摘要：企业竞争加剧了,客户对企业来说就成了最重要的资源,如何在客户即将流失之前有效地发现他们,并对其特征进行刻画,从而帮助营销部门确定客户挽留市场活动的目标客户群以及合适的营销方案这是企业分析部门的重要工作。利用IBM SPSS Modeler数据挖掘软件构建石油零售企业的客户流失预测模型,采用CRISP-DM标准,将C5.0决策树模型用于客户流失分析,对每个月濒临流失的客户进行预测,并回访以协助客户营销人员做出合适的营销策略。流失分析的实验结果,表明该模型的计算准确率超过80%。

摘要：传统的商品关联分析大多通过统计商品共现的频繁项集,发现商品之间的关联关系,缺少对商品与客户群体特征之间关联性分析的应用。提出了通过将客户群体进行RFM(近因、频率、金额)分群,将客户分群及客户特征信息与商品事务融合。结合关联分析算法自动发现商品与商品、商品与客户群、商品与客户特征、客户群与客户特征、客户特征与客户特征之间的关联关系,通过兴趣度评估度量发现其中的有意义的规则。针对加油站个人记名卡客户交易数据进行了关联分析,实现了商品与客户群、客户特征之间强关联关系的自动发现,从而为商品组合推荐、优惠促销组合、客户群体精准营销与交叉销售、统计分析等提供决策支持。