基于数据挖掘的客户忠诚度分析

《基于数据挖掘的客户忠诚度分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、青岛大学硕士学位论文基于数据挖掘的客户忠诚度分析姓名：国刚申请学位级别：硕士专业：计算机软件与理论指导教师：邵峰晶;郭振波20040331摘要数据挖掘(DataMining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它是一门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。分类和预测是数据挖掘中的重要研究方面，可以用于提取描述重要数据类的模型或预测未来的数据趋势。经过近20年的发

2、展，数据挖掘技术在理论研究上日趋成熟，正不断的扩展其应用范围，当前数据挖掘已用于电信、金融、商业、气象预报、DNA、股票市场、入侵检测和客户分类等许多领域。本文就分类分析和预测分析算法进行了深入研究，对相关算法作了改进：在此基础上，对客户忠诚度变化趋势进行了预测分析。首先研究了分类分析和预测分析的相关算法，重点探讨了线性回归分析和CART分类器的原理，对CART分类算法进行了改进；其次，以线性回归分析和CART分类算法为主并结合其它数据挖掘算法，针对企业中的客户忠诚度分析问题构建了客户忠诚度分析系统，最后，

3、根据海尔客户关系数据，对海尔集团的客户忠诚度进行预测。得出了有效的结果。论文的主要内容如下：第一，阐述了课题的研究背景及其重要的研究意义；对当前数据挖掘的国内与国外的研究动态进行分析；通过对知识发现一般过程的介绍，分析了一个典型的数据挖掘系统中各模块的主要功能，并对其中采用的数据挖掘的技术作了详细阐述。第二，介绍了决策树，贝叶斯网络，神经网络，遗传算法，线性回归等分类和预测的方法。分析比较了其算法的优劣及其适用范围，并讨论了评价分类准确率的方法。第三，详细讨论了线性回归尤其是多元线性回归算法的基本思路及其参

4、数估计，利用多元线性回归思想构造了趋势预测函数；分析了CART分类器的原理，以及决策树的构建、修剪和验证过程的详细算法描述，并将CART分类算法的建树过程与修剪过程合并，得到了合并算法，从而提高了决策树的执行效率。第四，完成了客户忠诚度分析系统。描述了客户忠诚度的概念，说明研究客户忠诚度对企业的重要意义；介绍了系统的主要功能：数据预处理、重点客户发现以及客户忠诚度预测；详细讨论了数据预处理模块所采用的预处理手段和方法；通过客户忠诚度分析系统，就海尔集团所提供的相关数据对其客户忠诚度变化趋势进行了预测分析。主

5、要操作包括：针对海尔公司的客户关系数据，选取和处理客户忠诚摘要度分析数据；利用原始客户关系数据及趋势预测函数构造客户购买能力变化趋势影响因子；结合其它影响因子运用分类分析对客户忠诚度的趋势进行预测。该系统通过在分类分析中导入变化趋势影响因子，打破了以往的客户忠诚度分析系统中对客户只进行类别上的划分。而不能预测忠诚度变化趋势的局限性。分析结果证明了忠诚度趋势预测算法(LTPA)的实用性。最后，对本文的工作进行了总结和对研究前景的展望。关键词：知识发现，数据挖掘，分类，预测，回归，聚类，客户忠诚度2Abstra

6、ctDataMiningisanimportantresearchsubjectinthefieldofInformationTechnology．Itmeansaprocessofextracttheimplicit，previouslyunknown，andpotentiallyusefulknowledgefromvoluminous,non-complete,fbz碍stochasticdata．Itisapplicationforcrossingcourse，itpeoplelogarithmsa

7、ccordingtofromthelowlevelandsimplesearch，promotingtoscoopouttheknowledgefromthedata,providingthedecisionsupport．Classificationandpredictionisimportantresearchaspectthattwokindsofdataanalysisform，alsois，indatamining，callusedforwithdrawingtodescribeimportant

8、datamodelorfuturedatainpredictingtrends．Afar20yearsofdevelopment，onthetheory,datamimngtechniquesisbecomingmoreandmoreconsummateandisexpandingitsapplicationarea．Now,datamininghasbeenusedinteleeom，finance，busyn