數(shù)據(jù)挖掘在物流企業(yè)客戶關系管理中的研究

1、    數(shù)據(jù)挖掘在物流企業(yè)客戶關系管理中的研究    楊慧慧梁艷蘇輝輝摘要本文根據(jù)該公司數(shù)據(jù)庫中的客戶信息，利用數(shù)據(jù)挖掘中的apfiofi算法對客戶購買服務進行關聯(lián)性分析，發(fā)現(xiàn)企業(yè)客戶的購買行為。進而幫助企業(yè)將自身的服務業(yè)務對客戶進行相關的推薦或者對一些關聯(lián)性服務業(yè)務進行精準營銷，提高公司的銷售業(yè)績，挖掘潛在客戶群。關鍵詞關聯(lián)分析 spass clementine 客戶關系管理客戶就上帝，客戶是企業(yè)盈利的源泉，在目前這個大數(shù)據(jù)時代，企業(yè)如何更好的管理客戶數(shù)據(jù)信息，如何更好地保持老客戶、不斷開發(fā)新客戶更成為其成功的關鍵所在。越來越多的企業(yè)注意到客戶信息的管

2、理與挖掘，并且大部分的企業(yè)管理者，已經(jīng)投入了不小的人力以及資金用于客戶信息的管理與客戶購買行為的建設與實施。很多企業(yè)項目實施也并未得到很好的預期效果。因此，本文將利用數(shù)據(jù)挖掘關聯(lián)規(guī)則中的apriori算法，以該公司數(shù)據(jù)庫中的客戶信息為基礎，挖掘出客戶購買行為的關聯(lián)性，找出內(nèi)在的規(guī)律，從而幫助企業(yè)更好的了解客戶，開發(fā)客戶價值，進而更好的進行客戶服務，提高企業(yè)收益。一、clemntine簡介spass clementine軟件是在1999年被isl公司收購后將clementine產(chǎn)品重新進行整合和開發(fā)，用來進行數(shù)據(jù)挖掘的軟件產(chǎn)品。該軟件作為一個開放式的數(shù)據(jù)工具，它主要是應用了多種圖形接口分析技術，

3、通過節(jié)點的鏈接來完成整個數(shù)據(jù)挖掘過程，使得整個過程變得直觀明了。spass clementine具有對數(shù)據(jù)進行預處理和轉換的強大功能，使用該軟件時對使用者的要求簡單，使用者不需要會大量的編程語言，并且該挖掘軟件提供了大量的數(shù)據(jù)挖掘模型，例如分類模型，決策樹模型等，以及靈活的算法例如神經(jīng)網(wǎng)絡算法，多元回歸算法等，所以在應用的過程中受到了用戶的喜愛和追捧。本文基于數(shù)據(jù)挖掘軟件spass clementine平臺，利用數(shù)據(jù)挖掘算法中的apriori算法，對某貨代公司購買服務的客戶信息進行分析，從大量的客戶信息中發(fā)現(xiàn)有價值的規(guī)則和模式，進而為物流企業(yè)管理者在客戶關系管理及營銷決策中提供理論依據(jù)。二、基

4、本原理（一）關聯(lián)規(guī)則r.agrawal等人于1993年首先提出了挖掘顧客交易數(shù)據(jù)庫中項集間的關聯(lián)規(guī)則問題，對于該公司數(shù)據(jù)庫中的客戶信息挖掘的目的是找出客戶購買行為的關聯(lián)關系。設i=i1，i2，i3，l，im是由m個不同的項組成的，給定一個事務數(shù)據(jù)集d，則事務數(shù)據(jù)集d=t1，t2，t3，l，tk，l，tn，其中tk=k=1，2，3，l，n稱之為事務，事務數(shù)據(jù)集d中的每一個事務tk是i中一組項目的集合，設a與b是i的子集：若support（a）不小于用戶給定的最小支持度min sup，則稱a頻繁項集；反之，稱a為非頻繁項集。一條關聯(lián)規(guī)則形如ab的蘊含式，其中a與b為項集，且aib=？與，項集ab的

5、支持度稱為關聯(lián)規(guī)則ab的支持度，則support（ab）support（ab）。關聯(lián)規(guī)則ab的置信度：從上述可得出，關聯(lián)規(guī)則ab成立的條件：如果關聯(lián)規(guī)則的支持度為s，則事務數(shù)據(jù)集d中至少有集s%有的事務包含ab；如果關聯(lián)規(guī)則的置信度為c，則事務數(shù)據(jù)集d中包含的事務數(shù)至少有c%也同時包含b。關聯(lián)規(guī)則挖掘問題中就是在事務數(shù)據(jù)集d中找出具有用戶給定的最小支持度min sup和最小置信度min conf的關聯(lián)關系。若support（ab）min sup且confidence（ab）min conf，則關聯(lián)規(guī)則ab是強關聯(lián)規(guī)則。所以關聯(lián)規(guī)則挖掘問題可以分為以下2個子問題。（1）根據(jù)最小支持度找出數(shù)據(jù)集d

6、中的所有頻繁項集。（2）根據(jù)頻繁項集和最小置信度產(chǎn)生關聯(lián)規(guī)則。（二）apriori算法apriori算法的核心問題是頻繁項集的取得，首先由事務數(shù)據(jù)庫和給定的支持度閾值得到所有的頻繁項集，所有支持度不小于支持度閾值的項集稱為頻繁項集。然后由頻繁項集產(chǎn)生滿足置信度要求的關聯(lián)規(guī)則。（1）遍歷計算每個項集的支持度，找出支持度大于或等于最小支持度閾值min sup的項集，丟棄小于最小支持度閾值min sup的項集，第一次掃描得出頻繁項集l1。（2）利用第一次掃描出的頻繁項集l1，進行自然連接產(chǎn)生新的候選集c1，并利用（1）步的方法，找出滿足最小支持度的頻繁項集l2，同理，第k（k>1）次掃描前先利

7、用第k-1次的掃描結果（即頻繁項集lk-1），以此類推，重復上述過程，直到?jīng)]有頻繁項集產(chǎn)生為止。三、數(shù)據(jù)挖掘中的關聯(lián)算法在貨代企業(yè)中的實證分析某國際貨運代理有限公司自該公司自成立以來，與海關，檢驗檢疫，船代，港區(qū)及相關行業(yè)保持持久密切的聯(lián)系，和多家的船公司，國際性貨貨運代理機構建立了長期互為代理關系。該公司在同行業(yè)中名列前茅。該公司的主要服務內(nèi)容有承辦各種海運、空運進出口貨物的國際運輸代理業(yè)務。具體包括：各船公司貨運訂艙業(yè)務；世界各地拼箱、拆箱業(yè)務；代理報關、報檢、保險業(yè)務，以及中轉、倉儲、運輸服務。本文從該公司中獲取了30590位客戶信息，客戶屬性包括企業(yè)性質(zhì)，企業(yè)id號，購買的服務，其中包括，報關，清關，換單，國內(nèi)運輸，倉儲，包裝，保險拼箱等業(yè)務。（1）數(shù)據(jù)預處理。數(shù)據(jù)預處理是指在對數(shù)據(jù)進行數(shù)據(jù)挖掘分析之前對原始數(shù)據(jù)進行的清洗，集約，轉換等一系列的處理工作，通過對這些數(shù)據(jù)的