【正文】 iGen算法 ， 將每一個(gè)候選與另外 4個(gè)進(jìn)行組合 ， 得到第二趟掃描： 4+3+2+1=10個(gè)候選 ，其中 7個(gè)候選是大的 。 ? 在 7個(gè)候選中再應(yīng)用 AprioriGen算法 ， 將每一個(gè)項(xiàng)目集與另外一個(gè)與之具有一個(gè)公共成員的項(xiàng)目集進(jìn)行連接運(yùn)算 ， 第三趟掃描后得到 4個(gè)大項(xiàng)目集 。 ? 第四趟掃描后只剩下一個(gè)大項(xiàng)目集 ， 也不存在下一趟計(jì)數(shù)為 5個(gè)的新項(xiàng)目集 。 ? 在客戶(hù)關(guān)系管理 （ CRM） 理論中有一個(gè)經(jīng)典的 2/8原則 ， 即 80%利潤(rùn)來(lái)自 20%客戶(hù) 。 那么 ， 這 20%的客戶(hù)都有什么特征呢 ？ ? 調(diào)查發(fā)現(xiàn) ， 大部分企業(yè)每年有 20%～ 50%的客戶(hù)是變動(dòng)的 。 企業(yè)一方面在挖空心思爭(zhēng)取新客戶(hù) ， 另一面卻不斷失去老客戶(hù) 。 有沒(méi)有辦法找出 ， 失去的是哪一類(lèi)型的客戶(hù) ， 得到的又是哪種類(lèi)型的客戶(hù) 。 在競(jìng)爭(zhēng)激烈的商業(yè)時(shí)代 ， 資源占有成為決定企業(yè)生死成敗的關(guān)鍵 。 在客戶(hù)關(guān)系方面 ， 企業(yè)總希望建立與客戶(hù)最穩(wěn)固的關(guān)系 ， 并最有效率地把這種關(guān)系轉(zhuǎn)化為利潤(rùn) ， 即留住老顧客 、 發(fā)展新顧客并鎖定利潤(rùn)率最高的客戶(hù) ， 這也就是 CRM要重點(diǎn)研究的問(wèn)題 。 ? 為了實(shí)現(xiàn)這個(gè)目標(biāo) ， 企業(yè)就需要盡可能地了解客戶(hù)的行為 ， 但這種了解不可能通過(guò)與客戶(hù)接觸直接獲得 ， 因?yàn)槠髽I(yè)不可能挨個(gè)與客戶(hù)交談 ， 而且他們所需要的信息單個(gè)客戶(hù)往往無(wú)法提供 。 關(guān)聯(lián)規(guī)則挖掘在 CRM中的應(yīng)用 CRM簡(jiǎn)介 ? 企業(yè)所能做的，就是盡可能收集顧客的信息，借助各種分析方法，透過(guò)無(wú)序的、表層的信息挖出內(nèi)在的知識(shí)和規(guī)律，這就當(dāng)前十分流行的數(shù)據(jù)挖掘技術(shù)所研究的。 ? 在挖出大量信息之后，企業(yè)就可以根據(jù)這些規(guī)律或用這些信息設(shè)計(jì)數(shù)學(xué)模型，對(duì)未發(fā)生行為做出結(jié)果預(yù)測(cè)，為企業(yè)的綜合經(jīng)營(yíng)決策、市場(chǎng)策劃提供依據(jù)。 ? 在 CRM中，數(shù)據(jù)挖掘是從大量的有關(guān)客戶(hù)的數(shù)據(jù)中挖掘出隱含的、先前未知的、對(duì)企業(yè)決策有潛在價(jià)值的知識(shí)和規(guī)則。 數(shù)據(jù)挖掘的第一步就是挖出顧客的特征描述。企業(yè)在了解客戶(hù)信息方面永不滿(mǎn)足，他們不僅會(huì)想方設(shè)法了解顧客的地址、年齡、性別、收入、職業(yè)、教育程度等基本信息，對(duì)婚姻、配偶、家庭狀況、疾病、愛(ài)好等等的收集也是不遺余力。也由于這個(gè)原因，在談到 CRM的時(shí)候，個(gè)人隱私便成為一個(gè)敏感話(huà)題。 （ 1） 客戶(hù)特征： 通過(guò)客戶(hù)行為分析，歸類(lèi)出消費(fèi)額最高、最為穩(wěn)定的客戶(hù)群，確定為 “ 黃金客戶(hù) ” 。針對(duì)不同的客戶(hù)檔次，確定相應(yīng)的營(yíng)銷(xiāo)投入。對(duì)于 “ 黃金客戶(hù) ” ，往往還需要制定個(gè)性化營(yíng)銷(xiāo)策略，以求留住高利潤(rùn)客戶(hù)。所以，不要期待在 CRM時(shí)代繼續(xù)人人平等。當(dāng)然，成功的 CRM不會(huì)讓顧客感覺(jué)到歧視。如果你不幸發(fā)現(xiàn)自己受到的待遇比別人低，很有可能別人是“ 黃金 ” ，而你是 “ 白銀 ” 或者 “ 黑鐵 ” 。 （ 2） “ 黃金客戶(hù) ” ： 通過(guò)與客戶(hù)接觸，收集大量客戶(hù)消費(fèi)行為信息，通過(guò)分析，得出客戶(hù)最關(guān)注的方面，從而有針對(duì)性地進(jìn)行營(yíng)銷(xiāo)活動(dòng)，把錢(qián)花在 “ 點(diǎn) ” 上。同樣的廣告內(nèi)容，根據(jù)客戶(hù)不同的行為習(xí)慣，有的人會(huì)接到電話(huà)，有的人就可能收到信函；同一個(gè)企業(yè)，會(huì)給他們的客戶(hù)發(fā)送不同的信息，而這些信息往往就是顧客感興趣的方面。不要驚訝于為什么企業(yè)給你送來(lái)的正是你最需要的、最滿(mǎn)意的，你和其他與你相似的顧客的數(shù)據(jù)，在企業(yè)的數(shù)據(jù)倉(cāng)庫(kù)里經(jīng)不住百般 “ 拷打 ” ，已經(jīng)集體招供了。 （ 3）客戶(hù)關(guān)注點(diǎn)： （ 4）客戶(hù)忠誠(chéng)度： 得出客戶(hù)持久性、牢固性及穩(wěn)定性分析。對(duì)于高忠誠(chéng)度客戶(hù)，要注意保持其良好印象，對(duì)于低忠誠(chéng)度客戶(hù)，要么不要浪費(fèi)錢(qián)財(cái)，要么就下大工夫把他們培養(yǎng)成忠誠(chéng)客戶(hù)。 在 CRM中，必不可少的要素是將海量的、復(fù)雜的客戶(hù)行為數(shù)據(jù)集中起來(lái)的，形成整合的、結(jié)構(gòu)化的數(shù)據(jù)倉(cāng)庫(kù)（ Data Wearhouse），這是數(shù)據(jù)挖掘的基礎(chǔ)。在此基礎(chǔ)上，就需要借助大量的知識(shí)和方法，把表面的、無(wú)序的信息整合，揭示出潛在的關(guān)聯(lián)性和規(guī)律，從而用于指導(dǎo)決策。 關(guān)聯(lián)規(guī)則挖掘在 CRM中的應(yīng)用類(lèi)別 主要類(lèi)別： ? 橫向關(guān)聯(lián) ? 次序關(guān)聯(lián) 橫向關(guān)聯(lián)是挖掘表面看似獨(dú)立的事件間的相互關(guān)系，例如 “ 90%的顧客在一次購(gòu)買(mǎi)活動(dòng)中購(gòu)買(mǎi)商品 A的同時(shí)購(gòu)買(mǎi)商品B”之類(lèi)的知識(shí)。比如經(jīng)典的 “ 尿布和啤酒 ” 的故事，就是利用這種方法，發(fā)現(xiàn)二者之間有很高的相關(guān)系數(shù)，引起重視，然后深入分析后才找出內(nèi)在原因的。 橫向關(guān)聯(lián) 次序關(guān)聯(lián)分析的側(cè)重點(diǎn)在于分析事件的前后序列關(guān)系，發(fā)現(xiàn)諸如 “ 在購(gòu)買(mǎi) A商品后，一段時(shí)間里顧客會(huì)接著購(gòu)買(mǎi)商品 B，而后購(gòu)買(mǎi)商品 C”的知識(shí)，形成一個(gè)客戶(hù)行為的“ A→B→C ”模式?？梢韵胍?jiàn)的是，一個(gè)顧客在買(mǎi)了電腦之后，就很有可能購(gòu)買(mǎi)打印機(jī)、掃描儀等配件。不過(guò)，要是通過(guò)數(shù)據(jù)挖掘找出 “ 刮胡刀 → 抽水馬桶 → 鉆石戒指 ” 這樣的模式，估計(jì)企業(yè)客戶(hù)服務(wù)部門(mén)就要忙乎一陣搞明白其中潛在的聯(lián)系了。 次序關(guān)聯(lián) 關(guān)聯(lián)規(guī)則挖掘在 CRM中的應(yīng)用實(shí)例 〖 應(yīng)用實(shí)例 〗 連鎖藥店管理的 CRM系統(tǒng) 。 為了能更好的幫助藥店選擇適當(dāng)?shù)乃幉倪M(jìn)貨 ， 利用關(guān)聯(lián)規(guī)則挖掘來(lái)設(shè)計(jì)該系統(tǒng) 。 在得到銷(xiāo)售記錄的同時(shí) ， 先對(duì)其記錄做一定的統(tǒng)計(jì) ，根據(jù)顧客同時(shí)購(gòu)買(mǎi)的藥物來(lái)挖掘其中的關(guān)聯(lián)規(guī)則 。 然后再列出定貨清單進(jìn)貨 。 使用 Delphi設(shè)計(jì) “ 藥店管理系統(tǒng) ” 主界面如下圖所示： 1. 界面設(shè)計(jì) 在藥品銷(xiāo)售的主菜單里 ， 其下級(jí)菜單分為：藥品零售 ，藥品批發(fā)和銷(xiāo)售瀏覽；在存貨管理中分為：藥品入庫(kù) ， 藥品退庫(kù) ， 藥品報(bào)損 ， 庫(kù)存限量 ， 庫(kù)存盤(pán)店和存貨瀏覽；在數(shù)據(jù)統(tǒng)計(jì)里分為：銷(xiāo)售統(tǒng)計(jì) ， 庫(kù)存統(tǒng)計(jì) ， 單據(jù)查詢(xún) ， 決策支持；在藥品管理中分為：藥品瀏覽 ， 新增藥品 ， 藥品修改和藥品調(diào)用；代碼維護(hù)分為：?jiǎn)T工管理 ， 部門(mén)管理 ， 往來(lái)管理 ， 更換密碼管理 ， 擁護(hù)管理 ， 備份數(shù)據(jù) 。 其界面如下所示： 2. 設(shè)計(jì)主菜單界面 3. 建立數(shù)據(jù)庫(kù) 在此將各個(gè)藥品用相應(yīng)的字母來(lái)表示： C1：克感敏（一種降燒藥）； C2：感冒通； C3：板藍(lán)根； C4：魚(yú)腥草；C5：金蓮； 然后通過(guò) Delphi中的 Database Desktop中的向?qū)?lái)制作表單。 在銷(xiāo)售瀏覽表中設(shè)置四個(gè)字段， saleno， Mname， Dat和 Price，把他們的屬性設(shè)置為字符串型并規(guī)定各個(gè)字段的的長(zhǎng)度。并在開(kāi)始將表單和主界面相連。 4．關(guān)聯(lián)規(guī)則挖掘 5. 結(jié)果分析 通過(guò)運(yùn)行程序得到了相應(yīng)藥品之間相應(yīng)信息 : 感冒通 → 克感敏 support 4 感冒通 → 板藍(lán)根 support 4 感冒通 → 金蓮 support 2 克感敏 → 板藍(lán)根 support 4 克感敏 → 魚(yú)腥草 support 2 其相應(yīng)的可信度為 : 感冒通 → 克感敏 confidence 86% 感冒通 → 板藍(lán)根 confidence 86% 感冒通 → 金蓮 confidence 29% 克感敏 → 板藍(lán)根 confidence 100% 克感敏 → 魚(yú)腥草 confidence % 通過(guò)上述數(shù)據(jù)的分析可以知道 :假設(shè)有 100客戶(hù)那么其中有 40個(gè)人會(huì)同時(shí)購(gòu)買(mǎi)感冒通和克感敏或感冒通和板藍(lán)根或者是克感敏和板藍(lán)根 ,還有 20人會(huì)同時(shí)購(gòu)買(mǎi)感冒通和金蓮或者是克感敏和魚(yú)腥草 。在購(gòu)買(mǎi)感冒通的顧客中有 86%的人會(huì)同時(shí)購(gòu)買(mǎi)克感敏或板藍(lán)根 ,26%的人會(huì)同時(shí)購(gòu)買(mǎi)金蓮 。購(gòu)買(mǎi)克感敏的用戶(hù) 100%會(huì)同時(shí)購(gòu)買(mǎi)板藍(lán)根 ,%的人會(huì)同時(shí)買(mǎi)魚(yú)腥草。 連鎖藥店的工作人員通過(guò)這些數(shù)據(jù)可以大體了解顧客的消費(fèi)心理 ,在采購(gòu)的時(shí)候可以把顧客購(gòu)買(mǎi)頻率較高的藥品多進(jìn)些貨 ,充足自己商店的貨源 。在貨柜的擺放設(shè)計(jì)中 ,店員可以根據(jù)可信度的數(shù)據(jù)把同時(shí)購(gòu)買(mǎi)頻率較高的藥品放在一起 ,方便顧客的選購(gòu) .或者可以分放兩側(cè) .在顧客尋找該藥品的同時(shí) ,可以看到其他需要的藥品而同時(shí)買(mǎi)走 . 連鎖藥店通過(guò)將銷(xiāo)售記錄進(jìn)行整理進(jìn)行關(guān)聯(lián)規(guī)則的挖掘 ,大大方便了藥店的進(jìn)貨 ,也增加了其銷(xiāo)售額 . 由于本系統(tǒng)針對(duì)的是藥店的藥物 ,而每一樣藥物都有自己的特性和副作用 .為了讓店員弄清每種藥品的特性 ,在系統(tǒng)中添加了藥物字典的界面 ,在這其中將具體的列出每種藥品的編碼代號(hào) ,名稱(chēng) ,條形碼 ,生產(chǎn)廠家 ,批準(zhǔn)文號(hào) ,主治內(nèi)容以及一些副作用 .方便進(jìn)貨人員查詢(xún) . 87 2022/1/4