基于概率神经网络的潜在客户数据挖掘应用研究

论文摘要

客户是企业收入的直接来源,不断获得新客户是企业持续成长的关键,企业在制定营销策略时如果对所有客户进行宣传花费的成本太高,迫切需要在众多潜在客户中挖掘那些最有可能对产品响应的客户,以提高企业的营销响应率。概率神经网络(PNN)是一种结构简单、训练简捷和应用相当广泛的人工神经网络,在实际应用中,尤其是在解决不同分类问题的应用中,它的优势在于用线性学习算法来完成以往非线性学习算法所做的工作,同时又能保持非线性算法的高精度等特性。而潜在客户挖掘归根到底是一个分类问题,可将客户分为响应客户和不响应客户两类。本文利用概率神经网络对潜在客户的相关数据进行分析处理,训练神经网络得到潜在客户对促销响应的预测模型,以指导企业有效地进行促销活动,提高企业的投资收益率。实例计算表明,概率神经网络在潜在客户分类预测中优于传统的方法如线性回归、BP神经网络。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究意义
• 1.3 国内外的研究和应用现状
• 1.3.1 客户关系管理国内外的研究和应用现状
• 1.3.2 数据挖掘在国内外的研究和应用现状
• 1.3.3 人工神经网络国内外的研究和应用现状
• 1.4 论文的主要工作
• 1.5 论文结构
• 第二章 客户关系管理——企业赢得竞争的关键
• 2.1 客户关系管理的理解及任务
• 2.2 客户关系管理软件系统的一般模型
• 2.3 客户关系管理系统架构
• 2.3.1 业务流程模型
• 2.3.2 管理层次模型
• 2.3.3 技术层次模型
• 2.4 客户关系管理系统的功能模块
• 2.5 客户关系管理项目实施流程
• 第三章 数据挖掘——客户关系管理的基础和核心
• 3.1 数据挖掘的含义
• 3.2 数据挖掘与客户关系管理的结合
• 3.3 数据挖掘的功能
• 3.4 数据挖掘的流程
• 3.5 数据挖掘技术
• 3.5.1 概率神经网络方法
• 3.5.2 其他常用方法
• 3.6 数据挖掘技术主要能解决的问题
• 3.7 数据挖掘应用领域
• 第四章 基于概率神经网络的潜在客户响应率分析
• 4.1 确定业务对象
• 4.2 数据准备
• 4.3 数据挖掘
• 4.4 结果分析
• 4.5 不同方法潜在客户挖掘结果比较分析
• 4.5.1 利用BP神经网络进行潜在客户挖掘介绍
• 4.5.2 利用线性回归进行潜在客户挖掘介绍
• 4.5.3 不同方法潜在客户挖掘结果比较分析
• 4.6 概率神经网络在客户数据挖掘中应用前景
• 第五章 结论与展望
• 5.1 结论
• 5.2 今后的研究工作展望
• 致谢
• 参考文献
• 附录
• 附录A 预测准确度的Matlab程序
• 附录B 客户响应预测的Matlab程序
• 附录C 实例所用数据
• 在学期间发表的论著及取得的科研成果