算机即可，所应用的开发工具件大部分是免费的，可以从因特网上下载，对机器本身的要求，自备的个人电脑完全可满足要求。经济方面，系统主要是个人开发，只需一个主流的个人电脑，装上需要的软件，即可开发。系统只需装在现有的服务器上，或装在教务单独配备的服务器即可投入运行，投入使用后将方便各用户的使用并且可节约大量的纸张等物力和人力资源，在经济上完全可行。社会可行性方面，系统的开发和开发后的运行不违反现行法律，没有对他人的版权、专利造成侵犯，与现行的管理制度没有冲突。操作可行性方面，界面设计时充分考虑用户的习惯，使得操作简单，界面友好；数据录入迅速规范，容易使用。综上所述，研究表明：本系统具备开发的条件，项目可行。1.3本文主要完成的工作本文基于面向汽车营销的决策支持系统，对其中客户管理各模块的设计进行了深入的探讨，描述了本文的研究背景，概括了汽车营销现状和汽车决策支持系统的发展状况，介绍了本文的背景。完成了系统的需求分析，包括系统功能，模块和流程图，进行了数据库和算法的设计与实现。客户细分。首先介绍了客户细分问题的背景和细分的标准，并详细讨论了基于客户价值的客户细分，接着使用数据挖掘经典聚类算法K-means对汽车企业的客户进行了价值细分，最后给出整个细分的过程和结果。潜在客户识别。首先探讨了识别潜在客户问题的任务、过程和意义，然后使用数据挖掘经典关联算法Apriori对购买同一品牌车型的客户进行了分析，找出他们共有的特征，为识别潜在客户提供有利依据，最后给出整个分析的过程和结果。客户流失与保持。首先分析了客户流失问题的现状、原因和危害，接着使用数据挖掘经典决策树算法ID3对已经流失的客户进行了分析，找出导致他们流失的根本原因，然后给出整个分析的过程和结果，最后探讨了应用该结果进行客户的保持，指出相应的策略。客户满意度分析。首先介绍了客户满意度的形成过程和研究进展，然后使用模糊综合评价算法，对某一车型的价格、质量、品牌、服务等各方面进行综合的评价，并以图示的方式展现结果，最后对从客户满意上升到客户忠诚进行了探讨。-3-
第二章系统的需求分析2.1系统功能需求随着市场经济的发展，汽车企业的产品越来越趋于同质化，仅仅依靠汽车本身很难在日趋激烈的竞争中取胜。在汽车营销中，客户渐渐成为汽车企业竞争的焦点，如何抓住高价值的客户，深入挖掘潜在客户，防止客户的流失，以及有效的判断客户的满意度一直是企业希望解决的难题。与此同时随着数据库技术的应用与发展，面对大量繁杂的数据，由于缺乏在大量数据中发现深层次信息的能力，许多汽车企业对于客户数据的利用还只是停留在基础层的浏览、检索、查询等方面，而无法将这些客户数据转化为更加有用的知识。如何整合数据、分析数据进而转化为行业决策所需的信息，成为一个普遍关注的热点课题。本文正是在这样的行业背景下，使用商务智能、数据挖掘、客户关系管理等相关技术和方法，在客户细分、潜在客户识别、客户流失与保持、客户满意度分析四个方面做个深入的探讨。不仅介绍了相关问题产生的背景、原因、意义等一系列问题，而且使用数据挖掘经典的聚类、分类、关联规则等算法针对各个问题的特点分别建立了模型，并利用汽车营销的相关数据进行了验证。四个部分分别作为面向汽车营销决策支持系统的一个模块嵌入到该系统中，并以饼状、条形图、规则等多样的形式展现最后的结果，具有方便实用、结果直观的特点。2.2系统性能需求本系统采用基于Web的三层B/S架构，客户浏览器端通过HTML、Javaapplets、Javascript和ActiveX控件等技术实现用户的交互界面和控制；Web服务器使用CGI脚本、Web服务器API、应用API和数据库API等实现客户浏览器与OLAP服务器、数据仓库系统之间的通信连接，它是营销决策信息管理与发布的平台；OLAP服务器负责将从数据仓库中抽取出来的数据转换成客户端用户要求的多维视图，并进行多维数据分析，将分析结果传送给Web服务器发布。本系统采用Struts2+Herbinate的MVC框架，数据库使用mySQL，服务器使用Tomcat。另外，本系统建立在基于Eclipse及插件的RCP（富客户端平台）之上，将RCP作为主平台，将每一个模块作为一个插件，各模块之间无联系，从而实现了松耦合高内聚，便于修改与扩充，在需要加入新功能或新模块时不会影响到已经存在的系统。因为采用JAVA语言来编写，从而继承了它“一次编写，处处运行”的特征，实现了跨平台特性，可运行在Window、Unix、Mac等操作系统之上。并且可以轻松集成已经存在的大量的第三方开源插件（如JFreeChart），提供了诸如国际化，拖拽操作，系统剪切板，导航，用户自定义UIs元素等功能，让程序的用户界面更为人性化。-30-
2.3系统环境需求本系统的开发及运行对于环境的要求是；1、硬件环境需求处理器：Inter（R）Core（TM）2DuoCPU T7100@1.8GHz内存：1.00GB硬盘空间：任意显卡：NVDIAGeForce8400MGS2、软件环境需求操作系统：WindowsXP软件：EclipseVersion3.5，JDK1.6，Tomca6.0数据库：MySQL5.0-30-
第三章系统总体设计3.1系统功能分析3.1.1系统功能概述本文作为汽车营销决策支持系统客户管理模块是在客户关系管理（CRM）相关理论的指导下，运用商务智能（BI）、数据挖掘等相关技术，对汽车营销部门的客户基础信息、车辆信息、购买信息、服务信息等进行的分析。具体包括：使用数据挖掘经典聚类算法K-means，根据客户的价值对客户进行细分，分析同一类别中的客户具有的相似属性；使用数据挖掘经典关联规则算法Apriori对潜在客户进行识别，找出购买某一车型的客户具有的共性；使用数据挖掘经典分类方法ID3决策树分析客户的流失问题，找出导致客户流失的具体原因，指定相应的客户保持策略；最后使用模糊评判方法对客户的满意度进行综合分析，找出薄弱环节，最终将满意度上升为忠诚度。最后，对以上工作进行了总结，并指出下一步的研究方向。3.1.2系统的功能模块主程序界面里有四个功能菜单：客户价细分析功能、潜在客户识别功能、客户流失分析功能、客户满意度分析功能。1、客户价值细分，是指按照一定的标准将企业的现有客户划分为不同的客户群。正确的客户细分能够有效地降低成本，同时获得更强、更有利可图的市场渗透。对客户进行细分，可以让市场营销、销售人员以及企业的决策层从一个比较高的层次来观察客户信息，使得企业可以针对不同类型的客户采用相应的营销策略，使企业市场营销服务活动的目标性和有效性得到提高，从而相对降低了营销成本，最大限度的开发和维护了客户资源。如采用数据挖掘中的聚类算法对汽车销售公司的客户基础资料，购买车辆资料，客户服务资料等部分属性数据进行聚类，从大量表面无关的客户信息中发现对商家有用的信息，如分析出高价值的客户有什么特点，他们有什么购物习惯，他们的背景资料是什么等等。然后，公司可以有针对性的为这部分高价值客户提供足够的技术和人力资源的支持，以满足这些客户的要求和期望，从而最大化企业的利润。2、潜在客户识别，对大多数企业而言，开发新客户是一种新的赢利方式，也是实现企业增长的主要方式。在这个过程中，首先必须明确不同客户的特性。即目标市场在哪里？哪些客户是企业的潜在客户？哪些潜在客户是优质客户？客户获取的难以程度如何？这是客户识别的工作。其次，针对不同的客户采取不同的营销策略。最后，根据客户对营销努力的反映情况来调整目标客户和相应的营销策略。可以看出潜在客户的识别是后面步骤的基础，并且它的导向作用非常重要。在面向汽车营销的决策支持系统中，-30-
利用购买同一种车型的历史销售数据及相关客户的基础数据，使用数据挖掘的关联规则算法，找出这些客户的共同特点，和他们相似的行为模式，然后在潜在顾客中识别出有积极反应的客户，可以帮助汽车营销人员有针对性地实施营销活动，提高工作效率。3、客户流失与保持，随着汽车行业中的竞争愈来愈激烈，获得一个新客户的开支愈来愈大，而保持客户比获取新客户节约成本，所以保持原有客户的工作也愈来愈有价值。改进保留客户的一种途径就是在客户真正流失之前采取行动，这也就是流失模型价值所在。汽车企业可通过数据挖掘技术，如决策树分类算法，对客户数据库中大量的客户数据进行分析和处理，针对性研究流失客户群体，分析其特征，建立流失客户模型，识别导致客户流失的模式。然后根据分析结果找出可能转移的客户，并结合流失客户模型，预测哪些客户可能会离开，以便使汽车销售公司制定一些可以诱使这些潜在离开者留下来的最适宜的计划和方案，提供个性化服务，实现“一对一”营销，从而改善企业与客户的关系，保持客户并提高收益。4、客户满意度是，指客户对企业以及企业产品服务的满意程度，它是客户的一种主观感受，是客户对产品、服务或者对企业的一种情感表现。提升满意度的根本目的在于降低客户流失率，提升忠诚度，最终增加企业利润。随着中国汽车市场的持续发展，客户满意度水平与其他指标一起成为衡量企业竞争力的重要方面。首先，满意度高的客户会增加购买本公司产品或服务的频率和总量；其次，满意度高的客户更为忠诚，具有较高的客户保持率；最后，满意度高的客户更乐于将该公司的产品或服务推荐给别人，为该公司带来新的客户。使用模糊综合评判法，分析购买同一车型的客户对该车型在价格、质量、品牌、服务四个方面的满意度调查评分，进而得出这一车型的综合评价情况，以及各个评价分量在不同评价标准上所占的人数比例，就会非常直观的指出影响该车型满意度的因素，汽车营销人员可以利用该结果有针对性的加以改进，从而提高客户对产品和服务的满意度和忠诚度。3.2系统功能模块结构基于以上的功能模块设计，本系统的系统结构图如下图3-1所示：汽车营销决策支持系统客户管理模块客户价值细分模块潜在客户识别模块客户流失分析模块客户满意度分析模图3-1软件版本管理系统结构图-30-
3.3系统主要功能模块流程图登录系统潜在客户识别客户价值细分客户流失分析满意度分析分组结果饼状图选择汽车型号输入上下限输入细分个数潜在客户信息表选择汽车型号最小置信度分析决策树选择汽车型号输入时间上限输入时间下限满意度结果柱状图选择汽车型号输入价格、服务、质量、品牌权值图3-2系统流程图-30-
第四章数据库的设计与使用4.1数据库的搜集与整合目前，汽车经销公司及各下属经销商以信息化手段辅助企业日常管理的时间较早，应用也较为成熟，各种管理信息系统在各公司得以应用。一些公司ERP采用的是SAPR3，实现存储、财务、运输、销售管理，各下属经销商使用是的启明ERP（DS-ERP），实现备件、整车、服务、客户、财务管理。客户管理系统CRM主要用于售前的客户跟踪、活动记载和售后回访，ERP与CRM各自独立应用，独立输出各类报表，各系统数据有一定关联。本部经销公司与各下属经销商之间有专用数据通道互传数据，下属经销商每月定期向本部经销公司上报各类报表，本部经销公司按各大板块（新车、二手车、备件、修车服务）汇总，再形成公司汇总报表，且均以EXCEL报表的形式传递、加工。因为客户信息、销售、车辆、投诉等数据分别存在于各自的系统中，各数据库相互独立，无法综合利用这些资源，所以只有整合为一个统一的数据仓库，才能实现对数据的有效利用，因此针对不同数据源的数据，需要做大量的抽取、转换、传输工作，此处不再一一累述，整合后的数据模型如下图4-1所示：图4-1数据模型图这里数据组织采用星形模式，如图4-2所示。其中客户维度表，包含客户编号、姓名、性别、年龄、婚姻状况、单位类别、职务、收入、教育程度、电话、地址等信息；商品维度表，包含商品编号、名称、分类号、车架号、颜色、进价、售价等信息；时间维度表，包含时间编号、日期、月份、季度、年份等信息。这三个维度表共同和销售事实表关联，销售事实表中包含商品、时间、客户的编号，以及销售数量、销售额、成本和销售利润等信息，这些信息无疑是分析客户需求、锁定目标客户、制定有针对性营销策略最有利的数据。-30-
图4-2数据星形图4.2客户价值细分的数据选择我们首先选择有较高客户价值（十分制打分中，客户价值区间是7~10）的客户数据，然后从这些客户的背景资料出发对高价值客户进行分类，选择的数据变量，以及变量的取值如下表4-1所示：表4-1客户细分数据选取字段及其取值序号字段含义取值1id客户编号1、2、3……2gender性别w(women)、m(man)3age年龄<=30、30~50、>=504maritalStatus婚姻状况s(single)、m(married)5income收入<=2000、2000~4000、4000~7000、>=70006education教育程度lower、highschool、college、graduate7numCarsOwned拥有汽车数量0、1、2、>=28value客户价值（高）7、8、9、10客户细分表中，部分高价值客户的样本数据如下表所示：-30-
表4-2抽取的样本数据针对高价值客户数据的部分属性，在使用k-means算法之前需要进行离散化处理，并用数值代替该离散化区间，例如在年龄的属性上，用0代表小于30岁，用1代表年龄在30~50之间，用2代表年龄大于50岁。在收入字段上，用0代表收入小于2000元、用1代表收入在2000~4000之间、用2代表收入在4000~7000之间、用3代表收入大于7000元。其他属性以此类推，离散化后的客户信息表如下所示：表4-3离散化后的样本数据4.3潜在客户识别的数据选择在上一小节中，我们根据客户的价值使用k-means聚类算法对客户进行了细分，此处使用购买同一车型的客户的背景资料进行关联分析，生成频繁项集和关联规则，以此判断购买同一车型的客户据有的共同的特点。以购买速腾轿车的客户为例，首先建立潜在客户识别表，选择的数据变量以及变量的取值如下表4-4所示：-30-
表4-4潜在客户识别表中选取的字段及其取值序号字段含义取值1id客户编号1、2、3……2age年龄<=30、30~50、>=503career职业见说明5income收入<=2000、2000~4000、4000~7000、>=70006education教育程度lower、highschool、college、graduate7areaCode区域编号e(east)、w(west)、s(south)、n(north)说明：本文采用《中华人民共和国职业分类大典》职业划分标准，将职业划分为8大类，分别为1.国家机关、党群组织、企业、事业、单位负责人；2.专业技术人员；3.办事人员；4.商业、服务人员；5.农、林、牧、渔、水利业生产人员；6.生产、运输设备操作人员及有关人员；7.军人；8.不便分类的其他人员。潜在客户识别表中抽取的部分样本数据如下表4-5所示：表4-5抽取的样本数据表4-6变量表示的样本数据-30-
在使用Apriori关联规则算法之前，需要将上表中部分属性及取值（区间）用变量进行表示，如用A0、A1、A2分别表示年龄的三个区间；用C0、C1…C8表示八种前边提到的职业分类；用I0、I1…I3表示收入的四个取值区间；用E0、E1…E3表示四种不同的教育程度，用变量表示取值（区间）后的数据样本如表4-6所示。4.4客户流失分析的数据选择此处使用汽车销售公司某个时期内某个车型流失的客户数据，销售人员根据这些客户流失前各方面的表现，在客户类型、客户满意度、投诉次数、带来新客户的数量等几个方面对该客户进行评定，然后加入同一时期内没有流失的客户在以上四个方面的表现情况，组成客户流失分析的样本数据。以购买捷达轿车的客户为例，首先建立客户流失分析表，选择的数据变量以及变量的取值如下表4-7所示：表4-7客户流失分析中选取的字段及其取值序号字段含义取值1id客户编码1、2、3……2type客户类型new、old3satisfaction客户满意度high、low4complain投诉次数never、low、high6ifBroughtClient是否带来新客户yes、no7lostTime客户流失的时间year-month8ifLost是否流失yes、no属性取值的说明：客户类型属性，定义第一次在本销售公司购买汽车的客户为new（新客户），购买次数超过2次（包括2次）的客户为old（老客户）；客户满意度属性，这里使用模糊评价方法对客户的满意度进行评价，分为high（非常满意）、和low（不满意）；投诉次数属性，需要进行数据离散化处理，设定投诉次数0为never，次数1~3次为low，次数超过3次（包括3次）为high；是否带来新客户属性，yes表示带来过，no表示没有带来过；客户流失的时间属性，表示客户流失的日期，精确到年月；是否流失属性，使用yes（已经流失）和no（没有流失）表示。购买捷达轿车且2008年上半年客户流失数据中抽取的部分样本数据如下表4-8所示：表4-8抽取的样本数据-30-
4.5客户满意度分析的数据选择构建因素评价矩阵：此处采用问卷调查的形式收集影响顾客满意度的数据，并对数据进行整理，如上表4-9所示，包括price、quality、grade、service四个属性，每个属性采用5分制进行打分，1分最低，5分最高，并计算因素评价矩阵R。表4-9客户满意度打分样本数据计算综合评定向量：S=WR=(0.270.280.190.160.10)。每个分量对应着所有客户对这个产品的不同满意度层次所占的百分比。如非常满意的占27%，满意的占28%，一般的占19%，不满意的占16%，非常不满意的占10%，可见这种产品有74%的顾客表示满意。-30-
第五章系统详细设计5.1客户价值细分模块的设计与实现1、模块的功能本文所讨论的客户细分是基于购买汽车客户的个人内在属性上的客户细分。前面我们进行了客户价值维度的设计，可以知道所有已知客户的价值层次。首先利用该属性对客户进行初步划分，明确哪些是企业的高价值客户，哪些是企业的一般客户，哪些是企业的劣质客户。但是面对如此大量的数据，虽然我们可以知道每个客户的详细资料，但是这些高价值的客户有什么特点，他们有什么购物习惯？他们的背景资料是什么？就不得而知了。为了有助于企业对客户进行分析，从而更好地制定客户策略，在相同背景的客户一般具有相似购买习惯这样的前提下，我们接着利用聚类算法分别对不同价值层次的客户进行分析，并针对客户不同的消费特点给出层次化服务的建议，最大限度地挖掘客户的潜在消费能力。通常情况下，少部分高价值的客户能够为公司带来大部分利润，因此对于高价值客户，汽车销售公司的销售人员应该为这部分客户提供足够的技术和人力资源支持，而且要密切关注他们对产品和服务需求的变动，根据不同的需求来为他们提供相应的差别服务，从而提高他们对商品和服务的满意度和忠诚度。2、客户细分模块实际效果页面效果图如下所示：图5-1客户价值分析页面的效果图-30-
页面生成代码如下：<%@pagelanguage="java"contentType="text/html;charset=UTF-8"pageEncoding="UTF-8"%><%@taglibprefix="s"uri="/struts-tags"%>客户流失分析 @import"/Customers/css/main.css";@import"/Customers/css/css.css";
微信/支付宝扫码支付下载