论文部分内容阅读
【摘要】采用云模型根据客户行为对自动客户进行分类，将关于动态概念描述的思想引入到对分类状态集的后处理过程中，以隶属度高的类别被选中的概率大的程序设计原则实现了分类器处理过程的动态性。基于云模型，设计一个客户关系管理系统，从而实现客户资料的记录、查询和分类等功能。
【关键词】客户关系管理；云模型；客户细分；系统设计
1.引言
随着经济的快速发展和竞争的进一步加剧，企业已由传统的以产品和规模为中心的粗放式经营管理模式向以客户为中心、服务至上、实现客户价值和达到企业利润最大化的集约化经营管理模式转变。企业成功的关键在于重视客户的需求，提供满足客户需求的产品和服务，有效地管理客户关系，提升客户的满意度和忠诚度，通过维持长期的良好的客户关系来获取持续竞争优势。
在客户关系管理方面，国内外对客户细分的研究主要集中在现有数据挖掘分类方法在客户细分中的应用，现有的分类方法进行客户细分时，都采用确定性分类模型。这样会存在一定的不足。具体表现在：①一旦一个客户被归入某一类，就可能永远失去了对该客户使用其他客户策略的机会；②对于同一个类别中的客户没有区分不同客户属于该类的强度差异。而在现实社会中，由于受心理和社会等因素的影响，客户行为往往存在很大的不确定性和随机性，确定性的分类模型无法客观地描述客户的这种行为特征。
本文首先介绍了云模型理论，然后根据客户特征云模型，为客户细分建模，最后设计并实现客户关系管理系统。
2.云模型理论
云模型作为一种描述非确定性关系的数学方法，最早是由李德毅等人提出，它把模糊性和随机性相结合，构成定性描述和定量描述间的互相映射。人工智能学界主要采用模糊集的方法来表示和处理语言值和数值间的转换。然而，由于传统模糊学的不彻底性，它并没有很好地解决这一问题。其最为突出的问题是，隶属函数一旦通过人为假定，简化成精确数值表达后，就被强行纳入到精确数学王国。从此，概念的定义，定理的叙述及证明等都转入到了数学思维环节中，即不再有丝毫的模糊性了。针对上述问题，相关文献提出的云模型理论建立了新的不确定性模型。云是用语言值表示的某个定性概念与其定量表示之间的非确定性转换模型，他把模糊性和随机性相结合，构成定性和定量相互间的映射，作为自然语言与数据语言转换的基础。
2.1 云的基本理论
设U是一个用精确数值量表示的论域，U上对应的定性概念A，对于任意一个论域中的元素x，都存在一个有稳定倾向的随机数，叫做x对A的隶属度，则隶属度在论域上的分布称为隶属云，简称为云。云由许许多多云滴组成，云的整体形状反映了定性概念的重要特性，云滴则是对定性概念的定量描述，云滴的产生过程，表示定性概念和定量值之间的不确定性映射。
用期望值、熵、超熵三个参数即可表示一维正态云的数字特征，简记为，它反映了定性知识的定量特性，主要作用区域为。同样，改变论域U的维数也可以构成一维云、二维云、多维云等。
云模型是云运算、云推理、云控制等方法的基础。由定性概念到定量表示的过程，称为正向云发生器；由定量表示到定性概念的过程，称为逆向云发生器。
云变换是从某一属性的实际数据分布中抽取概念的过程，是从定量表示到定性描述的转换，是一个概念归纳的学习过程。其基本思想是，让高频率出现的数据值对定性既念的贡献大于低频率出现的数据值对定性概念的贡献，即将数据频率分布中的局部极大值点作为概念的中心——云模型的数学期望，它的峰值越高，表示数据汇聚越多，优先考虑其反映的定性概念；然后在原分布中减去该定性概念的对应数值部分，再寻找局部极大值；依次类推，最后根据已知的数据频率分布函数f（x），得到拟合误差函数f（x）及各个云模型的分布函数，计算出基于云模型的各个定性概念的3个特征值。
2.2 云发生器
3.基于客户特征云模型的客户细分建模
客户细分建模，即指基于客户服务数据库，利用各种分析与统计工具进行数据分析，获取每个客户对某一特定产品的消费或使用偏好特征，并结合给定的行业知识、专家知识以及相关规则库，挖掘出客户行为特征对每项服务所产生的判定因子，并将其作为制定客户服务计划的主要知识保存于服务推荐知识库中。
3.1 客户细分建模的过程
在云模型分类中，重点在于对客户特征的建模、客户特征模型中动态知识和客户的行为相关，例如交易目的、期望和偏好等信息。客户细分的建模过程如图1所示。
步骤4：云模型的隶属度控制和决策偏好的影响控制。
在云模型中，通过对隶属度阈值的设定，控制某些分类值是否可以归类到既定类型中。可以按照最小或同最大隶属度的绝对差（相对差）来确定的值。
4.设计并实现客户关系管理系统
5.总结
首先针对现有的数据挖掘模型解决客户不确定性行为的不足，提出了基于云模型的动态客户细分分类模型。然后进行了系统的总体设计，接着完成系统数据库的设计，最后概要介绍了客户管理系统详细设计，包括主界面设置等。该系统经过中国电信公司的测试使用，对提高客户分类的准确性，实现有针对性的客户营销和满足客户个性化的服务需要均取得了较好的效果。
参考文献
[1]李德毅，刘常昱.论正态云的普适应[J].中国工程科学，2004，6：8.
[2]杜鹢，宋自林，李德毅.基于云模型的关联规则挖掘方法[J].解放军理工大学.
[3]李德毅等.隶属云和隶属云发生器[J].计算机研究和发展，1995，32（6）.
[4]张国英等.多维云模型及其在多属性评价中的应用[J].北京理工大学学报，2004，24（12）.
[5]刘兰娟，竹宇光.信息系统分析与设计[M].北京：电子工业出版社，2004.
[6]王广字.客户关系管理（CRM）[M].北京：经济管理出版社，2001，5.
【关键词】客户关系管理；云模型；客户细分；系统设计
1.引言
随着经济的快速发展和竞争的进一步加剧，企业已由传统的以产品和规模为中心的粗放式经营管理模式向以客户为中心、服务至上、实现客户价值和达到企业利润最大化的集约化经营管理模式转变。企业成功的关键在于重视客户的需求，提供满足客户需求的产品和服务，有效地管理客户关系，提升客户的满意度和忠诚度，通过维持长期的良好的客户关系来获取持续竞争优势。
在客户关系管理方面，国内外对客户细分的研究主要集中在现有数据挖掘分类方法在客户细分中的应用，现有的分类方法进行客户细分时，都采用确定性分类模型。这样会存在一定的不足。具体表现在：①一旦一个客户被归入某一类，就可能永远失去了对该客户使用其他客户策略的机会；②对于同一个类别中的客户没有区分不同客户属于该类的强度差异。而在现实社会中，由于受心理和社会等因素的影响，客户行为往往存在很大的不确定性和随机性，确定性的分类模型无法客观地描述客户的这种行为特征。
本文首先介绍了云模型理论，然后根据客户特征云模型，为客户细分建模，最后设计并实现客户关系管理系统。
2.云模型理论
云模型作为一种描述非确定性关系的数学方法，最早是由李德毅等人提出，它把模糊性和随机性相结合，构成定性描述和定量描述间的互相映射。人工智能学界主要采用模糊集的方法来表示和处理语言值和数值间的转换。然而，由于传统模糊学的不彻底性，它并没有很好地解决这一问题。其最为突出的问题是，隶属函数一旦通过人为假定，简化成精确数值表达后，就被强行纳入到精确数学王国。从此，概念的定义，定理的叙述及证明等都转入到了数学思维环节中，即不再有丝毫的模糊性了。针对上述问题，相关文献提出的云模型理论建立了新的不确定性模型。云是用语言值表示的某个定性概念与其定量表示之间的非确定性转换模型，他把模糊性和随机性相结合，构成定性和定量相互间的映射，作为自然语言与数据语言转换的基础。
2.1 云的基本理论
设U是一个用精确数值量表示的论域，U上对应的定性概念A，对于任意一个论域中的元素x，都存在一个有稳定倾向的随机数，叫做x对A的隶属度，则隶属度在论域上的分布称为隶属云，简称为云。云由许许多多云滴组成，云的整体形状反映了定性概念的重要特性，云滴则是对定性概念的定量描述，云滴的产生过程，表示定性概念和定量值之间的不确定性映射。
用期望值、熵、超熵三个参数即可表示一维正态云的数字特征，简记为，它反映了定性知识的定量特性，主要作用区域为。同样，改变论域U的维数也可以构成一维云、二维云、多维云等。
云模型是云运算、云推理、云控制等方法的基础。由定性概念到定量表示的过程，称为正向云发生器；由定量表示到定性概念的过程，称为逆向云发生器。
云变换是从某一属性的实际数据分布中抽取概念的过程，是从定量表示到定性描述的转换，是一个概念归纳的学习过程。其基本思想是，让高频率出现的数据值对定性既念的贡献大于低频率出现的数据值对定性概念的贡献，即将数据频率分布中的局部极大值点作为概念的中心——云模型的数学期望，它的峰值越高，表示数据汇聚越多，优先考虑其反映的定性概念；然后在原分布中减去该定性概念的对应数值部分，再寻找局部极大值；依次类推，最后根据已知的数据频率分布函数f（x），得到拟合误差函数f（x）及各个云模型的分布函数，计算出基于云模型的各个定性概念的3个特征值。
2.2 云发生器
3.基于客户特征云模型的客户细分建模
客户细分建模，即指基于客户服务数据库，利用各种分析与统计工具进行数据分析，获取每个客户对某一特定产品的消费或使用偏好特征，并结合给定的行业知识、专家知识以及相关规则库，挖掘出客户行为特征对每项服务所产生的判定因子，并将其作为制定客户服务计划的主要知识保存于服务推荐知识库中。
3.1 客户细分建模的过程
在云模型分类中，重点在于对客户特征的建模、客户特征模型中动态知识和客户的行为相关，例如交易目的、期望和偏好等信息。客户细分的建模过程如图1所示。
步骤4：云模型的隶属度控制和决策偏好的影响控制。
在云模型中，通过对隶属度阈值的设定，控制某些分类值是否可以归类到既定类型中。可以按照最小或同最大隶属度的绝对差（相对差）来确定的值。
4.设计并实现客户关系管理系统
5.总结
首先针对现有的数据挖掘模型解决客户不确定性行为的不足，提出了基于云模型的动态客户细分分类模型。然后进行了系统的总体设计，接着完成系统数据库的设计，最后概要介绍了客户管理系统详细设计，包括主界面设置等。该系统经过中国电信公司的测试使用，对提高客户分类的准确性，实现有针对性的客户营销和满足客户个性化的服务需要均取得了较好的效果。
参考文献
[1]李德毅，刘常昱.论正态云的普适应[J].中国工程科学，2004，6：8.
[2]杜鹢，宋自林，李德毅.基于云模型的关联规则挖掘方法[J].解放军理工大学.
[3]李德毅等.隶属云和隶属云发生器[J].计算机研究和发展，1995，32（6）.
[4]张国英等.多维云模型及其在多属性评价中的应用[J].北京理工大学学报，2004，24（12）.
[5]刘兰娟，竹宇光.信息系统分析与设计[M].北京：电子工业出版社，2004.
[6]王广字.客户关系管理（CRM）[M].北京：经济管理出版社，2001，5.