CRM(客戶關(guān)系管理)是一個(gè)包括知識(shí)挖掘、市場(chǎng)規(guī)劃、客戶互動(dòng)、分析與修正而循環(huán)不已的過(guò)程，其中，知識(shí)挖掘過(guò)程包括市場(chǎng)確認(rèn)、客戶區(qū)分以及客戶預(yù)測(cè)。與能帶來(lái)利潤(rùn)的客戶建立持久的合作關(guān)系是CRM的核心，在建立這種持久的合作關(guān)系中，預(yù)測(cè)起著舉足輕重的作用。預(yù)測(cè)方法的選擇不僅與預(yù)測(cè)對(duì)象和目標(biāo)的性質(zhì)有關(guān)，與可能收集到的數(shù)據(jù)狀況有關(guān)，也與預(yù)測(cè)的要求和條件有關(guān)。選擇合適的挖掘技術(shù)和工具，對(duì)于未來(lái)系統(tǒng)的性能和可靠性有重大影響，不同的技術(shù)方案產(chǎn)生的結(jié)果模型有很大不同，模型結(jié)果的可理解性也存在很大差異。

1 預(yù)測(cè)模型的選擇因素

    在選擇一個(gè)預(yù)測(cè)模型的時(shí)候，要考慮許多因素。這些因素包括數(shù)據(jù)模式、預(yù)測(cè)目的、預(yù)測(cè)精度、預(yù)測(cè)的最遠(yuǎn)期限、采用此預(yù)測(cè)模型所要的費(fèi)用，以及應(yīng)用這個(gè)預(yù)測(cè)模型的難易程度等。

    1.1 數(shù)據(jù)模式(即數(shù)據(jù)的特征)

    在選擇一個(gè)預(yù)測(cè)模型的時(shí)候，數(shù)據(jù)模式是一個(gè)最主要的因素。對(duì)同一種數(shù)據(jù)模式可以應(yīng)用幾個(gè)不同的預(yù)測(cè)方法，而不同的預(yù)測(cè)方法都有各自適應(yīng)的數(shù)據(jù)特征。

    1.2 預(yù)測(cè)目的

    預(yù)測(cè)的目的，也就是預(yù)測(cè)的結(jié)果做什么用。

    1.3 預(yù)測(cè)精度

    預(yù)測(cè)精度要考慮3個(gè)問(wèn)題：在確定的環(huán)境下，使用某一種典型的預(yù)測(cè)模型能夠達(dá)到多高的精確度；在這個(gè)環(huán)境下，采用什么樣的方法能夠提高預(yù)測(cè)精度；如果存在若干種提高預(yù)測(cè)精度的方法，如何選擇一個(gè)適當(dāng)?shù)姆椒ā?/P>

    1.4 預(yù)測(cè)的最遠(yuǎn)期限

    預(yù)測(cè)的最遠(yuǎn)期限和數(shù)據(jù)模式有著密切的關(guān)系，不同計(jì)劃期限的制定，包括不同的數(shù)據(jù)模式特征。對(duì)于不同期限的預(yù)測(cè)，各種因素的重要程度也是不一樣的。任何一種預(yù)測(cè)方法的適用性依賴于預(yù)測(cè)的最遠(yuǎn)期限，而且還和預(yù)測(cè)精度、費(fèi)用以及其他因素有關(guān)。

    1.5 預(yù)測(cè)費(fèi)用

    包括研究和開(kāi)發(fā)模型的費(fèi)用、數(shù)據(jù)的收集和儲(chǔ)存費(fèi)用，及反復(fù)應(yīng)用這個(gè)模型的費(fèi)用。

2 預(yù)測(cè)模型的數(shù)據(jù)特點(diǎn)

    常用于CRM的預(yù)測(cè)模型有：回歸預(yù)測(cè)、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、聚類和最近鄰技術(shù)及規(guī)則推理，其他的預(yù)測(cè)模型(方法)還有時(shí)間序列分析、遺傳算法、粗糙集理論、模糊理論等，而數(shù)據(jù)模式是選擇一個(gè)預(yù)測(cè)模型時(shí)最主要的因素，因此，下面按定量數(shù)據(jù)(指用定距或定比尺度來(lái)衡量的數(shù)據(jù))和非定量數(shù)據(jù)(用定類或定序尺度來(lái)衡量的數(shù)據(jù))來(lái)進(jìn)行對(duì)模型數(shù)據(jù)的基本分類，分別對(duì)一些預(yù)測(cè)模型的數(shù)據(jù)特點(diǎn)進(jìn)行分析：

    2.1 回歸預(yù)測(cè)

    回歸分析的數(shù)據(jù)是區(qū)間尺度(又稱定距尺度)，它的預(yù)測(cè)值是連續(xù)的。

    2.2 決策樹(shù)

    決策樹(shù)很適合處理非數(shù)值型數(shù)據(jù)，它可以很容易的用于種類字段，但當(dāng)種類的值較多的時(shí)候，效果可能會(huì)比較差，如果限制分枝的個(gè)數(shù)。決策樹(shù)的效果還是不錯(cuò)的。決策樹(shù)預(yù)測(cè)連續(xù)屬性值時(shí)性能較差；不能分析和時(shí)間有關(guān)的屬性變量。若用決策樹(shù)來(lái)進(jìn)行分類，需要保證數(shù)據(jù)具有互斥性和完整性。

    2.3 神經(jīng)網(wǎng)絡(luò)

    可用于分類、預(yù)測(cè)、估值和聚類，一般適用于結(jié)構(gòu)化數(shù)據(jù)。當(dāng)輸入為數(shù)值字段時(shí)，神經(jīng)元網(wǎng)絡(luò)將所有輸入轉(zhuǎn)化到0～1之間；當(dāng)輸入是種類字段時(shí)，神經(jīng)元網(wǎng)絡(luò)可以將種類字段轉(zhuǎn)化成數(shù)值字段，但這樣就給種類字段強(qiáng)加了一個(gè)先后次序；而當(dāng)記錄中的字段很多肘。神經(jīng)元網(wǎng)絡(luò)也會(huì)受其影響；當(dāng)有多個(gè)依賴變量時(shí)神經(jīng)元網(wǎng)絡(luò)是最佳的選擇；同時(shí)，神經(jīng)元網(wǎng)絡(luò)對(duì)時(shí)間順序的數(shù)據(jù)的處理能力比較好。對(duì)非線性、有噪音的復(fù)雜數(shù)據(jù)分析效果良好；能處理規(guī)模較大的數(shù)據(jù)庫(kù)；能預(yù)測(cè)連續(xù)數(shù)據(jù)，分類或聚類離散數(shù)據(jù)；能處理有噪音或?qū)傩灾涤腥笔У臄?shù)據(jù)。神經(jīng)網(wǎng)絡(luò)特別適合那些模糊、不嚴(yán)密、不完整的知識(shí)(數(shù)據(jù))為特征的，或那些缺少清晰的分析數(shù)據(jù)的數(shù)學(xué)算法的問(wèn)題。

    2.4 聚類分析

    使用聚類分析時(shí)變量可以是連續(xù)或分類變量，對(duì)每個(gè)調(diào)查對(duì)象的數(shù)據(jù)應(yīng)當(dāng)是完整的。在可能的情況下，盡量避免用替代值填補(bǔ)缺失值，即使這無(wú)法避免，也應(yīng)當(dāng)意識(shí)到這會(huì)影響結(jié)果，因?yàn)檫@樣所做的實(shí)際上是在編造數(shù)據(jù)。聚類分析中數(shù)據(jù)結(jié)構(gòu)為數(shù)據(jù)矩陣和差異度矩陣，數(shù)據(jù)類型包括區(qū)間標(biāo)度變量(Interval—scaled variables)、二元變量(Binary variables)、標(biāo)稱型，序數(shù)型和比例型變量(Nominal ordinal，，and ratio variables)以及混合類型變量(Variables of mixed types)4種。

    2.5 最近鄰技術(shù)

    適用于非定量數(shù)據(jù)，能處理分類型數(shù)據(jù)，數(shù)字型數(shù)據(jù)和字符型數(shù)據(jù)。

    2.6 規(guī)則推理

    非定量數(shù)據(jù)，適于處理大型數(shù)據(jù)。

    2.7 時(shí)間序列分析

    時(shí)間序列分析在處理和時(shí)間具有相關(guān)性的情況時(shí)有獨(dú)特的優(yōu)勢(shì)，用于處理有序隨機(jī)變量或者有序數(shù)據(jù)，并且觀測(cè)值之間不獨(dú)立。

    2.8 遺傳算法

    可用于分類和預(yù)測(cè)，可以解決非線性、多變量、非連續(xù)、非可導(dǎo)空間上的優(yōu)化問(wèn)題。在所求問(wèn)題為非連續(xù)、多峰以及有噪音的情況下，遺傳算法的優(yōu)勢(shì)更加明顯，它能以很大的概率收斂到最優(yōu)解或滿意解，具有較好的全局收斂性。

    2.9 模糊集

    當(dāng)精確輸入不可能或太昂貴時(shí)，模糊系統(tǒng)就可以作為一種強(qiáng)有力的模型方法。

    2.10 粗糙集理論

    粗糙集理論是一種研究不完整數(shù)據(jù)、不確定知識(shí)的表達(dá)、學(xué)習(xí)及歸納的數(shù)學(xué)方法。它為分析不精確數(shù)據(jù)、推理和挖掘數(shù)據(jù)問(wèn)的關(guān)系、發(fā)現(xiàn)潛在的知識(shí)提供了行之有效的工具。它以各種更接近人們對(duì)事物的描述方式的定性、定疑或混合信息為輸入，輸入空間和輸出空間是通過(guò)簡(jiǎn)單的決策表簡(jiǎn)化得到的。

3 預(yù)測(cè)模型的評(píng)價(jià)

    不同的模型有其各自適用的場(chǎng)合，因此在不同的預(yù)測(cè)問(wèn)題中要根據(jù)具體的情況和模型的特點(diǎn)來(lái)選擇預(yù)測(cè)模型。

    如果預(yù)測(cè)的結(jié)果是用于編制計(jì)劃或做綜合決策，理論上說(shuō)，比較理想的辦法是采用多變量預(yù)測(cè)模型。如果要預(yù)測(cè)的對(duì)象很多，采用單變量的預(yù)測(cè)方法比較切合實(shí)際。

    一般情況下。指數(shù)平滑方法和自回歸——移動(dòng)平均方法的預(yù)測(cè)精度都比較高，指數(shù)平滑方法用于短期預(yù)測(cè)能夠得到良好的效果，能夠達(dá)到最大的精確度。自回歸——移動(dòng)平均方法的算法比較復(fù)雜，它的優(yōu)點(diǎn)是可以從模型中加以選擇，而不必局限于一個(gè)特定的模型，缺點(diǎn)是在選擇模型時(shí)需要具有比較豐富的經(jīng)驗(yàn)和精通這種方法的人。

    單變量回歸和多變毯回歸模型的預(yù)測(cè)期限比指數(shù)平滑方法更遠(yuǎn)一些，可用于中期預(yù)測(cè)。它的另一個(gè)優(yōu)點(diǎn)是能夠反映兩個(gè)或兩個(gè)以上變量之間的相互關(guān)系，能夠通過(guò)對(duì)一個(gè)變量的預(yù)測(cè)立即得到另一個(gè)變量的預(yù)測(cè)值。在建立多變量回歸模型時(shí)，采用逐步回歸方法具有良好的結(jié)果，它能剔除不重要的因素，從而使回歸模型盡可能地簡(jiǎn)單。

    計(jì)量經(jīng)濟(jì)模型通常用作綜合性預(yù)測(cè)，它的優(yōu)點(diǎn)是對(duì)任何單一方程的自變量之間的相互關(guān)系，可以包括在其他方程式中，它們的數(shù)值可以同時(shí)確定。根據(jù)以上的分析，可以利用層次分析法來(lái)進(jìn)行對(duì)預(yù)測(cè)模型的選擇。層次結(jié)構(gòu)模型見(jiàn)圖1。

圖1 層次結(jié)構(gòu)模型

    在實(shí)踐中，有時(shí)模型間的差別很小，選擇最好的模型，是在模擬條件下對(duì)候選模型進(jìn)行驗(yàn)證，模擬效果最好的就是最優(yōu)的模型；在方法上，有時(shí)需同時(shí)應(yīng)用幾種方法，如因子分析往往和回歸分析或聚類分析一起使用，聚類分析和判別分析結(jié)合使用等。

核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。

轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/

本文標(biāo)題：CRM預(yù)測(cè)模型的評(píng)價(jià)與選擇

本文網(wǎng)址：http://www.ezxoed.cn/html/solutions/1401936257.html