【文章內(nèi)容簡介】 的系統(tǒng)。因?yàn)椴捎?JAVA 語言 來編寫，從而繼承了它 “ 一次編寫，處處運(yùn)行 ” 的特征 ， 實(shí)現(xiàn)了跨平臺(tái)特性，可運(yùn)行在 Window、 Unix、 Mac 等操作系統(tǒng)之上。 并且 可 以 輕松集成已 經(jīng) 存在 的大量 的 第三方開源插件（如 JFreeChart）， 提供 了諸如國際化，拖拽操作，系統(tǒng)剪切板，導(dǎo)航，用戶自定義 UIs 元素 等 功能，讓程序的用戶界面更為人性化。 5 系統(tǒng)環(huán)境 需求 本 系統(tǒng)的 開發(fā)及 運(yùn)行對于環(huán)境的要求是； 硬件環(huán)境 需求 處理器： Inter（ R） Core（ TM） 2 Duo CPU T7100 @ 內(nèi)存： 硬盤空間： 任意 顯卡： NVDIA GeForce 8400M GS 軟件環(huán)境 需求 操作系統(tǒng)： Windows XP 軟件： Eclipse Version ， ， 數(shù)據(jù)庫： 6 第三章 系統(tǒng)總體設(shè)計(jì) 系統(tǒng)功能分析 系統(tǒng)功能概述 本文 作為汽車營銷決策支持系統(tǒng)客戶管理模塊 是在客戶關(guān)系管理（ CRM）相關(guān)理論的指導(dǎo)下，運(yùn)用商務(wù)智能（ BI）、數(shù)據(jù)挖掘 等 相關(guān)技術(shù)，對汽車營銷部門的客戶基礎(chǔ)信息、車輛信息、購買信息、服務(wù)信息等進(jìn)行的分析。具體包括：使用數(shù)據(jù)挖掘經(jīng)典聚類算法 Kmeans，根據(jù)客戶的價(jià)值對客戶進(jìn)行細(xì)分 ，分析同一類別中的客戶具有的相似屬性 ；使用數(shù)據(jù)挖掘經(jīng)典關(guān)聯(lián)規(guī)則算法 Apriori 對潛在客戶進(jìn)行識別，找出購買某一車型的客戶具有的共性；使用數(shù)據(jù)挖掘經(jīng) 典分類方法 ID3 決策樹分析客戶的流失問題，找出導(dǎo)致客戶流失的具體原因，指定相應(yīng)的客戶保持策略；最后使用模糊評判方法對客戶的滿意度進(jìn)行 綜合 分析， 找出薄弱環(huán)節(jié)，最終將滿意度 上升為忠誠 度 。最后，對以上工 作進(jìn)行 了總結(jié)，并指出下一步的 研究 方向。 系統(tǒng) 的功能 模塊 主程序界面里有四個(gè)功能菜單： 客戶價(jià) 細(xì)分 析功能、潛在客戶識別功能、客戶流失分析功能、客戶滿意度分析功能 。 客戶 價(jià)值 細(xì)分，是指按照一定的標(biāo)準(zhǔn)將企業(yè)的現(xiàn)有客戶劃分為不同的客戶群。正確的客戶細(xì)分能夠有效地降低成本，同時(shí)獲得更強(qiáng)、更有利可圖的市場滲透。對 客戶進(jìn)行細(xì)分，可以讓市場營銷、銷售人員以及企業(yè)的決策層從一個(gè)比較高的層次來觀察客戶信息，使得企業(yè)可以針對不同類型的客戶采用相應(yīng)的營銷策略，使企業(yè)市場營銷服務(wù)活動(dòng)的目標(biāo)性和有效性得到提高，從而相對降低了營銷成本，最大限度的開發(fā)和維護(hù)了客戶資源。如采用數(shù)據(jù)挖掘中的聚類算法對汽車銷售公司的客戶基礎(chǔ)資料，購買車輛資料，客戶服務(wù)資料等部分屬性數(shù)據(jù)進(jìn)行聚類，從大量表面無關(guān)的客戶信息中發(fā)現(xiàn)對商家有用的信息，如分析出高價(jià)值的客戶有什么特點(diǎn)，他們有什么購物習(xí)慣，他們的背景資料是什么等等。然后，公司可以有針對性的為這部分高價(jià)值 客戶提供足夠的技術(shù)和人力資源的支持，以滿足這些客戶的要求和期望，從而最大化企業(yè)的利潤。 潛在客戶識別 ， 對大多數(shù)企業(yè)而言，開發(fā)新客戶是一種新的贏利方式，也是實(shí)現(xiàn)企業(yè)增長的主要方式。在這個(gè)過程中， 首先必須明確不同客戶的特性。即目標(biāo)市場在哪里？哪些客戶是企業(yè)的潛在客戶？哪些潛在客戶是優(yōu)質(zhì)客戶？客戶獲取的難以程度如何？這是客戶識別的工作。其次，針對不同的客戶采取不同的營銷策略。最后，根據(jù)客戶對營銷努力的反映情況來調(diào)整目標(biāo)客戶和相應(yīng)的營銷策略?？梢钥闯鰸撛诳蛻舻淖R別是后面步驟的基礎(chǔ)，并且它的導(dǎo)向作用非常重要。在面 向汽車營銷的決策支持系統(tǒng)中，利用購買同一種車型的歷史銷售數(shù)據(jù)及相關(guān)客戶的基礎(chǔ)數(shù)據(jù)，使用數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則算法，找出這些客戶的共同特點(diǎn)，和他們相似的行為模式，然后在潛在顧客中識別出有 7 積極反應(yīng)的客戶，可以幫助汽車營銷人員 有針對性地實(shí)施營銷活動(dòng)，提高工作效率。 客戶流失與保持 ， 隨著汽車行業(yè)中的競爭愈來愈激烈，獲得一個(gè)新客戶的開支愈來愈大，而保持客戶比獲取新客戶節(jié)約成本，所以保持原有客戶的工作也愈來愈有價(jià)值。改進(jìn)保留客戶的一種途徑就是在客戶真正流失之前采取行動(dòng)，這也就是流失模型價(jià)值所在。汽車企業(yè)可通過數(shù)據(jù)挖掘技 術(shù)，如決策樹分類算法，對客戶數(shù)據(jù)庫中大量的客戶數(shù)據(jù)進(jìn)行分析和處理，針對性研究流失客戶群體，分析其特征，建立流失客戶模型，識別導(dǎo)致客戶流失的模式。然后根據(jù)分析結(jié)果找出可能轉(zhuǎn)移的客戶，并結(jié)合流失客戶模型，預(yù)測哪些客戶可能會(huì)離開，以便使汽車銷售公司制定一些可以誘使這些潛在離開者留下來的最適宜的計(jì)劃和方案，提供個(gè)性化服務(wù)，實(shí)現(xiàn)“一對一”營銷，從而改善企業(yè)與客戶的關(guān)系，保持客戶并提高收益。 客戶滿意度是 ， 指客戶對企業(yè)以及企業(yè)產(chǎn)品服務(wù)的滿意程度，它是客戶的一種主觀感受，是客戶對產(chǎn)品、服務(wù)或者對企業(yè)的一種情感表現(xiàn)。 提 升滿意度的根本目的在于降低客戶流失率，提升忠誠度，最終增加企業(yè)利潤。隨著中國汽車市場的持續(xù)發(fā)展，客戶滿意度水平與其他指標(biāo)一起成為衡量企業(yè)競爭力的重要方面。 首先，滿意度高的客戶會(huì)增加購買本公司產(chǎn)品或服務(wù)的頻率和總量；其次，滿意度高的客戶更為忠誠，具有較高的客戶保持率；最后，滿意度高的客戶更樂于將該公司的產(chǎn)品或服務(wù)推薦給別人，為該公司帶來新的客戶。使用模糊綜合評判法，分析購買同一車型的客戶對該車型在價(jià)格、質(zhì)量、品牌、服務(wù)四個(gè)方面的滿意度調(diào)查評分，進(jìn)而得出這一車型的綜合評價(jià)情況，以及各個(gè)評價(jià)分量在不同評價(jià)標(biāo)準(zhǔn)上所 占的人數(shù)比例，就會(huì)非常直觀的指出影響該車型滿意度的因素，汽車營銷人員可以利用該結(jié)果有針對性的加以改進(jìn)，從而提高客戶對產(chǎn)品和服務(wù)的滿意度和忠誠度。 系統(tǒng)功能 模塊 結(jié)構(gòu) 基于以上的 功能模塊設(shè)計(jì) ，本系統(tǒng)的系統(tǒng)結(jié)構(gòu)圖如下 圖 31 所示 ： 圖 31 軟件版本管理 系統(tǒng)結(jié)構(gòu)圖 汽車營銷決策支持系統(tǒng)客戶管理模塊 客戶價(jià)值細(xì)分模塊 潛在客戶識別模塊 客戶流失分析模塊 客戶滿意度分析模 8 系統(tǒng)主要功能模塊流程圖 圖 32 系統(tǒng) 流程圖 登錄系統(tǒng) 潛在客戶識 別 客戶價(jià)值細(xì)分 客戶流失分析 滿意度分 析 分組結(jié)果餅狀圖 選擇汽車型號 輸入上下限 輸入細(xì)分個(gè)數(shù) 潛在客戶信息表 選擇汽車型號 最小置信度 分析決策樹 選擇汽車型號 輸入時(shí)間上限 輸入時(shí)間下限 滿意度結(jié)果柱狀圖 選擇汽車型號 輸入價(jià)格、服務(wù)、質(zhì)量、品牌權(quán)值 9 第四章 數(shù)據(jù)庫 的 設(shè)計(jì) 與使 用 數(shù)據(jù)庫 的搜集與整合 目前， 汽車 經(jīng)銷公司及各下屬經(jīng)銷商以信息化手段輔助企業(yè)日常管理的時(shí)間較早，應(yīng)用也較為成熟，各種管理信息系統(tǒng)在各公司得以應(yīng)用。 一些 公司 ERP 采用的是 SAP R3，實(shí)現(xiàn)存儲(chǔ)、財(cái)務(wù)、運(yùn)輸、銷售管理，各下屬經(jīng)銷商使用是的啟明 ERP（ DSERP），實(shí)現(xiàn)備件、整車、服務(wù)、客戶、財(cái)務(wù)管理?？蛻艄芾硐到y(tǒng) CRM 主要用于售前的客戶跟蹤、活動(dòng)記載和售后回訪， ERP 與 CRM 各自獨(dú)立應(yīng)用，獨(dú)立輸出各類報(bào)表，各系統(tǒng)數(shù)據(jù)有一定關(guān)聯(lián)。本部經(jīng)銷公司與各下屬經(jīng)銷商之間有專用數(shù)據(jù)通道互傳數(shù)據(jù)，下屬經(jīng)銷商每月定期 向本部經(jīng)銷公司上報(bào)各類報(bào)表，本部經(jīng)銷公司按各大板塊（新車、二手車、備件、修車服務(wù)）匯總，再形成公司匯總報(bào)表，且均以 EXCEL 報(bào)表的形式傳遞、加工。 因?yàn)榭蛻粜畔?、銷售、車輛、投訴等數(shù)據(jù)分別存在于各自的系統(tǒng)中，各數(shù)據(jù)庫相互獨(dú)立，無法綜合利用這些資源，所以只有整合為一個(gè)統(tǒng)一的數(shù)據(jù) 倉 庫，才能實(shí)現(xiàn)對數(shù)據(jù)的有效利用， 因此 針對不同數(shù)據(jù)源的數(shù)據(jù)，需要做大量的抽取、轉(zhuǎn)換、傳輸工作，此處不再 一一 累述，整合后 的 數(shù)據(jù)模型如下 圖 41 所示： 圖 41 數(shù)據(jù)模型圖 這里數(shù)據(jù)組織采用星形模式，如圖 42 所示。其中 客戶 維度 表， 包含 客戶編號、 姓名、性別、 年齡、 婚姻狀 況 、 單位類別、職務(wù)、收入、教育程度、 電話、地址 等信息；商品維度表， 包含 商品編號、名稱、分類號、車架號、顏色、進(jìn)價(jià)、售價(jià)等信息；時(shí)間維度表， 包含 時(shí)間編號、日期、月份、季度、年份等信息。這三個(gè)維度表共同和銷售事實(shí)表關(guān)聯(lián)，銷售事實(shí)表中包含商品、時(shí)間、客戶的編號，以及銷售數(shù)量、銷售額、成本和銷售利潤等信息， 這些信息無疑是分析客戶需求、鎖定目標(biāo)客戶、制定有針對性營銷策略最有利的數(shù)據(jù)。 時(shí)間維度 銷售事實(shí) 商品 維度 客戶 維度 10 圖 42 數(shù)據(jù)星形圖 客戶價(jià)值細(xì)分的數(shù)據(jù)選擇 我們首先選擇有較高客戶價(jià)值 （十分制打分中，客戶價(jià)值區(qū)間是 7~10） 的客戶數(shù)據(jù) ，然后 從 這些 客戶的背景資料 出發(fā)對高價(jià)值 客戶 進(jìn)行 分類，選擇的數(shù)據(jù)變量 ，以及變量的取值 如下 表 41 所示： 表 41 客戶細(xì)分?jǐn)?shù)據(jù)選取字段及其取值 序號 字段 含義 取值 1 id 客戶編號 3?? 2 gender 性別 w(women)、 m(man) 3 age 年齡 = 30~50、 =50 4 maritalStatus 婚姻狀況 s(single)、 m(married) 5 ine 收入 =202 2021~4000、 4000~7000、 =7000 6 education 教育程度 lower、 high school、 college、 graduate 7 numCarsOwned 擁有汽車數(shù)量 0、 =2 8 value 客戶價(jià)值（高） 10 客戶細(xì)分表中，部分高價(jià)值客戶的樣本數(shù)據(jù) 如下 表所示： 11 表 42 抽取的樣本數(shù)據(jù) 針對高價(jià)值客戶數(shù)據(jù)的部分屬性，在使用 kmeans 算法之前需要進(jìn)行離散化處理，并用數(shù)值代替該離散化區(qū)間，例如在年齡的屬性上，用 0 代 表小于 30 歲，用 1 代表年齡在 30~50 之間，用 2 代表年齡大于 50 歲。在收入字段上，用 0 代表收入小于 2021 元、用 1 代表收入在 2021~4000 之間、用 2 代表收入在 4000~7000 之間、用 3 代表收入大于7000 元。其他屬性以此類推，離散化后的客戶信息表如下所示： 表 43 離散化后的樣本數(shù)據(jù) 潛在客戶識別的數(shù)據(jù)選擇 在上一 小節(jié) 中，我們根據(jù)客戶的價(jià)值使用 kmeans 聚類算法對客戶進(jìn)行了細(xì)分，此處 使用購買同一車型的 客戶的背景資料進(jìn)行關(guān)聯(lián)分析，生成頻繁項(xiàng)集 和關(guān)聯(lián)規(guī)則 ，以此判斷 購買同一 車型 的客戶 據(jù)有的共同的特點(diǎn) 。 以購買速騰轎車的客戶為例， 首先建立 潛在客戶識別表 ，選擇的數(shù)據(jù)變量 以及變量的取值 如下 表 44 所示 ： 12 表 44 潛在客戶識別表中選取的字段及其取值 序號 字段 含義 取值 1 id 客戶編號 3?? 2 age 年齡 = 30~50、 =50 3 career 職業(yè) 見說明 5 ine 收入 =202 2021~4000、 4000~7000、 =7000 6 education 教育程度 lower、 high school、 college、 graduate 7 areaCode 區(qū)域編號 e(east)、 w(west)、 s(south)、 n(north) 說明：本文采用《中華人民共和國職業(yè)分類大典》職業(yè)劃分標(biāo)準(zhǔn)，將職業(yè)劃分為 8大類，分別為 、黨群組織、企業(yè)、事業(yè)、單位負(fù)責(zé)人； ； 3.辦事人員； 、服務(wù)人員； 、林、牧、漁、水利業(yè)生產(chǎn)人員； 、運(yùn)輸設(shè)備操作人員及有關(guān)人員； ； 。 潛在客戶識別表中抽取的部分樣本數(shù)據(jù)如下表 45 所示 ： 表 45 抽取的樣本數(shù)據(jù) 表 46 變量表示的樣本數(shù)據(jù) 13 在使用 Apriori 關(guān)聯(lián)規(guī)則算法 之前，需要將上表中部分屬性及取值（區(qū)間）用變量進(jìn)行表示，如用 A0、 A A2 分別表示年齡的三個(gè)區(qū)間 ；用 C0、 C1? C8 表示八種前邊提到的職業(yè)分類；用 I0、 I1? I3 表示收入的四個(gè)取值區(qū)間；用 E0、 E1? E3 表示四種不同的教育程度，用變量表示取值（區(qū)間）后的數(shù)據(jù)樣本如表 46 所示 。 客戶流失分析的數(shù)據(jù)選擇 此處使用汽車銷售公司某個(gè)時(shí)期內(nèi)某個(gè)車型流失的客戶數(shù)據(jù)，銷售人員根據(jù)這些客戶流失前各方面的表現(xiàn) ， 在 客戶類型、客戶滿意度、投訴次 數(shù)、帶來新客戶的 數(shù) 量 等幾個(gè)方面對該客戶進(jìn)行評定，然后加入同一時(shí)期內(nèi)沒有流失的客戶在以上四個(gè)方面的表現(xiàn)情況，組成客戶流失分析的樣本數(shù)據(jù)。以購買捷達(dá)轎車的客戶為例， 首先 建立客戶流失分析表 ，選擇的數(shù)據(jù)變量 以及變量的取值 如下 表 47 所示