2.數據挖掘技術在CRM應用領域中的研究

在CRM中，數據挖掘技術都有著廣泛的應用，主要體現在：

（1）概念，類描述。概念描述以簡潔匯總的形式描述給定任務相關的數據集，提供數據價值的一般特性，一般應用于CRM中的描述式數據挖掘。概念或類描述由特征比和比較或區分組成。有兩種一般方法：基于數據立方體OLAP的方法和面向屬性歸納的方法。

（2）關聯分析。關聯分析發現關聯規則，廣泛用于購物藍、商務管理和決策分析，是商業分析中應用最為廣泛的一種數據挖掘方法和模式。

（3）分類和預測分析。分類和預測是CRM中數據分析的兩種重要形式，可以用于提取描述重要數據類的模型或預測未來的數據趨勢。主要方法包括：決策樹，判定樹、貝葉斯法、BP神經網絡算法、遺傳算法、粗糙集、模糊集等。

（4）聚類分析，屬于無指導學習。對象應該根據最大化類的相似性、最小化類的相似性的原則進行聚類或分組。

（5）孤立點分析。對于欺詐探測、定制市場及其它CRM任務是非常有用的。

（6）復雜類型的數據挖掘。是數據挖掘技術的當前一個重要的研究領域，極大提升了CRM數據分析能力的深度和廣度，主要包括：多媒體數據挖掘、文本挖掘和web挖掘等。