CRM(客戶關系管理)是一個包括知識挖掘、市場規(guī)劃、客戶互動、分析與修正而循環(huán)不已的過程，其中，知識挖掘過程包括市場確認、客戶區(qū)分以及客戶預測。與能帶來利潤的客戶建立持久的合作關系是CRM的核心，在建立這種持久的合作關系中，預測起著舉足輕重的作用。預測方法的選擇不僅與預測對象和目標的性質有關，與可能收集到的數(shù)據(jù)狀況有關，也與預測的要求和條件有關。選擇合適的挖掘技術和工具，對于未來系統(tǒng)的性能和可靠性有重大影響，不同的技術方案產(chǎn)生的結果模型有很大不同，模型結果的可理解性也存在很大差異。

1 預測模型的選擇因素

    在選擇一個預測模型的時候，要考慮許多因素。這些因素包括數(shù)據(jù)模式、預測目的、預測精度、預測的最遠期限、采用此預測模型所要的費用，以及應用這個預測模型的難易程度等。

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

    在選擇一個預測模型的時候，數(shù)據(jù)模式是一個最主要的因素。對同一種數(shù)據(jù)模式可以應用幾個不同的預測方法，而不同的預測方法都有各自適應的數(shù)據(jù)特征。

    1.2 預測目的

    預測的目的，也就是預測的結果做什么用。

    1.3 預測精度

    預測精度要考慮3個問題：在確定的環(huán)境下，使用某一種典型的預測模型能夠達到多高的精確度；在這個環(huán)境下，采用什么樣的方法能夠提高預測精度；如果存在若干種提高預測精度的方法，如何選擇一個適當?shù)姆椒ā?/P>

    1.4 預測的最遠期限

    預測的最遠期限和數(shù)據(jù)模式有著密切的關系，不同計劃期限的制定，包括不同的數(shù)據(jù)模式特征。對于不同期限的預測，各種因素的重要程度也是不一樣的。任何一種預測方法的適用性依賴于預測的最遠期限，而且還和預測精度、費用以及其他因素有關。

    1.5 預測費用

    包括研究和開發(fā)模型的費用、數(shù)據(jù)的收集和儲存費用，及反復應用這個模型的費用。

2 預測模型的數(shù)據(jù)特點

    常用于CRM的預測模型有：回歸預測、決策樹、神經(jīng)網(wǎng)絡、聚類和最近鄰技術及規(guī)則推理，其他的預測模型(方法)還有時間序列分析、遺傳算法、粗糙集理論、模糊理論等，而數(shù)據(jù)模式是選擇一個預測模型時最主要的因素，因此，下面按定量數(shù)據(jù)(指用定距或定比尺度來衡量的數(shù)據(jù))和非定量數(shù)據(jù)(用定類或定序尺度來衡量的數(shù)據(jù))來進行對模型數(shù)據(jù)的基本分類，分別對一些預測模型的數(shù)據(jù)特點進行分析：

    2.1 回歸預測

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

    2.2 決策樹

    決策樹很適合處理非數(shù)值型數(shù)據(jù)，它可以很容易的用于種類字段，但當種類的值較多的時候，效果可能會比較差，如果限制分枝的個數(shù)。決策樹的效果還是不錯的。決策樹預測連續(xù)屬性值時性能較差；不能分析和時間有關的屬性變量。若用決策樹來進行分類，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

    可用于分類、預測、估值和聚類，一般適用于結構化數(shù)據(jù)。當輸入為數(shù)值字段時，神經(jīng)元網(wǎng)絡將所有輸入轉化到0～1之間；當輸入是種類字段時，神經(jīng)元網(wǎng)絡可以將種類字段轉化成數(shù)值字段，但這樣就給種類字段強加了一個先后次序；而當記錄中的字段很多肘。神經(jīng)元網(wǎng)絡也會受其影響；當有多個依賴變量時神經(jīng)元網(wǎng)絡是最佳的選擇；同時，神經(jīng)元網(wǎng)絡對時間順序的數(shù)據(jù)的處理能力比較好。對非線性、有噪音的復雜數(shù)據(jù)分析效果良好；能處理規(guī)模較大的數(shù)據(jù)庫；能預測連續(xù)數(shù)據(jù)，分類或聚類離散數(shù)據(jù)；能處理有噪音或屬性值有缺失的數(shù)據(jù)。神經(jīng)網(wǎng)絡特別適合那些模糊、不嚴密、不完整的知識(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)學算法的問題。

    2.4 聚類分析

    使用聚類分析時變量可以是連續(xù)或分類變量，對每個調查對象的數(shù)據(jù)應當是完整的。在可能的情況下，盡量避免用替代值填補缺失值，即使這無法避免，也應當意識到這會影響結果，因為這樣所做的實際上是在編造數(shù)據(jù)。聚類分析中數(shù)據(jù)結構為數(shù)據(jù)矩陣和差異度矩陣，數(shù)據(jù)類型包括區(qū)間標度變量(Interval—scaled variables)、二元變量(Binary variables)、標稱型，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

    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 時間序列分析

    時間序列分析在處理和時間具有相關性的情況時有獨特的優(yōu)勢，用于處理有序隨機變量或者有序數(shù)據(jù)，并且觀測值之間不獨立。

    2.8 遺傳算法

    可用于分類和預測，可以解決非線性、多變量、非連續(xù)、非可導空間上的優(yōu)化問題。在所求問題為非連續(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

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

    2.10 粗糙集理論

    粗糙集理論是一種研究不完整數(shù)據(jù)、不確定知識的表達、學習及歸納的數(shù)學方法。它為分析不精確數(shù)據(jù)、推理和挖掘數(shù)據(jù)問的關系、發(fā)現(xiàn)潛在的知識提供了行之有效的工具。它以各種更接近人們對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簡單的決策表簡化得到的。

3 預測模型的評價

    不同的模型有其各自適用的場合，因此在不同的預測問題中要根據(jù)具體的情況和模型的特點來選擇預測模型。

    如果預測的結果是用于編制計劃或做綜合決策，理論上說，比較理想的辦法是采用多變量預測模型。如果要預測的對象很多，采用單變量的預測方法比較切合實際。

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

    單變量回歸和多變毯回歸模型的預測期限比指數(shù)平滑方法更遠一些，可用于中期預測。它的另一個優(yōu)點是能夠反映兩個或兩個以上變量之間的相互關系，能夠通過對一個變量的預測立即得到另一個變量的預測值。在建立多變量回歸模型時，采用逐步回歸方法具有良好的結果，它能剔除不重要的因素，從而使回歸模型盡可能地簡單。

    計量經(jīng)濟模型通常用作綜合性預測，它的優(yōu)點是對任何單一方程的自變量之間的相互關系，可以包括在其他方程式中，它們的數(shù)值可以同時確定。根據(jù)以上的分析，可以利用層次分析法來進行對預測模型的選擇。層次結構模型見圖1。

圖1 層次結構模型

    在實踐中，有時模型間的差別很小，選擇最好的模型，是在模擬條件下對候選模型進行驗證，模擬效果最好的就是最優(yōu)的模型；在方法上，有時需同時應用幾種方法，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合使用等。

核心關注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務領域、行業(yè)應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業(yè)務領域的管理，全面涵蓋了企業(yè)關注ERP管理系統(tǒng)的核心領域，是眾多中小企業(yè)信息化建設首選的ERP管理軟件信賴品牌。

轉載請注明出處：拓步ERP資訊網(wǎng)http://www.oesoe.com/

本文標題：CRM預測模型的評價與選擇

本文網(wǎng)址：http://www.oesoe.com/html/solutions/1401936257.html