1、通過對客戶相關屬性數據進行分析，挖掘出客戶群的共性行為特征，企業(yè)依據這些特征，采取對應的措施，為客戶提供差異化的主動服務，改變傳統(tǒng)“被動”式的服務模式，為客戶創(chuàng)造更多的價值。這樣可以幫助企業(yè)有效地贏得客戶，提升企業(yè)的業(yè)績，提高在市場上的競爭力。通過數據挖掘深入了解客戶行為信息，并將這種信息轉化為知識，為客戶提供有針對性的主動服務，提高客戶滿意度，保持現有客戶，發(fā)展?jié)撛陬櫩?，已經成為電信業(yè)、保險業(yè)等行業(yè)以及眾多學者所關注的問題。
　

2、　 本文始終圍繞客戶群共性特征知識發(fā)現這一主題展開研究，綜合運用人工智能、數據挖掘、知識發(fā)現和客戶管理等IT技術和管理理論與方法，分別探討了客戶群的劃分理論、群體間相似性度量方法，以及客戶群共性特征挖掘的具體思路。對一些薄弱的、存在不足的環(huán)節(jié)進行了改進，使得客戶特征知識發(fā)現更加有效和合理。本文的主要內容如下：
　　 首先，較全面地查閱了國內外相關的文獻，對數據預處理、粗糙集理論及算法、基于粗糙集的客戶知識發(fā)現和基于數據挖掘的客

3、戶關系管理四個領域的研究現狀進行了分析。
　　 其次，對客戶群體間相似性度量算法進行了研究。度量客戶群體之間的相似性，有助于判斷客戶群劃分是否有效，以及可以幫助分析人員從宏觀上把握客戶群之間的關系。本文對傳統(tǒng)的相似性度量算法進行了比較分析，基于已有算法的不足，提出適用于多屬性客戶群之間相似性的度量算法。
　　 再次，對客戶群共性特征知識發(fā)現的四個關鍵環(huán)節(jié)，即連續(xù)型數值離散化過程中離散邊界的選取、條件屬性的選取、確定關聯規(guī)

4、則過濾的條件和決策規(guī)則的表達，分別進行了探討，并提出相應的解決策略。利用云模型理論，進行概念的泛化，將連續(xù)性數據離散化，實現屬性值軟劃分；利用Spearman等級相分析對已離散化后的各項屬性值進行相關性分析，剔除具有顯著性相關性的屬性，然后運用一種基于遺傳算法的屬性約簡算法對屬性進行約簡；設置可信度和支持度兩個指標值，用它們對挖掘出的決策規(guī)則進行了過濾；采用決策樹方法，來將這些決策規(guī)則更加直觀地表達出來。
　　 最后，運用實例數