面向连锁零售企业的客户关系管理模型（R-CRM）研究

论文摘要

随着信息技术的发展,经济全球化进程的加快,以沃尔玛（Wal-Mart）、家乐福（Carrefour）、麦德龙（Metro）等为代表的国际大型连锁零售企业通过20世纪80年代的观望和探测,90年代的潜心“修炼”,已“水土渐服”,已潮水般抢滩中国零售市场。面对拥有雄厚资本与先进管理理念的大型外资连锁零售企业,我国连锁零售企业必须转变管理理念,实施以4C（Customer、Cost、Convenient、Communication）为中心的现代企业管理模式,从分布数据中得到有用的信息、获取分析决策模式和知识,支持连锁商业企业经营决策,将零售业的“商品经营”演绎成“信息经营”,才能提高我国零售企业自身竞争力和发展能力。其中,连锁零售企业客户关系管理CRM系统应用正是实现这一现代管理理念的基础关键之一,但是我国零售业能深层次实施CRM的企业并不多,因此面向连锁零售企业客户关系管理R-CRM（Retail Customer Relationship Management）模型与决策机制的研究具有重大的现实意义和广阔的发展前景。本文在国内外研究基础上,以连锁零售企业商品驱动、供需联动为主线,全面分析并建立了面向连锁零售企业的客户关系管理模型,并就此模型的三个方面进行了深入分析和探讨。本文主要研究内容包括:第一,分析了面向连锁零售企业的客户关系管理管理结构,阐述了连锁零售企业客户关系管理R-CRM的客户消费分类分析、供应商评价分析、企业经营决策机制三个问题的解决思路。第二,提出了面向连锁零售企业的客户关系管理R-CRM框架,对该R-CRM框架的业务流程、三维结构体系、分析指标与方法、功能模块等进行了深入研究,并以此为基础构建了基于商品驱动、供需联动的R-CRM模型,实现对连锁零售企业的消费者、业务伙伴供应商、内部客户等的全方位管理管理。第三,针对连锁零售企业客户消费特点和连锁零售企业商品种类繁多的特性,提出了基于支持向量机（Support Vector Machine）的连锁零售企业客户分类模型:R-DCSS模型,采用云状处理过程的映射机理和非确定性推理,结合SVMDT中的概率分布函数,应用SMO算法对连锁零售企业客户进行分类。最后对该模型在连锁零售企业客户分类中进行了验证,结果表明该模型的分类精度优良。第四,针对连锁零售企业的商品驱动、供需联动的特点与要求,提出了基于BP神经网络的连锁零售企业供应商评价模型,该模型采用主成分法从大量评价因素中筛选出供应商评价的主要因素,即在保留评价信息的前提下对数据进行有效降维,并通过BP神经网络的自学习功能计算出供应商评价的定量评价。通过试验表明该模型具有良好的适用性、准确性,是连锁零售企业供应商评价的一种有效方法。第五,结合连锁零售企业数据分布、异构等的特点,提出了基于贝叶斯网络的连锁零售企业分布式决策模型:R-BNs模型,该模型以贝叶斯网络相关性学习理论为方法,以Bee-gent系统为框架,从分布连锁企业数据库中训练得到迭代型贝叶斯网络,实现连锁零售企业高效、精确的分布式迭代决策。最后对该算法进行了验证,结果证明该算法具有精确、高效并节省空间。最后,设计实现了一个支持连锁零售企业的客户关系管理原型系统:HZ-RCRM。该原型系统结合银泰百货集团的实际需求,将本论文中的改进算法和模型应用到系统中,实现了基于商品驱动的对供应商进行评优选择、客户消费行为分析分类、连锁零售企业的分布式决策等功能。同时,系统对分布式数据挖掘技术在连锁零售企业客户关系管理中的应用也做了有益的探索,为提高连锁零售企业的经营分析、决策支持和商品管理等水平都提供了有力支持。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.1.1 行业背景
• 1.1.2 理论背景
• 1.1.3 实践背景
• 1.2 选题意义
• 1.3 连锁零售企业CRM的界定
• 1.3.1 连锁零售企业CRM的概念和内涵
• 1.3.2 连锁零售企业CRM分析
• 1.4 研究思路与创新点
• 1.4.1 研究思路
• 1.4.2 创新点
• 1.5 论文组织结构
• 第2章 相关理论研究回顾
• 2.1 客户关系管理研究综述
• 2.1.1 客户关系管理的概念和内涵
• 2.1.2 客户关系管理系统的功能与分类
• 2.1.3 客户关系管理的发展趋势
• 2.1.4 客户关系管理的应用与市场前景
• 2.2 数据挖掘理论
• 2.2.1 数据挖掘的基本原理
• 2.2.2 数据挖掘的基本步骤
• 2.2.3 数据挖掘的功能
• 2.2.4 经典数据挖掘方法综述
• 2.3 支持向量机理论
• 2.3.1 统计学习原理
• 2.3.2 支持向量机
• 2.4 BP神经网络与层次分析法
• 2.4.1 BP神经网络
• 2.4.2 层次分析法
• 2.5 贝叶斯网络理论
• 2.5.1 贝叶斯统计
• 2.5.2 贝叶斯网络
• 2.5.3 贝叶斯网络学习
• 2.5.4 贝叶斯网络（BNs）推理
• 2.6 本章小结
• 第3章 连锁零售企业客户关系管理总体框架
• 3.1 面向连锁零售企业RCRM的三维结构分析
• 3.1.1 R-CRM中的消费者分析
• 3.1.2 R-CRM中的供应商分析
• 3.1.3 连锁零售企业R-CRM的决策机制分析
• 3.2 面向连锁零售企业R-CRM的框架模型
• 3.2.1 基于商品驱动的R-CRM系统工作原理
• 3.2.2 R-CRM的系统框架
• 3.2.3 R-CRM框架模型的基本功能模块
• 3.2.4 R-CRM的协调机制分析
• 3.3 面向连锁零售企业R-CRM的结构指标分析
• 3.3.1 基于SVM的客户分类分析
• 3.3.2 基于BP神经网络的供应商评价分析
• 3.3.3 基于贝叶斯的连锁零售企业CRM决策机制分析
• 3.4 连锁零售企业R-CRM实施的技术关键分析
• 3.4.1 数据仓库
• 3.4.2 分布式数据挖掘技术
• 3.4.3 数据分析与预测技术
• 3.5 本章小结
• 第4章 连锁零售企业客户分类
• 4.1 问题的提出
• 4.2 基于SVM的连锁零售企业客户动态分类模型
• 4.2.1 连锁零售企业客户多类分类问题描述
• 4.2.2 云模型
• 4.2.3 改进的序贯最小优化（SMO）算法
• 4.2.4 SVMDT方法
• 4.2.5 基于SVM的连锁零售企业客户动态分类模型（R-DCSS）
• 4.3 试验
• 4.3.1 试验数据准备
• 4.3.2 试验结果分析
• 4.4 本章小结
• 第5章 连锁零售企业供应商评价
• 5.1 引言
• 5.1.1 问题的提出
• 5.1.2 连锁零售企业供应商评价优化研究现状分析
• 5.1.3 连锁零售企业供应商评价选择与优化问题描述
• 5.2 基于BP神经网络的多目标供应商模糊优选模型
• 5.2.1 连锁零售企业供应商评价指标体系
• 5.2.2 基于BP神经网络的多目标供应商模糊优选模型及评价步骤
• 5.3 算例
• 5.3.1 数据采集与处理
• 5.3.2 样本学习
• 5.3.3 模型的验证与结果分析
• 5.4 本章小结
• 第6章 连锁零售企业客户关系管理决策机制
• 6.1 相关工作
• 6.1.1 问题的提出
• 6.1.2 贝叶斯网络特点
• 6.1.3 贝叶斯网络在连锁零售企业的分布式决策中的应用研究分析
• 6.2 基于BNs的分布式迭代决策模型
• 6.2.1 分布环境下的集成决策思想
• 6.2.2 基于PriDAG的分布式BNs迭代决策模型R-BNs
• 6.3 试验与分析评价
• 6.3.1 贝叶斯网络构建
• 6.3.2 贝叶斯网络推理
• 6.3.3 结果分析
• 6.4 本章小结
• 第7章 支持连锁零售企业客户关系管理的原型系统
• 7.1 系统概述
• 7.2 银泰百货集团HZ-RCRM系统的体系结构与实现技术
• 7.2.1 体系结构
• 7.2.2 业务逻辑服务层设计
• 7.2.3 用户界面层设计
• 7.3 HZ-RCRM的系统功能
• 7.3.1 面向银泰HZ-RCRM的消费者分析
• 7.3.2 面向银泰HZ-RCRM的供应商评价选择
• 7.3.3 面向银泰HZ-RCRM的分布式决策
• 7.4 本章小结
• 第8章 总结与展望
• 8.1 总结
• 8.2 展望
• 参考文献
• 附录 1 攻读博士论文期间发表的主要相关论著
• 附录 2 攻读博士期间承担和参加的项目
• 附录 3 攻读博士期间获奖和荣誉
• 致谢