1、四川農業大學本科生畢業論文（設計）開題報告畢業論文（設計）題目郵政業務的交叉銷售模型研究選題類型應用基礎課題來源自選學 院專 業指導教師職 稱姓 名年 級學 號一、立題依據1、國內外研究現狀（1）數據挖掘的研究現狀和發展態勢數據挖掘是指從存放在數據庫、數據倉庫或其他信息庫中的大量數據中挖掘人們感興趣知識的過程。其中知識表示為概念、規則、規律、模式等形式，它們是隱含的、事先未知的潛在有用信息，在商務數據深處蘊藏著未被發現的機會，可以用數據挖掘技術來發現。在交叉銷售建模過程中，主要運用分類、聚類以及業務關聯分析進行建模。 分類算法在分類算法中，決策樹的應用十分普遍。它起源于概念學習系統，具有分類精

2、度和效率較高、結果易于理解、能夠導出分類規則等優點。決策樹建模包括了建樹和剪枝兩個階段。構造決策樹算法有多種，較有代表性的有Quinlan的ID3算法、Breiman等人CART算法、Loh和Shih的QUEST算法、Magidson的CHAID算法；剪枝算法有Breiman的復雜-代價剪枝、Quinlan的減少錯誤的剪枝和悲觀估計剪枝。關于決策樹的規則提取研究包括Quinlan提出的直接由訓練數據推導規則的方法、Clark提出的CN2規則推導算法、Smyt等提出ITRULE算法、Major和Mangano提出的規則精煉策略。除了決策樹，支持向量機和樸素貝葉斯網絡也是主要的分類算法。 聚類算法

3、聚類分析算法最早是由Kaufman等提出的，探討了聚類分析的單連接方法；Alfred進一步給出了單連接方法的通用公式；Aronis提出了著名的K-means算法；Chen提出了區分自然劃分與分切的差異陣；Aronis開發了極大似然分類方法；Karypis提出了如何使用分枝定界思想來擴大窮舉方法評估聚類使用范圍，同時還討論了基于圖的聚類算法陣；Zhang等人描述了適用于龐大數據集的聚類算法；Eisen等人闡述了層次聚類在基因數據上的應用；Wedel和Kaufman分析了混合模型在消費者建模和市場方面的應用；Zamir和Etzioni介紹了專門用于聚類網絡文檔的聚類算法；Cadez等人描述了馬爾可

4、夫混合模型在聚類網絡文檔方面的應用；閏德勤等基于萬有引力原理提出了一種新的聚類算法；周新華等提出了一種基于蟻群算法的模糊C均值聚類算法。 關聯規則挖掘技術近年來，關聯規則挖掘技術取得了很大的進展。Han等人提出了基于頻繁模式樹(FP-樹)的頻繁模式挖掘算法，范明等對該算法進行了改進；Silbershcatz等探討了關聯規則的后期處理問題；Imielinski和Sarawagi討論了把關聯規則集成到數據庫系統中的問題；Mannila等人介紹了在序列中發現片段的算法；Aronis等人探討了如何實現用于海量數據集的高效歸納算法以及一些實踐的技巧；Adamo等人提出了有助于提高算法效率的特征空間網格結

5、構上的算法集；朱玉全等提出了基于頻繁模式樹的關聯規則增量式更新算法；Brijs等人以及Lawrence等人討論了關聯規則在零售業交叉銷售中的應用問題。（2）交叉銷售研究現狀和發展態勢交叉銷售是通過研究客戶的產品使用情況、消費行為特點，發現客戶潛在的需求，通過挖掘產品之間的關聯，尋找實現銷售更多產品的機會，為產品尋找現有用戶中的目標群體。在新客戶的獲取越來越難的形勢下，交叉銷售是提升企業銷售額的有效手段。早在1965年，國外銀行業就開始應用交叉銷售，向老客戶推薦他們可能需要的其他金融產品和服務。利用數據挖掘技術去發現客戶購買規律可以追溯到NCR公司為沃爾瑪超市發現了啤酒和尿片之間的關聯關系。數據

6、挖掘輔助交叉銷售主要通過識別交叉銷售機會和發現客戶購買規律。近年來，國內外學者對交叉銷售的研究越來越多，很多學者都在致力于識別交叉銷售的方法研究。Knott等利用Logistic回歸、多元回歸、判別分析和神經網絡四種技術來識別交叉銷售機會，確定交叉銷售目標客戶的有效性。幸莉仙等人研究了數據挖掘在零售行業中的應用，并引出了交叉營銷的概念。段云峰等人研究了移動通信業務中的業務關聯關系。目前，有關交叉銷售機會識別的方法和模型主要有四種，即潛在特質模型（Kamakura,1991; 2003）、獲得模式（Peas & Kuijlen, 2001）、NPDP模型（Knott et al., 20

7、02)）和市場細分方法（Peltier, 2002）。學者們大多是在借鑒市場營銷以及其他學科和領域現有方法的基礎上，來考察將這些方法應用于識別交叉銷售機會的可能性的。例如，Kamakura等人主要借鑒心理學研究的潛在特質理論；Peas和Kuijlen主要利用耐用消費品的獲得模式來研究和利用Mokken量表測量法；而Peltier等人則主要采用了市場細分法。目前學術界對這四種方法眾說紛紜。因此，識別交叉銷售機會的方法有待整合和完善。2、研究意義中國郵政的政企合一，市場的對外開放，以及日益提高的社會需求對中國郵政提出了巨大的挑戰。一方面，為保證人民用郵需求而構建的郵運基礎網絡每天都耗費著大量的人力

8、、物力成本；另一方面，隨著通信網絡技術的發展和新興物流企業的崛起，郵政的幾項傳統支柱型業務正呈逐年下滑的趨勢。如何才能在這種嚴峻的形勢下，突破發展的瓶頸，尋找新的增長點，是擺在郵政企業面前的主要問題。隨著客戶關系管理理念的不斷深入，郵政企業已經意識到“客戶”對于企業發展的重要性。但郵政客戶消費狀態并不穩定，客戶的價值取向和消費心理也在不斷發生變化，從而導致郵政企業的客戶市場極其不穩定。而市場競爭的加劇和日益飽和，又使郵政企業獲得新用戶的成本變得越來越高。如何提升客戶現有的價值、發掘其潛在價值，延長客戶的生命周期，是解決郵政企業市場問題的關鍵點之一。鑒于此，本文引入基于數據挖掘的“交叉銷售”理論

9、對郵政業務進行研究。其一，交叉銷售可以實現對客戶終身價值的挖掘，提高客戶的滿意度和忠誠度，促進企業市場占有率的增大和效益的提高；其二，數據庫、數據倉庫技術及客戶關系管理系統的發展，以及基于現代統計學、人工智能和機器學習等現代計算技術的數據挖掘工具的應用，又為交叉銷售的實施提供了可能。其三，郵政是數據密集型行業，在企業的業務數據庫中存儲著客戶大量的歷史行為記錄。這就為郵政企業進行基于數據挖掘的交叉銷售研究奠定了基礎。本文通過應用數據挖掘技術建立交叉銷售分析模型，可為郵政企業制定銷售目標和策略提供有力的依據，從而主動地、預先地發現交叉銷售的機會，優化市場活動，提高營銷活動的有效性，降低營銷成本，增

10、大銷售利潤，增強客戶滿意度，保留客戶資源。此外，在數據分析過程中可提取出隱含的、具有應用價值的信息或模式，從真正意義上實現了數據到信息的轉化，進而實現知識的識別。把這些信息和知識傳遞給企業的業務分析員和決策者，將從本質上改善企業的業務決策流程，使企業能高效、快捷地制定決策。有針對性地選擇和推出新的業務和服務，提高企業的服務質量，減少企業的運營風險，提高經濟效益。因此，本文的研究無論從理論上還是實踐上，都具有研究的可行性和價值性。二、研究的主要內容及預期目標1、主要內容本文擬運用理論建模與實證研究相結合的方法，針對數據挖掘技術在郵政企業營銷和客戶關系管理中應用的具體問題進行研究。其研究的主要內容

11、如下：（1）研究郵政業務數據的特征及數據的準備郵政業務的數據不同于一般的電信、金融或零售行業的數據，因此需要對其數據的特征進行分析，從而提取有效的指標屬性。而郵政數據的復雜、分散、冗余、不一致的特點，又需要對其數據清洗和預處理的問題（主要包括數據的選擇、轉換、整合、抽樣、隨機化和缺失值處理等）進行思考。（2）數據挖掘理論方法研究及算法的選擇主要研究本課題涉及到的各種數據挖掘方法，主要包括分類技術、聚類以及關聯規則分析等，研究其基本原理，分析不同算法的優缺點，從而結合郵政業務的實際特點，選擇合適的挖掘算法。（3）構建郵政業務的交叉銷售模型基于數據挖掘的理論和技術，通過運用關聯分析、聚類分析和分類

12、技術，發現產品或業務之間的內在聯系、了解客戶的消費特征、將客戶進行分群，進而建立郵政業務的交叉銷售模型。 業務關聯研究郵政企業為客戶提供了多種多樣的產品和業務，但在客戶辦理各種業務中，身份證是唯一標識。因此，通過對同一身份證號所使用的業務深入的分析和挖掘，就可以確定客戶個人的業務使用習慣和消費特征，發現業務之間隱含的關聯關系?？蛻舴秩貉芯勘疚膶⑦\用聚類技術按照客戶的基本屬性和業務使用狀況對客戶進行分群，體現群內客戶業務屬性的相似性。通過分析客戶在業務使用額度上的差異，將客戶分為不同的級別，挖掘客戶群和客戶級別之間的關系，幫助企業更好地了解客戶，有針對性地發展和培養優質客戶。潛在客戶發掘郵政企業

13、各項業務性質的差異決定了其收益的差別。在關聯性分析的基礎上，結合業務價值，將業務分為不同的組，進而挖掘業務價值的差異性，分析業務組和客戶等級之間的關系，利用分類技術，提取業務現有客戶的特征，為其尋找潛在目標客戶。（4）交叉銷售模型的檢驗和評估通過測試數據對模型的有效性進行驗證和評估，提出郵政業務交叉銷售的詳細解決方案。2、預期目標本文擬從客戶屬性（包括自然屬性和行為屬性）出發，針對客戶基本屬性、客戶業務使用屬性和客戶帳務屬性，從不同側面對數據進行深層次的分析，構建郵政業務交叉銷售模型。從而發現客戶的消費偏好、業務之間的內在聯系，對客戶下一步可能的購買行為進行預測，為市場部營銷策劃人員制定營銷計

14、劃提供信息支持。三、研究方案1、擬采取的主要理論（1）客戶關系理論：客戶生命周期理論、客戶價值理論、關系營銷理論、交叉銷售理論（2）商務智能理論：決策樹、關聯規則、聚類技術等相關的數據挖掘技術與理論2、擬解決的關鍵問題（1）如何有效獲取業務信息和客戶信息，以及對所需業務相關數據的提取和處理。（2）如何選擇合適的算法構建基于數據挖掘的郵政業務交叉銷售模型。3、技術路線與實施方案本文擬基于數據挖掘的思想和理論，運用挖掘算法，通過分析客戶屬性、客戶的業務使用屬性、客戶消費行為記錄等，發現產品或業務之間的內在聯系，確定可以實施交叉銷售的產品或業務；然后進行詳細的客戶分群，了解客戶的消費特征；進而通過分

15、類技術尋找潛在客戶，確定實施交叉銷售的對象，建立交叉銷售的預測模型。其實施的技術路線如下圖所示：四、論文進度安排 起始時間完 成 內 容2008.092008.11查閱文獻資料，完成論文框架設計2008.122009.3客戶和業務特征分析，數據提取，模型構建2009420097交叉銷售模型的驗證和評估2009.82009.12論文初稿完成2010.120104論文修改及終稿完成 五、主要參考文獻（不少于15篇，其中英文文獻不少于5篇）1 Hans-Peter Kriegel, Karsten M Borgwardt, Peer Kröger, Alexey Pryakhin, Mat

16、thias Schubert, Arthur Zimek. Future trends in data mining J. Data Mining and Knowledge Discovery. 2007,15(1): 87-972 Tom Breur. How to evaluate campaign response- The relative contribution of data mining models and marketing execution J. Journal of Targeting, Measurement and Analysis for Marketing:

17、 Special Issue: Mobile Marketing. 2007,15:103-112.3 Lukasz A Kurgan, Petr Musilek. A survey of Knowledge Discovery and Data Mining process models J. The Knowledge Engineering Review. 2006, 21: 1-24.4 Quinan J R. Simplifying decision treesJ.International Journal of Man-Machine Studies,1987,(27): 221-

18、2345 Magidson J. The CHAID approach to segmentation modeling: CHI-squared automatic interaction detection J. Advanced Methods of Marketing Research，1994，118-1596 Smyth, P IdeK, Ghil M. Multiple regimes in northern hemisphere height fields via mixture model clustering J. Journal of the Atmospheric Sc

19、iences, 1999, 56(21):3704-37237 Major J, Mangano J. Selection among rules induced from a hurricane databaseJ.Journal of Intelligent Information System, 1995,4:39-528 N. Friedman, D.Geiger, M. Goldszmidt. Bayesian network classifierJ.Machine Learning, 1997, 29(l):131-1639 Alfred Inselberg. Visualization and datamining of high-dimensional data J. Chemometrics and Intelligent Laboratory System，2002, 60:147-159.10Chen X, Wallace J M. Cluster