基于决策树数据挖掘的培训行业重点客户研究

通过属性规约、数据清理和属性构造对外语培训学校的学生数据进行了预处理,利用信息增益方法对预处理后的属性构造了决策树,根据决策树得出了培训行业重点客户：拥有会员卡且外语水平在中级以下的校内人员;拥有企业会员卡且为社会人员中的女性学员;文化程度在高中及以下的人员。     

基于数据挖掘银行客户信用风险评级体系研究

提出了基于数据挖掘的客户信用风险评级体系结构,深入解析了基于关联规则的客户信用风险评级指标体系的构建、基于BP神经网络的评级模型的构建和基于多种数据挖掘技术的分类结果细化可视化模块的构建.     

基于数据挖掘的网银风险客户分类研究

在电子商务交易过程中,网银客户安全尤为重要。为保证网银安全,为网上交易提供一个良好的平台,引用数据挖掘方法中的决策树模型,利用网银客户基本信息、操作记录、交易信息及欺诈案例,对客户进行分类,确认网银风险客户,进而采用合理措施保障合法用户安全。该模型在应用过程中有效提高了银行监管风险客户的准确率。     

基于数据挖掘的供电企业客户细分方法及模型研究

随着电网建设的不断完善升级,电力客户对于电力产品及其配套服务的品质要求不断提升,并且逐渐呈现高要求、差异化的发展趋势.面对客户需求的差异化和企业内部服务资源的有限性,供电企业有必要对客户进行科学合理的细分,实施差异化管理.下以供电企业的大数据为依托,运用数据挖掘技术,从客户的供电可靠性要求、客户价值和客户行为3个维度,建立细分指标体系,利用K-means聚类算法建立客户细分模型,并以南网某省为例进行实证分析,最终证明了所建立的细分模型是合理的.     

客户知识管理的数据挖掘方法

本文对客户知识管理中的客户价值判断进行了分析，同时运用模糊聚类分析的方法根据客户对企业的贡献度进行客户的价值鉴别，使企业能够有针对性地对不同客户实施差别策略，对企业争取营销优势提供了帮助。     

数据挖掘在企业客户行为分析中的应用

首先提出知识经济时代企业应以客户为核心进行经营 ,接着介绍了数据挖掘技术 ,并讨论了数据挖掘在企业客户行为分析中的主要应用 ,然后给出一般数据挖掘的过程 ,最后对应用前景进行了预测。     

数据挖掘在客户管理中的应用研究

在旅游业竞争日益激烈的环境下,如何做好客户分类管理,寻找优质客户对旅行社而言尤为重要。由于客户数量较多,客户数据又具有复杂性和多样性,需要通过一定的方法和手段进行分析、处理。数据挖掘通过在大量数据中挖掘出隐含的有价值数据,为企业决策提供关键性数据。针对旅行社客户数据具有大量、随机、模糊等特点,采用模糊聚类分析方法对客户进行分类,并以旅行社的实际数据为例,在matlab平台上实现了模糊聚类分析算法。结果表明,该算法较好地实现了对旅行社客户进行分类管理,反映了不同客户群体的主要特征,能够为企业经营管理提供决策依据。     

运用数据挖掘技术预测客户购买倾向--方法与实证研究

商家大部促销行为，其实都是针对客户的促销，分类模型的主要功能是根据客户数据的属性将他们分派到不同的组中。本文提出利用数据挖掘技术建立客户购买意向分类模型，利用这种分类模型可以预测客户的购买倾向。     

数据挖掘在企业客户价值管理中的应用

现代企业的经营管理以客户为中心,客户价值管理可以增强企业竞争优势。数据挖掘技术是企业进行客户价值管理的重要工具。数据挖掘的主要功能包括分类、聚类、估计与预测、关联和序列发现、数据描述。在企业客户价值管理过程中,数据挖掘可以实现发展新客户、客户细分、交叉营销、识别优质客户、发现客户异常行为,防止客户流失等功能。     

面向客户需求细分的数据挖掘研究

从差异化服务出发，根据客户的需求特征或需求层次对客户进行了细分，这有助于预测客户的需求和减少企业的营销成本。在具体细分过程中根据数据挖掘的思想采用了自组织映射神经网络模型，并通过模拟说明模型的有效性。     

基于数据挖掘的电信行业精确化套餐设计方法研究

主要介绍电信行业在经营战略向客户驱动转变的前提下,采用基于数据挖掘技术的客户细分模型洞察客户的差异化需求和行为特征,从而开展精确化套餐设计的方法、实施流程和步骤的研究.     

数据挖掘在客户消费行为分析中的应用

数据挖掘是在大量的数据中发现其隐藏在背后的有用知识的方法。文章介绍了数据挖掘的定义、数据挖掘的方法及数据挖掘的过程,然后结合电信行业的实例分析客户消费行为,提出一些有用的知识帮助企业进行决策。     

数据挖掘在证券客户流失管理中的应用

随着证券市场竞争的不断加剧,如何针对不同的客户群实施差异化营销和服务已成为当前证券企业的迫切需求.客户流失分析系统可以预测客户流失情况,对潜在流失的客户进行预警,为营业部提前进行客户挽留提供帮助.首先简要介绍了数据挖掘技术的基础理论,接着提出了证券客户流失的含义并阐述了证券客户流失分析系统的构建步骤,最后结合某证券公司的实例数据对证券客户流失系统进行了应用说明.     

基于OCA的客户细分研究

庞大而复杂的客户数据库,削弱了传统的客户细分方法的数据分析能力,使得传统方法的弱点更加突出.首先分析了传统细分方法对于细分客户初始条件敏感的弱点,然后提出用一种基于数据分组处理的聚类算法--客观聚类法,来进行客户细分.通过实证对比研究,结果显示客观聚类算法更加适合客户细分,具有无需预先指定聚类教的特点,使得细分结果更加准确.     

数据挖掘在电信客户流失中的应用

将数据挖掘技术应用到防止电信客户流失中,以某电信运营商的历史资料为对象,建立客户流失预测模型。并对高价值高流失概率的客户进行K-means聚类分析,同时对不同流失客户群提供相应的营销策略。     

基于数据挖掘的电信客户细分模型的分析与设计

本文在介绍客户细分理论和数据挖掘技术的基础上,提出了一种基于聚类算法和RBF神经网络的电信客户细分模型,并通过大量现实数据的训练,得到了比较理想的细分结果,验证了模型的合理性、有效性和实用性。     

基于CRM的银行客户信息管理研究

本论文主要研究方向是对基于CRM的客户信息资源管理的研究,通过对数据挖掘技术的介绍和分析,剖析了如何利用数据挖掘技术找出企业客户信息资源当中的有价值的信息,从而为企业做出适时的合理的决策提供依据,并且通过对客户信息资源的分析预防和解决客户流失的问题。     

基于客户信息的电信企业客户流失问题分析

在数据挖掘的基础上，提出针对电信运营企业的客户流失问题的分析方法。通过某公司客户中已经流失客户的信息分析以寻找某些特征，从而为解决客户流失问题打下基础。     

基于数据挖掘技术的客户知识发现

采用数据挖掘中的判定树法归纳出反映价值客户特征的客户属性,相应地建立起价值客户的识别规则,并将提炼出的客户属性作为神经元的输入,构建起基于径向基神经网络的CLV预测模型。最后结合实例对所构建的方法进行了应用说明,为价值客户识别与特征描述及CLV的预测提供了一种新思路。