面向客户全生命周期分析与决策的数据挖掘关键算法研究

以客户为中心的分析型客户关系管理成为电子商务时代制胜的关键。不同于一.般的操作型CRM, 它是基于海量的客户数据, 通过数据挖掘技术发现隐含在数据中的有用信.息, 将数据转化成知识, 最终通过应用知识来获取利润。客户群分析与决策是分析型CRM 中.最重要的问题之一，而已有的相关研究与应用中，大部分的工作只是对其中的某个子问题进.行了研究，故而在系统性、完备性和有效性方面存在着一定的不足。因此，针对现有客户群.分析方法在解决实际管理决策应用中存在的精确度、效率和实用性方面的问题，研究面向客.户全生命周期分析与决策的数据挖掘关键算法，在理论上，提出一些新的数据挖掘问题，并设计一系列的新颖的算法，使其挖掘的结果能够最大限度的被用户在CRM 的决策过程中直接使用；在实际应用中，数据挖掘方法通过对客户数据的分析，有效地满足顾客需求，提高企业效益，具有重要的应用价值。

课题针对现有客户群分析方法在解决实际管理决策应用中存在的精确度、效率和实用性方面的问题，研究面向客户全生命周期分析与决策的数据挖掘关键算法，并进行初步的企业应用验证。课题的主要工作体现在：(1) 建立面向客户全生命周期分析的体系与模型，为实际应用提供切实可行的参考；(2) 提出基于聚类集成的聚类分析优化模型与算法，有效地进行客户的分群；(3) 提出基于FP-Tree的强相关项目对挖掘问题模型与算法，解决客户群特性分析；(4) 提出基于子空间的离群点集成框架与类别离群点检测算法，解决客户群之间客户的转移分析；(5) 提出基于归纳学习的动作规则问题模型与算法，有效解决客户提升规则的挖掘分析；开发原型系统，在企业初步应用，并取得了一定的效果，从而在一定程度上验证了课题说研究的方法与算法的有效性。