软件工程毕业论文-基于数据挖掘经典算法实现汽车营销客户关系管理系统设计crm

软件工程毕业论文-基于数据挖掘经典算法实现汽车营销客户关系管理系统设计crm内容摘要：

（富客户端平台）之上，将 RCP作为主平台，将每一个模块作为一个插件，各模块之间无联系，从而实现了松耦合高内聚，便于修改与扩充，在需要加入新功能或新模块时不会影响到已经存在的系统。 因为采用 JAVA 语言 来编写，从而继承了它 “ 一次编写，处处运行 ” 的特征 ， 实现了跨平台特性，可运行在 Window、 Unix、 Mac 等操作系统之上。 并且 可 以 轻松集成已 经 存在 的大量 的 第三方开源插件（如 JFreeChart）， 提供 了诸如国际化，拖拽操作，系统剪切板，导航，用户自定义 UIs 元素 等 功能，让程序的用户界面更为人性化。 大连交通大学 2020 届本科生毕业设计（论文） 5 系统环境 需求 本 系统的 开发及 运行对于环境的要求是； 硬件环境 需求 处理器： Inter（ R） Core（ TM） 2 Duo CPU T7100 @ 内存： 硬盘空间： 任意 显卡： NVDIA GeForce 8400M GS 软件环境 需求 操作系统： Windows XP 软件： Eclipse Version ， ， 数据库： 大连交通大学 2020 届本科生毕业设计（论文） 6 第三章 系统总体设计 系统功能分析 系统功能概述 本文 作为汽车营销决策支持系统客户管理模块 是在客户关系管理（ CRM）相关理论的指导下，运用商务智能（ BI）、数据挖掘 等 相关技术，对汽车营销部门的客户基础信息、车辆信息、购买信息、服务信息等进行的分析。 具体包括：使用数据挖掘经典聚类算法 Kmeans，根据客户的价值对客户进行细分 ，分析同一类别中的客户具有的相似属性 ；使用数据挖掘经典关联规则算法 Apriori 对潜在客户进行识别，找出购买某一车型的客户具有的共性；使用数据挖掘经 典分类方法 ID3 决策树分析客户的流失问题，找出导致客户流失的具体原因，指定相应的客户保持策略；最后使用模糊评判方法对客户的满意度进行 综合 分析， 找出薄弱环节，最终将满意度 上升为忠诚 度。 最后，对以上工 作进行 了总结，并指出下一步的 研究 方向。 系统 的功能 模块 主程序界面里有四个功能菜单： 客户价 细分 析功能、潜在客户识别功能、客户流失分析功能、客户满意度分析功能。 客户 价值 细分，是指按照一定的标准将企业的现有客户划分为不同的客户群。 正确的客户细分能够有效地降低成本，同时获得更强、更有利可图的市场渗透。 对 客户进行细分，可以让市场营销、销售人员以及企业的决策层从一个比较高的层次来观察客户信息，使得企业可以针对不同类型的客户采用相应的营销策略，使企业市场营销服务活动的目标性和有效性得到提高，从而相对降低了营销成本，最大限度的开发和维护了客户资源。 如采用数据挖掘中的聚类算法对汽车销售公司的客户基础资料，购买车辆资料，客户服务资料等部分属性数据进行聚类，从大量表面无关的客户信息中发现对商家有用的信息，如分析出高价值的客户有什么特点，他们有什么购物习惯，他们的背景资料是什么等等。 然后，公司可以有针对性的为这部分高价值 客户提供足够的技术和人力资源的支持，以满足这些客户的要求和期望，从而最大化企业的利润。 潜在客户识别 ， 对大多数企业而言，开发新客户是一种新的赢利方式，也是实现企业增长的主要方式。 在这个过程中， 首先必须明确不同客户的特性。 即目标市场在哪里。 哪些客户是企业的潜在客户。 哪些潜在客户是优质客户。 客户获取的难以程度如何。 这是客户识别的工作。 其次，针对不同的客户采取不同的营销策略。 最后，根据客户对营销努力的反映情况来调整目标客户和相应的营销策略。 可以看出潜在客户的识别是后面步骤的基础，并且它的导向作用非常重要。 在面 向汽车营销的决策支持系统中，利用购买同一种车型的历史销售数据及相关客户的基础数据，使用数据挖掘的关联规则算法，找出这些客户的共同特点，和他们相似的行为模式，然后在潜在顾客中识别出有大连交通大学 2020 届本科生毕业设计（论文） 7 积极反应的客户，可以帮助汽车营销人员 有针对性地实施营销活动，提高工作效率。 客户流失与保持 ， 随着汽车行业中的竞争愈来愈激烈，获得一个新客户的开支愈来愈大，而保持客户比获取新客户节约成本，所以保持原有客户的工作也愈来愈有价值。 改进保留客户的一种途径就是在客户真正流失之前采取行动，这也就是流失模型价值所在。 汽车企业可通过数据挖掘技 术，如决策树分类算法，对客户数据库中大量的客户数据进行分析和处理，针对性研究流失客户群体，分析其特征，建立流失客户模型，识别导致客户流失的模式。 然后根据分析结果找出可能转移的客户，并结合流失客户模型，预测哪些客户可能会离开，以便使汽车销售公司制定一些可以诱使这些潜在离开者留下来的最适宜的计划和方案，提供个性化服务，实现“一对一”营销，从而改善企业与客户的关系，保持客户并提高收益。 客户满意度是 ， 指客户对企业以及企业产品服务的满意程度，它是客户的一种主观感受，是客户对产品、服务或者对企业的一种情感表现。 提 升满意度的根本目的在于降低客户流失率，提升忠诚度，最终增加企业利润。 随着中国汽车市场的持续发展，客户满意度水平与其他指标一起成为衡量企业竞争力的重要方面。 首先，满意度高的客户会增加购买本公司产品或服务的频率和总量；其次，满意度高的客户更为忠诚，具有较高的客户保持率；最后，满意度高的客户更乐于将该公司的产品或服务推荐给别人，为该公司带来新的客户。 使用模糊综合评判法，分析购买同一车型的客户对该车型在价格、质量、品牌、服务四个方面的满意度调查评分，进而得出这一车型的综合评价情况，以及各个评价分量在不同评价标准上所 占的人数比例，就会非常直观的指出影响该车型满意度的因素，汽车营销人员可以利用该结果有针对性的加以改进，从而提高客户对产品和服务的满意度和忠诚度。 系统功能 模块 结构 基于以上的 功能模块设计 ，本系统的系统结构图如下 图 31 所示 ： 图 31 软件版本管理 系统结构图 汽车 营销决策支持系统客户管理模块 客户价值细分模块 潜在客户识别模块 客户流失分析模块 客户满意度分析模 大连交通大学 2020 届本科生毕业设计（论文） 8 系统主要功能模块流程图 图 32 系统 流程图 登录系统 潜在客户识别 客户价值细分 客户流失分析 满意度分 析 分组结果饼状图 选择汽车型号 输入上下限 输入细分个数 潜在客户信息表 选择汽车型号 最小置信度 分析决策树 选择汽车型号 输入时间上限 输入时间下限 满意度结果柱状图 选择汽车型号 输入价格、服务、质量、品牌权值 大连交通大学 2020 届本科生毕业设计（论文） 9 第四章 数据库 的 设计 与使 用 数据库 的搜集与整合 目前， 汽车 经销公司及各下属经销商以信息化手段辅助企业日常管理的时间较早，应用也较为成熟，各种管理信息系统在各公司得以应用。 一些 公司 ERP 采用的是 SAP R3，实现存储、财务、运输、销售管理，各下属经销商使用是的启明 ERP（ DSERP），实现备件、整车、服务、客户、财务管理。 客户管理系统 CRM 主要用于售前的客户跟踪、活动记载和售后回访， ERP 与 CRM 各自独立应用，独立输出各类报表，各系统数据有一定关联。 本部经销公司与各下属经销商之间有专用数据通道互传数据，下属经销商每月定期 向本部经销公司上报各类报表，本部经销公司按各大板块（新车、二手车、备件、修车服务）汇总，再形成公司汇总报表，且均以 EXCEL 报表的形式传递、加工。 因为客户信息、销售、车辆、投诉等数据分别存在于各自的系统中，各数据库相互独立，无法综合利用这些资源，所以只有整合为一个统一的数据 仓 库，才能实现对数据的有效利用， 因此 针对不同数据源的数据，需要做大量的抽取、转换、传输工作，此处不再 一一 累述，整合后 的 数据模型如下 图 41 所示： 图 41 数据模型图 这里数据组织采用星形模式，如图 42 所示。 其中 客户 维度 表， 包含 客户编号、 姓名、性别、 年龄、 婚姻状 况 、 单位类别、职务、收入、教育程度、 电话、地址 等信息；商品维度表， 包含 商品编号、名称、分类号、车架号、颜色、进价、售价等信息；时间维度表， 包含 时间编号、日期、月份、季度、年份等信息。 这三个维度表共同和销售事实表关联，销售事实表中包含商品、时间、客户的编号，以及销售数量、销售额、成本和销售利润等信息， 这些信息无疑是分析客户需求、锁定目标客户、制定有针对性营销策略最有利的数据。 时间维度 销售事实 商品 维度 客户 维度 大连交通大学 2020 届本科生毕业设计（论文） 10 图 42 数据星形图 客户价值细分的数据选择 我们首先选择有较高客户价值 （十分制打分中，客户价值区间是 7~10） 的客户数据 ，然后 从 这些 客户的背景资料 出发对高价值 客户 进行 分类，选择的数据变量 ，以及变量的取值 如下 表 41 所示： 表 41 客户细分数据选取字段及其取值 序号 字段 含义 取值 1 id 客户编号 3„„ 2 gender 性别 w(women)、 m(man) 3 age 年龄 = 30~50、 =50 4 maritalStatus 婚姻状况 s(single)、 m(married) 5 ine 收入 =20 2020~4000、 4000~7000、 =7000 6 education 教育程度 lower、 high school、 college、 graduate 7 numCarsOwned 拥有汽车数量 0、 =2 8 value 客户价值（高） 10 客户细分表中，部分高价值客户的样本数据 如下 表所示： 大连交通大学 2020 届本科生毕业设计（论文） 11 表 42 抽取的样本数据 针对高价值客户数据的部分属性，在使用 kmeans 算法之前需要进行离散化处理，并用数值代替该离散化区间，例如在年龄的属性上，用 0 代 表小于 30 岁，用 1 代表年龄在 30~50 之间，用 2 代表年龄大于 50 岁。 在收入字段上，用 0 代表收入小于 2020 元、用 1 代表收入在 2020~4000 之间、用 2 代表收入在 4000~7000 之间、用 3 代表收入大于7000 元。 其他属性以此类推，离散化后的客户信息表如下所示： 表 43 离散化后的样本数据 潜在客户识别的数据选择 在上一 小节 中，我们根据客户的价值使用 kmeans 聚类算法对客户进行了细分，此处 使用购买同一车型的 客户的背景资料进行关联分析，生成频繁项集 和关联规则 ，以此判断 购买同一 车型 的客户 据有的共同的特点。 以购买速腾轿车的客户为例， 首先建立 潜在客户识别表 ，选择的数据变量 以及变量的取值 如下 表 44 所示 ： 大连交通大学 2020 届本科生毕业设计（论文） 12 表 44 潜在客户识别表中选取的字段及其取值 序号 字段 含义 取值 1 id 客户编号 3„„ 2 age 年龄 = 30~50、 =50 3 career 职业 见说明 5 ine 收入 =20 2020~4000、 4000~7000、 =7000 6 education 教育程度 lower、 high school、 college、 graduate 7 areaCode 区域编号 e(east)、 w(west)、 s(south)、 n(north) 说明：本文采用《中华人民共和国职业分类大典》职业划分标准，将职业划分为 8大类，分别为 、党群组织、企业、事业、单位负责人； ； 3.办事人员； 、服务人员； 、林、牧、渔、水利业生产人员； 、运输设备操作人员及有关人员； ；。 潜在客户识别表中抽取的部分样本数据如下表 45 所示 ： 表 45 抽取的样本数据 表 46 变量表示的样本数据 大连交通大学 2020 届本科生毕业设计（论文） 13 在使用 Apriori 关联规则算法 之前，需要将上表中部分属性及取值（区间）用变量进行表示，如用 A0、 A A2 分别表示年龄的三个区间 ；用 C0、 C1„ C8 表。