基于数据挖掘的客户关系管理系统研究

朱荣+周彩兰+高瑞

摘 要： 在CRM客户关系管理中，反馈和交流的管理过程是重要的内容，通过与客戶的深入交流对客户的需求进行更加详细具体的了解，之后再根据客户的需求对企业的产品和服务进行一系列的改造。为了能够更好地实现这一目的，基于面向对象的编程方法，研究开发了新的客户关系管理系统，利用遗传算法和神经网络算法挖掘数量庞大的客户数据，从而取得客户关系管理的有效信息。利用遗传算法将数据挖掘应用到客户获取中，利用神经网络算法将数据挖掘应用到交叉营销中，并取得良好效果。

关键词： 遗传算法； 神经网络算法； 客户关系； 数据挖掘； CRM； 交叉营销

中图分类号： TN911?34； TM417 文献标识码： A 文章编号： 1004?373X（2018）01?0182?05

Abstract： The management processes of communication and feedback are the important contents in customer relationship management （CRM）. The customer needs are understood in detail by means of the deep communication with customers， according to which the enterprise products and services are upgraded. In order to realize the above item， a new CRM system was studied and developed on the basis of the object?oriented programming method. The genetic algorithm and neural network algorithm are used to mine the massive customer data， so as to acquire the effective information of CRM. The data mining is applied to the customer acquisition by means of genetic algorithm， and also applied to the cross marketing by means of neural network algorithm. The two algorithm have perfect effect.

Keywords： genetic algorithm； neural network algorithm； customer relationship； data mining； CRM； cross marketing

0 引 言

精细化营销取代大规模营销是客户关系管理的重要突破，而且对客户关系的有效管理可以提升我国相关企业的竞争力。海量的客户数据随着营销流程日渐自动化的业务支配过程而产生，但是，管理者仍不能很好地利用这些数据了解客户，也就不能更具体地了解客户的需求。因此，要实现从基数庞大的客户数据中准确地找到对企业有用的信息，就需要运用数据挖掘技术提升企业的营销决断水平。

1 需求分析

1.1 需求描述信息

通过对有关的调查研究得到的客户需求信息表述如下：

1） 每个培训机构都设有各种培训项目。

2） 在不同的时期，每个培训课程都会开设相对应的期班，期班是指同一个期次入学但不一定在相同班级的学生，一般同一期次招收学生的多少决定了分班的情况，在本文研究的系统中不考虑班级因素。

3） 一般情况下的软件、硬件、培训和人力需求、同行竞争和宣传力度等是影响期班开设频度的重要因素。而对客户信息进行维护，并且通过对往届招生情况的研究推测出下一期次的开课时间是程序的主要作用。想要达到上述目的，则需要实现信息化的全面覆盖，并对相关客户信息进行维护，同时，为了吸引更多的学生入学，就需要对期班的优惠活动进行大力宣传。

4） 在宣传招生的过程中，客户的交往记录以及主要信息需要进行详细的整理并进行添加，以实现和客户之间沟通的有效性，从而使得沟通效率得以提高。

5） 相应的购买情况记录应该添加在参与培训活动的相关客户的信息档案之中，在对应情况下，对销售机会的状态进行修改。

6） 如果参加某一课程的客户积累的数据达到某一特定数量之后，则客户获取的步骤以及交叉营销的步骤就能够很好的完成。

7） 对咨询师、销售经理以及领导等不同职位在每一个不同的培训机构中都分别进行了设置，但是针对系统而言，每一职位所拥有的操作权限都各不相同。

1.2 系统总体用例图

通过将培训机构系统的基本需求和已得到的客户需求描述信息相结合，再通过运用面向对象这一思想，提取出关键名词。因此，交往记录、广告宣传、客户、销售机会、优惠活动、购买记录、培训课程、期班、培训课程类型等系统的主要实体类将被逐一找出。考虑到系统的用户角色不能得以确定，因此，通用Windows系统的方法能够被应用于用户角色权限管理方法之内，通过对该系统的对象类进行分析研究之后可以将系统总体用例图画出，具体情况如图1所示。

2 系统设计

2.1 总体结构设计

系统将根据研究培训机构中客户关系管理的相关需求进行客户关系的分类，包括培训课程管理、基础管理以及客户管理等三个主要部分，客户关系管理系统结构图如图2所示。

2.2 数据挖掘算法设计

2.2.1 基于遗传算法的客户获取模块endprint

1） 在客户获取中数据挖掘的应用

通过对有价值的潜在客户的发掘而使其完全成为正式客户即为客户的获取。在传统方法中，通常是通过打广告、对已知的目标客户群进行直销或者推出各种促销等形式来获取客户。在传统模式中，市场销售人员的销售经验在大多数营销活动中都十分重要，企业销售人员的业务能力和该企业营销活动的效果密切相关。同时在某些情况下，分析数据量很大的数据过程中，若使判断结果的有效性得以提高，市场销售人员的经验再丰富有时候也不一定有用，但是，数据挖掘技术可以很好地完成筛选潜在客户的工作，将有效的数据信息发掘出来，从而寻找出最有可能购买企业服务或者产品的潜在客户。

如果企业想要完成可持续的长久发展，就必须不断地进行新客户的获取，同时完成老客户最大限度的维护。客户的行为习惯可以通过数据挖掘技术进行发掘，新客户的相似行为进而能够用数据挖掘技术进行预测，从而可以促进企业潜在客户群价值的提高，因此在客户管理关系中运用数据挖掘技术有十分明显的作用，这样对企业来说也很重要。

2） 遗传算法的流程图

遗传算法的流程图如图3所示，其中500被设定为流程图中的最大尝试次数，以此来避免该程序陷入死循环。

3） 在系统中遗传算法的应用

① 基因编码

公司客户以及个人客户是按类型进行客户分类的结果，公司编码用S表示，个人编码用T表示，所有客户DNA分子信息都包含在一条染色体的构成中，最高学历、类型、职业状态和收入水平等个人信息都应该包括在客户染色体的DNA分子中，对于各个不同类型的公司其相对应的客户染色体来说，所属行业、公司规模、公司性质以及具体的效益状况等信息均包含在DNA分子内。

用字母ABCD表示公司性质、所属行业、效益状况和公司规模等信息，最高学历、类型、职业状态和收入水平分别用EFGH来表示，则具体的编码如下：

公司客户编码为[SAxByCzDw]

个人客户编码为[TExFyGzHw]

② 初始种群

按照种群规模大小，生成初始客户获取的种群数据。

在上述编码中的[xyzw]的数值范围在[TExFyGzHw]以及[SAxByCzDw]中是確定而且已知的，基于[xyzw]中的随机数值赋予生成种群的个体数值。

③ 适用度函数的定义

整个遗传算法的执行效率是由适应度函数的质量直接决定的，在客户信息系统中，某一培训课程被客户购买的总人数在ABCD或者EFGH这一相对应属性情况下的具体数值即为适应度函数[f（x），f（x）]和适应度的数值正相关。

4） 遗传算子

① 选择算子（Reproduction）

常用的选择算子有多种，其中轮盘赌选择法是其中之一，轮盘赌选择法与赌博游戏中的轮盘赌方式接近，其本质是将轮盘分割为不同类型的区域，每个区域大小根据一定的规则进行设定。个体的适应度是这个规则最主要的依据。其中，每一个个体都代表每个区域，个体被选中的几率由个体的适应度高低决定，个体在轮盘中的区域大小由选中的几率大小决定，它们之间的关系是成正比例关系。同理，个体在轮盘中的区域面积越大，个体的适应度就越高，同时，个体相应的被选中并将自身信息遗传到下一代的概率也越大。

② 变异算子（Mutation）

变异算子可以直接改变父代个体中某一点的基因致使产生一个新个体。理论上变异算子算得上是另一种产生新个体的方式，它和交叉算子配合使用使种群具有多样性，从而深化搜索空间，使算法的搜索能力得到提升。

2.2.2 基于神经网络算法的交叉营销模块

1） 交叉营销中数据挖掘的应用

交叉营销的目的是使客户和商家共同获利，商家会因为销售量的增加而产生新的利润，客户也会得到更好、更合适的产品或服务。例如：培训机构B与外贸公司A建立了长期良好的合作互动协定。外贸公司A员工的培训由机构B为其进行英语培训，培训机构B因为销售的增加而获利，外贸公司A因为员工的英语水平的提高而进一步获得利润和业务，同时，想要获得更多的利润和更多的业务，则需要拥有更多的员工，这样的话，英语培训也将会在新来的员工中进行。

2） 交叉营销中神经网络算法的应用

客户关系管理系统在培训机构进行应用时，神经网络算法在交叉营销中的应用主要分为选择训练样本和对网络进行训练两步，具体的神经网络算法流程图如图4所示。

3 系统实现

3.1 登录模块设计实现

用户身份的登录和验证是客户管理系统登录模块中的一个主要功能，首先在登录系统时，用户通过输入用户名、密码以及验证码进行登录，当用户输入的信息出现错误时，系统给出错误提醒并允许用户再次尝试输入信息，尝试输入的次数只有三次，当三次错误机会全部用完之后，系统将自动退出程序，周期性的锁定该账户并通知用户。系统成功登录是在用户输入正确信息的情况下完成的，而此时对于用户信息，系统会自动读取其中的关键内容，用户功能、导航菜单和交互界面则根据读取到的用户权限信息和数值进行分配。如图5所示为具体的登录流程。

3.2 网站布局设计实现

Visual Studio 2005被用来构建本系统的Web站点，其中网站具体的页面布局情况的实现，根据系统的设计及需求进行。

考虑到系统的易用性、易修改性和通用性，该系统在根目录下创建ThMPage.master，同时采用Asp.net的Master母版页模式用于客户关系管理系统中。因为Master母版页可以将框架页的功能代替，从而可以使具有统一风格、布局和外观的页面更加快捷的建立，大幅度地降低维护人员的维护成本和工作强度，因此，Master母版页特性在大型Web站点中得以广泛应用。具体的，客户关系管理系统主界面的设计界面如图6所示。图中客户关系管理系统导航栏网页放在中部左侧，系统总体结构图中的功能项与网页导航栏对应。endprint

在图6中可以看到内容页面站位控件ContentPlaceHolder1，运行客户管理系统之后，网页的左侧主要位置将被该系统的内容页面占据。Master主页面模式具有很强的易用性，可以使客户管理系统中自由地添加导航栏项，同时只需改动ThMPage.master文件，因此省去了大量的修改工作，原有的系统功能页面保持原样不必重复修改。

用户在成功登录客户管理系统后，主页面由系统自动弹出，不同的导航链接信息以及每一个链接所对应内容的具体功能介绍情况都会在系统主页内展示。基于研究分析，导航链接项的具体信息需要与系统总体功能结构设置为相同内容。

3.3 客户管理模块设计实现

客户购买记录管理、客户交往记录管理以及客户销售机会组成了客户管理系统中最重要的三个子系统。当客户登录系统时，信息综合查询页面是客户管理系统中弹出的第一个展示页面，客户可以通过综合查询页面找到客户的交往聊天记录等信息，客户销售机会、购买记录以及信用信息等均包含其中。具体的客户信息查询页面如图7所示。

在客户管理系统的查询页面中选中一个客户，点击添加客户或者点击编辑，之后就可以进入编辑添加客户信息的相关页面，具体的页面信息如图8所示。

4 结 论

本文针对客户关系管理系统，基于面向对象的编程方法，同时利用遗传算法和神经网络算法挖掘数量庞大的客户数据，从而取得客户关系管理的有效信息。该系统利用遗传算法将数据挖掘应用在客户获取中，利用神经网络算法在交叉营销中应用数据挖掘技术。

客户关系是该系统运行过程中的主要内容，通过对具体的业务流程的优化以及企业组织体系的改进，基于之前该领域的研究基础上进行系统开发和研究，不仅提高了利润收益和运营效率，同时提高了客户的忠诚度和满意度，为企业最终实现电子化的运营目标提供了理想的方法和解决方案。

参考文献

[1] 徐文锋.遗传算法的应用[J].卷宗，2013（3）：71?72.

XU Wenfeng. Applications of genetic algorithms [J]. Files， 2013（3）： 71?72.

[2] 董琦.遗传算法的理论研究[J].数字技术与应用，2016（2）：139.

DONG Qi. Theoretical study of genetic algorithm [J]. Digital technology and application， 2016（2）： 139.

[3] 李靜.基于数据挖掘技术的电子商务CRM研究[J].现代电子技术，2015，38（11）：126?128.

LI Jing. Research on electronic commerce CRM based on data mining technology [J]. Modern electronics technique， 2015， 38（11）： 126?128.

[4] 马俊.基于MVC的电信公司CRM系统设计与实现[D].厦门：厦门大学，2014.

MA Jun. Design and implementation of CRM system for telecom company based on MVC [D]. Xiamen： Xiamen University， 2014.

[5] 舒方，马少辉.客户重复购买的组合预测方法[J].计算机与现代化，2015（5）：67?70.

SHU Fang， MA Shaohui. Combination forecasting method of customer repeat purchase [J]. Computer and modernization， 2015（5）： 67?70.

[6] 曾晓宏.基于改进遗传算法的企业组织结构优化设计[J].统计与决策，2016（8）：173?176.

ZENG Xiaohong. Optimization design of enterprise organizational structure based on improved genetic algorithm [J]. Statistics and decision making， 2016（8）： 173?176.

[7] 邝琦，贺勇.基于遗传算法优化BP神经网络模式在数据挖掘的研究[J].自动化与仪器仪表，2016（9）：170?171.

KUANG Qi， HE Yong. Research on data mining based on genetic algorithm optimized BP neural network model [J]. Automation and instrumentation， 2016（9）： 170?171.

[8] 杨登.对CRM中数据挖掘软件有效性的评价研究[J].现代电子技术，2015，38（23）：114?117.

YANG Deng. Evaluation of the effectiveness of data mining software in CRM [J]. Modern electronics technique， 2015， 38（23）： 114?117.

[9] 傅玥.KWNN特征选择在客户关系管理系统中的应用研究[J].软件导刊，2013（12）：101?102.

FU Yue. Application of KWNN feature selection in customer relationship management system [J]. Software guide， 2013（12）： 101?102.

[10] 赵永晖.数据挖掘在客户关系管理系统中的应用研究[J].齐齐哈尔大学学报（自然科学版），2014（1）：25?26.

ZHAO Yonghui. Application of data mining in customer relationship management system [J]. Journal of Qiqihar University （natural science edition）， 2014（1）： 25?26.endprint