【正文】 點 16 中目標(biāo)客戶與非目標(biāo)客戶比例圖 節(jié)點 730 中目標(biāo)客戶與非目標(biāo)客戶比例上圖表明了每個節(jié)點中目標(biāo)客戶與非目標(biāo)客戶的比例。以節(jié)點 15 為例，非目標(biāo)客戶的數(shù)量過半，這表明了此節(jié)點的預(yù)測結(jié)果為非目標(biāo)客戶，而從根節(jié)點到這個節(jié)點的路徑便是一條非目標(biāo)客戶的識別規(guī)則。Clementine 軟件對于變量重要性分析，如下圖所示：27 / 37表 目標(biāo)客戶變量重要性分析CART 算法檢驗結(jié)果如下圖：表 CART 算法準(zhǔn)確度的分析圖28 / 37四、對新浪微博客戶分類的結(jié)果分析（一）客戶分類及其相應(yīng)的營銷策略通過客戶的靜態(tài)信息，采用回歸分類樹的算法，從海量的客戶中篩選出目標(biāo)客戶。同時運用 CART 算法對客戶信息進(jìn)行特征學(xué)習(xí)，得到判斷客戶是否為目標(biāo)客戶僅需粉絲數(shù)、微博數(shù)、關(guān)注數(shù)、收藏數(shù)、互粉數(shù)。最終達(dá)到提高企業(yè)效率的目的。1. 非目標(biāo)客戶在四種情況下為非目標(biāo)客戶：當(dāng) 300＜關(guān)注數(shù)≤600 或 900＜關(guān)注數(shù)≤1500 且微博數(shù)＜500 時，100≤收藏數(shù)≤300 且互粉數(shù)≤200 或 1000＜互粉數(shù)≤2022；當(dāng) 300＜關(guān)注數(shù)≤600 或 900＜關(guān)注數(shù)≤1500 且微博數(shù)＜500 時，收藏數(shù)＞300 且 5000＜互粉數(shù)≤50000；關(guān)注數(shù)≤300 或 600＜關(guān)注數(shù)≤900 或關(guān)注數(shù)≥1500 且粉絲數(shù)≤5000 或粉絲數(shù)＞10000 時，收藏數(shù)≤100 或 300＜收藏數(shù)≤10000 且 500＜微博數(shù)≤2022 或 5000＜微博數(shù)≤10000 且 50000＜粉絲數(shù)≤100000；關(guān)注數(shù)≤300 或 600＜關(guān)注數(shù)≤900 或關(guān)注數(shù)≥1500 且粉絲數(shù)≤5000 或粉絲數(shù)＞10000 時，100＜收藏數(shù)≤300 或收藏數(shù)＞10000 且10000＜粉絲數(shù)≤50000 或 100000＜粉絲數(shù)≤202200 且 5000＜微博數(shù)≤表 所示：表 非目標(biāo)客戶情況情況一 情況二 情況三 情況四300＜關(guān)注數(shù)≤600 or900＜關(guān)注數(shù)≤1500300＜關(guān)注數(shù)≤600 or900＜關(guān)注數(shù)≤1500關(guān)注數(shù)≤300 or600＜關(guān)注數(shù) ≤900or關(guān)注數(shù)≥1500關(guān)注數(shù)≤ 300 or600＜關(guān)注數(shù)≤900or關(guān)注數(shù)≥1500微博數(shù)＜500 微博數(shù)＜500粉絲數(shù)≤5000 or粉絲數(shù)＞10000or10000＜粉絲數(shù) ≤50000or100000＜粉絲數(shù)≤202200粉絲數(shù)≤5000 or粉絲數(shù)＞10000or10000＜粉絲數(shù)≤50000or100000＜粉絲數(shù)≤202200收藏數(shù)≤100or300＜收藏數(shù)≤10000100≤收藏數(shù)≤300收藏數(shù)＞300 100＜收藏數(shù) ≤300or收藏數(shù)＞10000500＜微博數(shù)≤2022or5000＜微博數(shù)≤10000and50000＜粉絲數(shù)≤100000互粉數(shù)≤200 or1000＜互粉數(shù)≤20225000＜互粉數(shù)≤50000 5000＜微博數(shù)≤10000對于非目標(biāo)客戶來說，首先要將他們轉(zhuǎn)化成潛在客戶。措施有以下 5 種：29 / 371)應(yīng)用節(jié)日吸引客戶。很多節(jié)日是自然和某種產(chǎn)物有關(guān)聯(lián)的，如型牌男裝企業(yè)微博于五一勞動節(jié)、父親節(jié)組織活動且對此評價，讓更多男性受眾體驗他們的產(chǎn)物。還有喜歡尚鮮花網(wǎng)的微博，在母親節(jié)策劃寫祝愿語的運動、代送母親鮮花的運動，都吸引了很多粉絲的參加，體驗了鮮花傳遞情緒的魅力。2)籌劃有構(gòu)思的運動堆積粉絲。關(guān)于一個企業(yè)微博來說，需求不時發(fā)明創(chuàng)新的話題和運動，才干源源不時地吸引更多的粉絲參加。飄飄龍先在淘寶網(wǎng)的論壇上組織粉絲到巴厘島往旅行，又轉(zhuǎn)到新浪微博上直播粉絲在巴厘島上天天的運動，開端是送 100 只圍脖熊給微博上的受眾，后來又特制了 2 米高的泰迪熊，吸引了幾千名粉絲參加運動。3)應(yīng)用微博上的關(guān)鍵詞查找吸引客戶。在微博平臺上，一個十分風(fēng)趣的特征就是在這個平臺上有很多伴侶在議論公司，議論產(chǎn)物和效勞，議論同業(yè)，議論相關(guān)行業(yè)的話題，這些碎碎語里鑲嵌了太多的關(guān)鍵詞，經(jīng)過如許的關(guān)鍵詞，就可以從中找到對方?？梢栽谖⒉┢脚_查找框上查找如許連續(xù)串的關(guān)鍵詞，如產(chǎn)物的關(guān)鍵詞你行業(yè)的關(guān)鍵詞、存眷的地域的關(guān)鍵詞、存眷的市場的關(guān)鍵詞、公司的關(guān)鍵詞、品牌的關(guān)鍵詞、企業(yè)擔(dān)任人的關(guān)鍵詞、與行業(yè)定見首領(lǐng)相關(guān)的關(guān)鍵詞、相關(guān)話題的關(guān)鍵詞等。在查找今后，就會呈現(xiàn)評論者，他們很有能夠就是企業(yè)存眷的客戶。4)經(jīng)過群組吸引客戶。在新浪微博上，可以本人組建群組，也可以參加到一些曾經(jīng)組建起來的群組。有很多群組會帶有分明的產(chǎn)物關(guān)聯(lián)、地域關(guān)聯(lián)、性別關(guān)聯(lián)，他們都為一些企業(yè)便利地聯(lián)絡(luò)目的客戶發(fā)明了極好的條件，從而吸引用戶。5)應(yīng)用各類社會熱門話題吸引客戶。社交媒體有一個明顯的特點，人們之間的交流是有內(nèi)容的交流，這種內(nèi)容假如是一起關(guān)懷的，就會上升為話題評論。伶俐的企業(yè)就會舉行各類話題評論，從參加者中發(fā)現(xiàn)潛伏客戶。2. 目標(biāo)客戶在下列六種情況下為目標(biāo)客戶：當(dāng) 300＜關(guān)注數(shù)≤600 或 900＜關(guān)注數(shù)≤1500 時，粉絲數(shù)≤500；100≤收藏數(shù)≤300 且互粉數(shù)≤200 或 1000＜互粉數(shù)≤2022；當(dāng) 300＜關(guān)注數(shù)≤600 或 900＜關(guān)注數(shù)≤1500 時，微博數(shù)＞500，收藏數(shù)≤300 且 200＜互粉數(shù)≤1000；關(guān)注數(shù)≤300 或 600＜關(guān)注數(shù)≤900 或關(guān)注數(shù)≥1500 且粉絲數(shù)≤5000 或粉絲數(shù)＞10000 時，收藏數(shù)≤100 或 300＜收藏數(shù)≤1000 且 500＜微博數(shù)≤2022 或 5000＜微博數(shù)≤10000 且粉絲數(shù)≤5000 或 10000＜粉絲數(shù)≤50000；關(guān)注數(shù)≤300 或 600＜關(guān)注數(shù)≤900 或關(guān)注數(shù)≥1500 且粉絲數(shù)≤5000 或粉絲數(shù)＞10000 時，100＜收藏數(shù)≤300 或收藏數(shù)＞10000 且 10000＜粉絲數(shù)≤50000 或 100000＜粉絲數(shù)≤202200 微博數(shù)≤500 或2022＜微博數(shù)≤5000；關(guān)注數(shù)≤300 或 600＜關(guān)注數(shù)≤900 或關(guān)注數(shù)≥1500 且粉絲數(shù)≤5000 或粉絲數(shù)＞10000 時，100＜收藏數(shù)≤300 或收藏數(shù)＞1000 且粉絲數(shù)≤5000 或50000＜粉絲數(shù)≤100000 或粉絲數(shù)＞2022000；關(guān)注數(shù)≤300 或 600＜關(guān)注數(shù)≤900 或關(guān)注數(shù)≥1500 時，5000＜粉絲數(shù)≤10000。最終可匯總成四中情況，具體見下表 所30 / 37示：表 目標(biāo)客戶情況情況一 情況二 情況三 情況四300＜關(guān)注數(shù)≤600 or900＜關(guān)注數(shù)≤1500300＜關(guān)注數(shù) or600＜關(guān)注數(shù)≤900or關(guān)注數(shù)≥1500300＜關(guān)注數(shù) or 600＜關(guān)注數(shù)≤900or 關(guān)注數(shù)≥1500300＜關(guān)注數(shù) or600＜關(guān)注數(shù)≤ 900or 關(guān)注數(shù)≥1500粉絲數(shù)≤500 粉絲數(shù)≤500or 粉絲數(shù)＞10000 粉絲數(shù)≤500or 粉絲數(shù)＞10000粉絲數(shù)≤500or 粉絲數(shù)＞10000微博數(shù)＞500or 收藏數(shù)≤ 300 and200＜互粉數(shù)≤1000收藏數(shù)≤100or300＜收藏數(shù)≤1000and500＜微博數(shù)≤2022or5000＜微博數(shù)≤10000and1000＜粉絲數(shù)≤50000or 粉絲數(shù)≤5000100＜收藏數(shù)≤300and2022＜微博數(shù)≤5000or微博數(shù) ≤500and10000＜粉絲數(shù)≤ 202200or100000＜粉絲數(shù)≤202200100＜收藏數(shù)≤ 300or 收藏數(shù)＞1000and50000＜粉絲數(shù)≤ 100000or 粉絲數(shù)＞202200or 粉絲數(shù)≤5000對于目標(biāo)客戶來說，在這樣一個弱肉強(qiáng)食的競爭時代，維持目標(biāo)客戶是一個企業(yè)生存的基本要求，給企業(yè)帶來固定的利益。增加用戶忠誠度是成功的關(guān)鍵，完整的新浪微博是由知名度、形象、內(nèi)容及服務(wù)品質(zhì)、專有技術(shù)和用戶對新浪微博的忠誠度組成。增加忠誠度的關(guān)鍵是了解客戶，新浪微博極大地消除了時間與地理位置的限制，創(chuàng)造了讓雙方更容易接近和交流的信息機(jī)制。措施有以下 3 種：1)重視用戶，讓用戶感覺到方便快捷。2)尊重用戶的個人隱私，例如私信，個人對話等在發(fā)表及關(guān)注微博時能夠同時發(fā)表私信及個人對話且只有雙方知道，在當(dāng)今這個注重隱私的時代，更加方便用戶的交流。3)加強(qiáng)對用戶的服務(wù)，當(dāng)用戶有問題時能夠直接通過網(wǎng)絡(luò)或者電話與新浪門戶聯(lián)系，從而更加方便快捷地解決用戶的問題。（二）CART 算法的不足與改進(jìn)1. CART 算法的不足CART 算法的不足主要體現(xiàn)在準(zhǔn)確率沒有別的分類例如邏輯回歸方法高，但是本次模型的客戶信息有一定比例的缺失，因此最終還是選擇利用 CART 算法。且在實際運用中，用該方法先做粗糙的分類，再利用復(fù)雜的神經(jīng)網(wǎng)絡(luò)算法對客戶信息進(jìn)31 / 37行評分。兩者結(jié)合可以快速地提高工作效率。2. CART 算法改進(jìn)從本次論文的模型中得到，對于電信市場新浪微博平臺的客戶信息收集，最重要的有信息為粉絲數(shù)、微博數(shù)、關(guān)注數(shù)、收藏數(shù)、互粉數(shù)。因此在實際情況中可以根據(jù)實際情況設(shè)置這五項為必填項。由于目前采用的數(shù)據(jù)只采用 2022 年新浪微博12 月份的數(shù)據(jù)，故本模型比較適合于新浪微博而一旦把這個模型運用到網(wǎng)絡(luò)上其他平臺判斷，則需要把其他判斷規(guī)則加入分類樹中，將會更加優(yōu)化模型。 對于 CART 算法準(zhǔn)確率稍低于其他方法的解決方法可以后續(xù)采用 boosting 算法，對 CART 算法進(jìn)行優(yōu)化。32 / 37結(jié) 論在整篇論文的書寫過程中，對于測試集的數(shù)據(jù)用到的比少，而對訓(xùn)練樣本集的數(shù)據(jù)應(yīng)用的較多，由于數(shù)據(jù)數(shù)量過于巨大，造成不容易統(tǒng)計，在利用訓(xùn)練集建立完成模型之后，雖然準(zhǔn)備了預(yù)測集用來檢驗?zāi)Ｐ偷臏?zhǔn)確度，使用 clementine 數(shù)據(jù)挖掘軟件來預(yù)測數(shù)據(jù)?？偟膩碚f，用 CART 算法建立的模型很容易被人所理解，且相比較其他的算法更為精準(zhǔn)，更快速度，用 CART 算法對電信市場新浪微博客戶分類建立模型，相比而言，是相對適合的一種數(shù)據(jù)挖掘算法。CART 算法是非線性、非參數(shù)的，它是對預(yù)測變量進(jìn)行多次分支， CART 算法對目標(biāo)變量及預(yù)測變量沒有概率分布上的要求，所以能夠同時處理連續(xù)變量及分類變量，且能夠允許空缺值，所以，CART 算法非常適用于數(shù)據(jù)挖掘。33 / 37參考文獻(xiàn)[1] [M]. 北京：清華大學(xué)出版社， 2022,6:3983[2] ( 客戶分類)[M]. 北京：清華大學(xué)出版社， 2022,12:117189[3] 埃費雷姆 .,，[M].北京：機(jī)械出版社，2022,6:104139[4] 邵峰晶，[M]. 北京：中國水利水電出版社， 2022,12:515[5] [M]. 成都：西南財經(jīng)大學(xué)出版社， 2022,11:2－14[6] [M]. 北京：電子工業(yè)出版社， 2022,7:9199[7] [M]. 北京：機(jī)械工業(yè)出版社， 2022,7:1176[8] 統(tǒng)計分析及應(yīng)用[M].北京：積雪工業(yè)出版社， 2022,1:20217[9] 張國政，高杰．客戶關(guān)系管理中基于數(shù)據(jù)挖掘的客戶細(xì)分研究[J] ．市場營銷導(dǎo)刊，2022(5):24—25[10] CRM 的數(shù)據(jù)挖掘應(yīng)用[M].北京：人民郵電出版社， 2022,8[11] [M]. ， 2022,8[12] Clementine 應(yīng)用寶典[M].北京：電子工業(yè)出版社，2022 [13] [M] .北京：科學(xué)出版社，2022 ,9:58－81[14] 應(yīng)用實務(wù)[M].北京：機(jī)械工業(yè)出版社[M] ，2022[15] [M]. 北京：北京大學(xué)出版社， 2022,7:136－147[16] Ming Dong, Ravi Kothari. “LookAhead based fuzzy Decision Tree Induction”[J]. IEEE Transaction on Fuzzy Systems, 2022(1):185196.[17] Noah F Gans. “Making customer relationship management work”[J]. Journal of Management, 2022(11): 132136.[18] Qourinlan JR. “Induction of Decision Trees”[J]. Machine Learing, 1986(7):8993.34 / 37致 謝四年的本科生活已經(jīng)結(jié)束了，意味著我在濟(jì)南大學(xué)的生活即將結(jié)束。在此期間，自己一生中最寶貴的時光能在如此美麗的校園中度過，能在眾多才華橫溢、學(xué)富五車的；老師們的熏陶下度過，得到了很多同學(xué)及老師的幫助，在此處向每位同學(xué)及老師表示最真摯的感謝!首先要非常衷心地感謝導(dǎo)師高英老師，從論文的格式到內(nèi)容的悉心指導(dǎo)、費盡心思，以及在日常生活工作上的鼓舞和幫助?？偸窃谖覠o助的時候一語提點，讓我又重新站起來，沒有高老師的指導(dǎo)，就沒有現(xiàn)在論文的順利完成，此處非常感謝高老師。其次，感謝管理學(xué)院學(xué)院的每一位老師，感謝老師在四年中的諄諄教導(dǎo)，教會我很多書本、生活、工作中的知識，與它們的交流使我受益頗多。最后，感謝一起學(xué)習(xí)的信息管理與信息系統(tǒng)專業(yè)的每位同學(xué)，和你們在一起歡樂有時，開心有時，幸福亦有時。感謝我的家人，他們?yōu)槲业膶W(xué)習(xí)生涯傾注了大量的心血，給了我極大的關(guān)懷和支持。感謝所有幫助過我，和支持我的人，謝謝你們！相信我！我會一直努力，一直奮斗，一直學(xué)習(xí)，一直往上走，不辜負(fù)每個人對我的期望。