统一客户模型在客户关系管理中的应用研究

随着新时代下内外部环境的深刻变化,电力营销系统扁平化的客户模型已不能满足客户的需求,为满足高标准、个性化、差异化的客户服务需求,本文基于客户关系管理理论,通过借鉴SAP客户主数据模型设计理念,充分运用互联网思维,对主数据按业务、技术进行划分并高度抽象,构建统一客户主数据模型,并设计典型应用场景,真正实现以客户为中心、以市场为导向、具备灵活可扩展能力的模型设计目标。

一种基于卷积神经网络构建的文本聚类算法在敏感客户模型的应用研究

基于卷积神经网络构建的文本聚类算法,在此算法基础上生成敏感客户模型。该敏感客户模型有三大特征:扩大客户声音样本、运用实时深度学习算法、实现多样化拦截手段。文章详细阐述了利用卷积神经网络构造敏感客户模型的方法 ,以及该敏感客户模型在互联网业务领域的深度应用效果。

客户/服务器/客户模型与DAOIS

文中提出了一种新的网络计算模型－客户／服务器／客户模型（ＣＳＣ），并提出ＣＳＣ的一种支撑环境－分布式应用对象交互服务模型ＤＡＯＩＳ．该模型主要面向松散型的分布式独立应用系统的开发与集成，以平台级的、应用独立的、悬挂式的、网络透明平台透明应用代码透明的“软插件”为基础，辅以“包装”式的构造协议．

基于多级客户模型的个性化推荐机制

个性化是未来Web智能系统的一大特征.为了实现商品的个性化推荐,提出了一种新的基于多级客户模型的推荐系统机制,它由数据准备、模型学习、推荐集的生成和智能过滤四个子过程构成.该机制借助于多级客户模型从客户的购物需求、偏爱特征和消费能力三方面捕获客户的实际需求,从而实现了一种深层次的个性化推荐,改善了推荐效果.

福建移动BASS系统校园客户模型设计

论文描述了福建移动BASS系统的校园区域客户到校园客户的识别模型的设计,并介绍了数据集市中按月级别统计的关键校园客户统计报表的建立过程。

竞争客户模型：一种评价医院在竞争中生存能力的方法

ＪｅｎｉｆｅｒＥｋｒｅｔｈ等依据组织理论发展了一个竞争客户模型，用来评价医院在医疗市场竞争环境中的生存能力。这个模型根据医院的各类客户的目标制定了一套评价标准，用这个标准评价医院及其竞争对手，通过对比来判断医院的生存能力。本文还介绍了运用这个模型评价一家医院的案例，证实了模型的实用性。

基于神经网络算法的电信客户选择预测模型研究

当前,机器学习广泛应用于多个领域,大数据作为机器学习的原材料,也成为重要资源。电信行业积累了海量优质数据,立足电信企业一线工作需求,将机器学习技术与大数据统计思维、应用相结合,能够实现大数据赋能通信产业,以科技引领产业转型升级。基于某电信运营商数据和Python平台构建神经网络,可以实现客户行为预测模型。该预测模型在输入数据维度、实际样本量、参数量、最终预测准确率等方面出现明显提升,在实践中能够产生较大的商业价值和效益。

基于FSRce模型的机电产品绿色概念设计方案生成方法

针对部分机电产品在概念设计阶段未综合考虑客户和环境的需求,进而影响产品详细设计的问题,提出了一种基于功能—结构—客户和环境需求(function‒structure‒requirements of customer and environment,FSRce)模型的机电产品绿色概念设计方案生成方法。首先,从案例库中选择合适的功能和结构对现有产品设计树中的节点进行扩展和关联;同时通过数据挖掘、专家打分等方法获得产品的客户和环境需求重要度,以构建基于FSRce模型的产品概念设计空间。然后,先利用加权区间粗糙数法对客户和环境需求重要度进行分析,得到需求相对重要度,再运用模糊质量功能展开(fuzzy quality function deployment,FQFD)将需求相对重要度转化为产品的工程特性权重。最后,利用物元理论构建基于工程特性的产品物元域和各结构物元集,并结合工程特性权重得到各结构的满意度分值,通过比较满意度优选得到满足客户和环境需求的产品概念设计方案。以某小型工业吹风机为例,基于上述方法对其概念设计方案进行优化。相比于原始方案,优化后的吹风机在能源消耗上降低了15.38%,在碳排放上降低了15.32%,且客户满意度提高了44.66%,由此验证了所提出方法的可行性与有效性。所提出的方法为机电产品概念设计方案的生成提供了一种新思路,能更好地辅助设计人员实现对机电产品的绿色设计。

基于半监督谱聚类的电力客户群体细分模型构建

采用目前方法对电力营销服务客户群体进行细分时,存在群体细分准确性较差的问题。为此提出基于半监督谱聚类的电力营销服务客户群体细分模型构建方法,对电力营销服务客户群体数据进行预处理,填补缺失数据并水平、垂直平滑数据序列,建立半监督谱聚类支持向量机分类模型,通过谱聚算法对分类模型进行训练,引入流形正规化学习法解决原始数据集流形结构影响细分精度的问题,完成电力营销服务客户群体细分模型的构建。实验结果表明方法能有效提高电力营销服务客户群体细分准确性H距离值。

商业银行客户流失预测模型研究

以某商业银行的客户流失为研究样本,使用数据挖掘及统计技术分析和识别影响商业银行客户流失的因素,并建立客户流失预测模型。实证研究结果表明所使用的扰动预测技术获得了满意的预测效果。

基于数据挖掘的电信客户流失模型的建立与实现

文章介绍了利用数据挖掘技术处理电信行业中的客户流失问题,包括建立客户流失预测模型的过程及对模型的评价,并且使用数据挖掘工具SAS/EM实现了整个建模过程。

一种基于贝叶斯网客户购物模型的商品推荐方法

提出一种新的基于客户购物模型的推荐系统框架,它把推荐过程形式化为客户购物信息的知识表达、知识推理过程。该方法首先对客户的购物历史数据进行学习,得到贝叶斯网客户购物模型,然后结合客户当前的购物行为,提出并实施了一种基于概率推理的推荐算法。实验表明该算法能高效实时地为客户产生个性化的商品推荐集合,且在覆盖率和准确率方面优于某些传统方法。

神经网络在客户流失模型中的应用研究

针对以往企业决策者难以掌握企业客户的流失倾向,运用神经网络的基本原理建立客户流失预测模型,使得决策者在商业实施过程中能够做到有的放矢,并且结合企业实例检测了该模型的可靠性。

聚类集成算法在客户细分模型中的应用

营销分析、客户分析和内部运营管理是企业大数据应用最广泛的3个领域。基于某市烟草零售数据,运用聚类集成算法构建客户细分模型,实现烟草零售精准营销。本算法集成了Clara算法和K-means算法,首先采用Clara算法随机生成初始聚类中心,K-means算法进行无监督学习,得到最少代价的聚类中心,然后基于零售客户基本信息进行聚类因子建模,将类别与档位进行维度交叉,对零售客户在档位内二次细分,优化迭代分配,解决烟草零售客户档位内部差异化大的问题。经多种聚类算法比较,本文方法的总误差和误差波动率小于其他单一的聚类算法。将该方法用于烟草营销投放策略,经市场验证,能够提升订足率和需求满足率。

基于持卡消费行为的客户细分模型研究

客户细分模型是指选择一定的细分变量,按照一定的划分标准对客户进行分类的方法。客户细分的目的是为了更好地了解客户并提供个性化服务。本文使用的样本数据为银行卡消费数据,选择消费金额和消费金额差异率为细分维度,建立了银行卡持卡消费客户细分模型。

产品全生命周期中面向客户服务的产品模型

将产品全生命周期划分为需求分析、概念设计、工程设计、加工制造、服务支持五个阶段,按照所划分的阶段,提出包括产品需求分析模型、概念模型、设计模型、制造模型和服务支持模型的体系框架,同时研究了各阶段模型之间的转换、集成、互操作方法。在此基础上,重点对产品生命周期中的产品服务支持阶段的模型进行了描述,提出了产品服务支持阶段的模型包括产品服务模型和客户信息模型,研究了从产品的其他阶段模型转化和构成产品服务模型的方法。

我国商业银行客户贡献度模型设计与分析

实施客户关系管理系统是二十一世纪商业银行的发展趋势,对客户进行细分,实施差别化的客户管理是客户关系管理系统的重要内容,建立客户贡献度模型是目前商业银行实现对客户细分的主要方式。本文通过对现代商业银行构建客户贡献度模型的意义着手分析,得到自己对客户贡献度模型建设所依据原理的新见解,并依据该原理设计了具有较强的可实施性的客户贡献度模型,针对模型展开具体公式构成要素以及具体实现方法的分析。

信息经济时代的客户知识模型

客户知识由客户界定、沟通渠道、客户需求、客户行为以及客户赢利价值五个层次组成。其中每个知识层次都是包含该层次具体内容的客户知识子集。客户知识的掌握是一个过程 ,它从了解客户的基本信息以实现对客户进行界定开始 ,到识别客户对企业的赢利价值这一客户知识的核心。客户知识是制定“以客户为中心”的整合营销行动计划的基础。

一种商业银行客户分割的多维方法——基于客户期望收益和态度的分割模型

客户分割与资源分配是企业一直在努力解决的问题,但目前,空前巨大的客户数据量使得准确进行市场细分和寻找目标市场变得复杂和难以有效实施。通过数据挖掘技术从大型数据库中抽取隐藏的预测信息,利用层次聚类分析建立了一个根据客户的多个态度维度进行客户分割的多维方法。结果表明,以这一方式产生的聚类在同质性较好并且通过参考人口学特征的差别能够获得客户细分市场的轮廓。此外,识别了四个有特色的、表明对信息服务和技术有特殊偏好的客户群。

基于失效模式与后果分析的企业客户索赔分析模型

基于失效模式与后果分析模型(failure mode and effects analysis,FMEA),并结合层次分析法(analytic hierarchy process,AHP)和模糊逼近理想排序法(technique for order preference by similarity to an ideal solution,TOPSIS)建立企业客户索赔分析改进模型.通过模型中的评价指标对客户发起索赔的产品故障进行排序,并优先分析处理排序靠前的产品故障,以减少其客户索赔问题,促进企业的发展.文中以C公司客户索赔问题为例,对该企业的汽车组合仪表故障进行分析.结果显示,由于线路板损伤或安装混乱导致的仪表完全不工作是最严重的故障模式,通过对其改善可以极大减少客户索赔.该结果与案例公司的期望相符,验证了提出模型的有效性,能够为面临相同问题的企业提供参考.