2.文献综述
2.1社会化CRM概述及数据挖掘技术
2.1.1社会化CRM
Wikipedia定义Social media（社会化媒体）是“为通过社会互动进行传播而设计，并且创造了具有高可用性且易于升级的应用”。词条“Social media”第一次被提出是在Linkedin于大约2004年创建了他们的社会网络应用之后。从2006年7月以后关注度稳定上升。当时，Wikipedia将“Social media”定义为“用来描述相对于媒体人和媒体机构主导的媒体，更多由公众群体作为群体通过社会化方式主导创建的媒体”
Andreas kaplan 和michael haenlein 定义Social media为“一组基于国际互联网建立顾客关系中潜在的风险因素，以及如何帮助企业做好准备，建立与消费者和媒体和内部员工的透明关系”。
在《marketing to the social web》中larry weber系统的阐述了 Twitter ，facebook等社会化媒体对于企业发现目标顾客并与之建立沟通的重要性，此外还介绍了新近产生的工具和平台，可以帮助企业即刻在该领域收获成果。
2.1.2数据挖掘部分
A数据挖掘概念
数据挖掘是指立基数据库分析技术，用于支持科学决策制定的过程，它主要基于与商业智能相关的机器学习技术。AI（人工智能）技术、统计科学等相关学科的结合，高度自动化地系统分析和处理解读企业拥有的大量数据信息，做出归纳性的退了和探索研究，从中挖掘出潜在的价值规则模式，从而形成科学预测，帮助企业的决策者调整策略制定流程、降低运营系统风险、支持作出科学的决策判断。
数据挖掘的主要方法包括关联分析、时序模式分析、分类分析、聚类分析、偏差分析以及预测、决策树分析、人工神经网络分析等，它们可以被有效应用到以客户为导向的企业决策分析及管理的不同进程阶段和领域。
关联分析（correlation）其目的是挖掘出隐藏在数据间未被发现的相互关系。例如，有大约80%顾客会同时在购买了某种A产品的同时购买了B产品，这就成功的发现了一条关联规则。、
时序模式（sequence discovery），通过针对时间序列的搜索，得出重复发生概率较高的模式，在这一模式中强调时间序列的影响力。例如，在某段时间内，购买了A产品的消费者中，有70 %的消费者会另外购买B产品。
分类（classification），找出一个类别的概念描述，并以此代表该数据的整体信息。分类
是数据挖掘中应用最多的任务和功能。分类法要为每个具体类别做出准确的描述或建立分析模型或挖掘清晰的分类规则，然后用这个分了规则对其他数据库中的记录进行分类研究。
聚类（clustering），按一定规则将数据分为一系列有意义的子集。同一聚类中，个体之间的差距相对较小，不同聚类之间，则个体之间的距离相对偏大。采用不同的聚类方法体系，对于相同的记录集合可能产生不同的划分结果。
偏差分析（deviation），从数据库中找出异常数据，从而指引发现问题。
预测（prediction），利用历史数据找出重复同现的规律模式，建立固化模型，并以此模型来预测未来数据的种类、特征等。
决策树（decision tree），机器学习中，决策树是用于预测研究的数学模型；它代表的是对象属性与对象值之间的某种映射关系。树中每个节点表示某个对象，其中的每个分叉路径则代表的是某个可能的属性值，而每一个叶节点则对应具有上述属性值的子对象。决策树系统仅有单一输出模式；若需要多个输出，则可以建立独立的决策树以处理不同输出目标。
以数据产生决策树的机器学习技术被定义为决策树学习，通常的简称是决策树。
决策树学习也是数据挖掘中一种高应用率的方法。在这里，每个决策树都表述了一种树形结构体系，并由其分支来对该类型的对象依据属性进行分类。每个决策树可以依靠针对源数据库的分割进行反复数据测试。在这一过程中可以递归式的对树进行修剪整理。当不能在进行分割或一个单独的类可以被应用于某一分支时，递归式的过程就完成了。另外，随机森林分类器将许多的决策概率来设计构成。决策树如果通过数据计算方法可以取得更加理想的效果。
决策树系统的工作原理：
决策树一般都是通过自上而下的流程来生成的。
虽选择分割的方法有多种，但是目的皆一致，即对目标类尝试进行最佳的分割。 从决策树根节点到叶子节点都会有一条路径，这条路径定义为一条“规则”。
决策树可以是二叉的，同时也可以是多叉的。
对每个节点的衡量：
（1） 通过该节点的记录数量；
（2） 在假设是叶子节点情况下，分类的路径；
（3） 对叶子节点正确分类的比例状况。
人工神经网络（ANN,artificial neural network），人工神经网络是由具有自适应性的简单单元构成的广泛并行且互连的网络，它的组织能够模拟出生物神经系统对真实世界物体
所作出的交互式反应。
人工神经网络研究的局限性；
研究发民受到脑科学研究成果的限制；
尚缺少一个完整、成熟的理论体系；
研究带有浓厚的策略和经验主义色彩；
与其他传统技术系统的接口不成熟。
一般而言，ANN与经典传统计算方法相比并非优越，只有当其他常规方法解决不了或效果不佳时ANN方法才能够显示出其优越性。尤其当对问题的机理不甚了解或不能用数学模型表示的系统，例如故障诊断、特征提取和预测等类别的问题，则ANN往往是最有利的工具。另一方面，ANN对处理大量的原始数据却不能用规则或者公式加以描述的问题，表现出特有的极大灵活性和自适应性。
BP人工神经网络
人工神经网络以其特别具有的自学习、自组织、以及较好的容错性和优良的非线性逼近能力，受到了众多研究应用领域学者的关注。在实际应用中，80%-90%的人工神经网络模型都是采用误差反传算法或其经过形式变化的网络模型，目前主要被应用于函数逼近、模式识别、分类和数据压缩以及数据挖掘分析。
（1） BP网络建模特点：
BP（back propagation）网络是1986年由rumelhart和mccelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的数学规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input
）、隐层（hide layer）和输出层（output layer）。非线性的映照能力；神经网络能以任意的精度逼近任何非线性连续函数。而在建模过程中的许多问题正是常常具有高度的非线性。
并行分布处理方式：神经网络中信息是分布式储存和并行式处理的，这使它具有很强的容错性和很高的处理速度。
自学习和自适应能力：神经网络分析在数据训练过程中，能从输入、输出的数据中提取规律性的知识，记忆于网络的权值中，并具有很强的泛化能力，即将这组权值应用
于一般情形的能力。神经网络的学习过程可以在线进行。
数据融合的能力：神经网络可以再同一时间处理定量信息和定性信息，因此它可以利用传统工程技术（数值运算）和人工智能相关技术（符号处理）。
多变量系统：神经网络分析的输入和输出变量数目是任意的，能够对单变量系统和多变量系统提供一种通用的描述方式，不需要考虑各子系统间的解耦问题。
（2） 样本数据的收集和整理分组
采用BP神经网络方法建立模型的首要和前提条件是要有足够多典型性好且精度高的数据样本。而且，为监控训练（机器学习）过程使之避免发生“过拟合”和评价建立的网络模型的性能表现和泛化能力，必须要求将收集到的数据随机分成训练样本、检验样本（10%以上）和测试样本（10%以上）三个部分。此外，数据分组时还应尽可能考虑样本模式间的平衡性。
由于传统的误差反传BP算法相对较为成熟，而且应用领域广泛，因此努力提升此方法的学习速度具有较高的实践应用价值。BP算法中有几个常用的参数，如学习率η，动量因子α，和形状因子λ以及收敛误差界E等。以上参数对训练速度影响为关键。
B CRM与数据挖掘
（1）用户行为预测
CRM中的数据挖掘是指从海量有关顾客的数据中挖掘隐含的、之前未知的、对企业决策具有潜在价值的知识和规则等。在技术层面，采用嵌入数据挖掘系统方式，可以自动产生一些所需要的信息。更进一步的，还需要组织中有统计学、决策科学、计算机科学等方面的专业人才来制定出相应挖掘规则以更进一步发挥出数据挖掘系统的优势。
（2）CRM中数据挖掘的工作流程
数据抽样。在进行数据挖掘分析过程中，首先要从企业大量客户信息数据中提取出相关的数据子集。通过针对数据样本的精选，不仅能够减少数据的处理量，节省系统资源，而且还能通过对数据的筛选过程，使数据更加具有规律性。
数据探索。数据探索是通常所进行的对数据进行深入调查的过程，从样本数据集中提取出规律和趋势，以聚类分析区分类别，最终期望达到的目的是处理清晰多因素间交互影响的、十分复杂的关系，并发现因素间的相关性。
数据调整。通过以上两个步骤的处理，对数据的状态和趋势将有进一步了解，这时要尽其可能针对问题解决的要求进一步明确化、进一步量化。
模型化。在问题进一步被明确定义，数据的状态和趋势将有进一步了解，这时要尽其可
能针对问题解决的要求进一步明确化、进一步量化。
模型化。在问题进一步被明确定义，数据结构和内容进一步优化调整的基础上，就可以建立数学模型。这一步是数据挖掘的核心步骤，运用神经网络分析、决策树模型、数据统计方法、时间序列分析等方法来建立模型。
评价。从前述过程中将得出一系列的分析结果、模式和模型，在多数情况会得出针对目标问题的多侧面描述，这时就要综合其间的规律性，提供合理决策支持信息。
2.2公众信息传播模式的变化
当社会化媒体成为消费者从社会关系网络中的朋友，同事获取消费决策所需消息，成为其便捷可信的信息来源，广告曾经作为严肃消费信息核心获取渠道的地位被大幅削弱。当这种来自和消费者同等地位的其他消费者的个人消费经验被越来越多的强调和分享，已经显著的影响到企业的营销传播效果。
在这种前提下，联想公司开始放弃以往单向的传播推动思路，尝试融入由消费者主导的社区，成为其中一员，以平等对话的态度和消费者进行沟通。
参与web2.0的个体消费者因其特有的主动性所以容易建立互动，个人主动的参与到互联网中，个人与个人之间不再彼此是孤立的，而是彼此相连接，当一个热点激起个人参与到对这一问题的相关讨论中，持有相同意见和特性的个人就自发的聚合形成了一个组织，通过组织的方式让人、内容等构成因素充分的“互动”起来，这一的力量就汇聚起来形成一个更加强大了力量，出现规模效应，使营销活动达到预期的理想目标。
随着web2.0时代的来临，个体消费者正在成为“新的数字时代民主社会”的公民。他们真实的个性得以在网络世界中延伸，积极主动的参与到了对品牌和产品的评论中，其力量也足以影响到一个品牌和产品的发展进程。因此，企业开始重视个体消费者的力量，在开展营销活动时也更加强调人性化。但是web2.0的潜力刚刚被一些企业所发现，企业在开展营销活动中并不能熟练的运用web2.0平台。
在web2.0网络营销体系中，知己知彼同样非常重要，如果对个体网名的行为不够了解，盲目的开展营销活动，其营销活动所能达到理想的效果。目前很多企业在狮屎web2.0营销活动时多忽略了这一点。此外，现有的网名分析系统也存在着很多不够完善之外。
目前对网民行为的了解主要是通过各大型网站自发主导实施的网民行为检测系统和一些第三方研究机构推出的针对网民个体行为的软件客户端监测。比如在美国的comscore和Netratings，他们多是基于网民安装的软件客户端进行监测的第三方连续研究服务机构，在国内近日知名的网络经济研究机构艾瑞咨询，也正式推出了类似的iusertracker产品服务平
能针对问题解决的要求进一步明确化、进一步量化。
模型化。在问题进一步被明确定义，数据结构和内容进一步优化调整的基础上，就可以建立数学模型。这一步是数据挖掘的核心步骤，运用神经网络分析、决策树模型、数据统计方法、时间序列分析等方法来建立模型。
评价。从前述过程中将得出一系列的分析结果、模式和模型，在多数情况会得出针对目标问题的多侧面描述，这时就要综合其间的规律性，提供合理决策支持信息。
2.2公众信息传播模式的变化
当社会化媒体成为消费者从社会关系网络中的朋友，同事获取消费决策所需消息，成为其便捷可信的信息来源，广告曾经作为严肃消费信息核心获取渠道的地位被大幅削弱。当这种来自和消费者同等地位的其他消费者的个人消费经验被越来越多的强调和分享，已经显著的影响到企业的营销传播效果。
在这种前提下，联想公司开始放弃以往单向的传播推动思路，尝试融入由消费者主导的社区，成为其中一员，以平等对话的态度和消费者进行沟通。
参与web2.0的个体消费者因其特有的主动性所以容易建立互动，个人主动的参与到互联网中，个人与个人之间不再彼此是孤立的，而是彼此相连接，当一个热点激起个人参与到对这一问题的相关讨论中，持有相同意见和特性的个人就自发的聚合形成了一个组织，通过组织的方式让人、内容等构成因素充分的“互动”起来，这一的力量就汇聚起来形成一个更加强大了力量，出现规模效应，使营销活动达到预期的理想目标。
随着web2.0时代的来临，个体消费者正在成为“新的数字时代民主社会”的公民。他们真实的个性得以在网络世界中延伸，积极主动的参与到了对品牌和产品的评论中，其力量也足以影响到一个品牌和产品的发展进程。因此，企业开始重视个体消费者的力量，在开展营销活动时也更加强调人性化。但是web2.0的潜力刚刚被一些企业所发现，企业在开展营销活动中并不能熟练的运用web2.0平台。
在web2.0网络营销体系中，知己知彼同样非常重要，如果对个体网名的行为不够了解，盲目的开展营销活动，其营销活动所能达到理想的效果。目前很多企业在狮屎web2.0营销活动时多忽略了这一点。此外，现有的网名分析系统也存在着很多不够完善之外。
目前对网民行为的了解主要是通过各大型网站自发主导实施的网民行为检测系统和一些第三方研究机构推出的针对网民个体行为的软件客户端监测。比如在美国的comscore和Netratings，他们多是基于网民安装的软件客户端进行监测的第三方连续研究服务机构，在国内近日知名的网络经济研究机构艾瑞咨询，也正式推出了类似的iusertracker产品服务平
台，iusertracker希望能够真实反映中国网络市场的客观情况，并发展成为中国互联网行业最有价值的第三方决策支持数据平台。
通过网民对网站的认知度、使用率，主要用户类型分布、上网时段，使用粘性、以及网民主要关注的内容等研究来确定，选择何种web2.0网络营销平台，通过何种方式进行投放等。
2.3顾客消费决策模式的变革
传统的营销理念认为，最理想状态的营销目标是在最能够影响到消费者决策的时机出现在消费者备选范围内。经典的营销漏斗理论认为，消费者对商品的认知和记忆中有许多个可供考虑选择的品牌备选项（漏斗理论中初始较为宽泛的一侧），但随着消费者对不同选项做出针对性的比较和权衡，消费者会系统性地缩小最初的选择范围，最终做出消费决策，并购买产品。随之，销售达成后的持续服务阶段，就成为决定消费者是否对品牌产生忠诚度，以及选择再次购买该品牌相应产品的可能性的考验期。因此，营销人员需要在漏斗理论所描述的决策进程中的每一个阶段向消费者的计划的实施推动式的营销战略，意图影响消费者的决策。
然而，麦肯锡公司顾问大卫科特、苏珊、艾格纳和维特维克，在对保险、汽车、皮肤护理以及消费电子产品和移动通信行业等五大行业，以及分布在世界三大洲的近二万名不同类型消费者的消费购买决策进行定性定量研究后发现，经典的营销漏斗理论在当前的市场环境中失去了分析和归纳所有的消费者互动接触环节的能力，当然也无法概括由于社会化媒体兴起，备选产品空间和数字营销渠道迅速成长导致出现的所有关键消费者购买动因。
经过详尽的研究结论认为，决策过程更接近一个循环的历程，包括四个核心进程：初步范围、针对性比较（或考察潜在其他备选商品）、交易达成（顾客选择消费某商品）还有持续期（顾客对产品实践应用中的表现感知）。每一个阶段内，都代表了能决定营销人员成败的潜在挑战因素。消费者购买决策的方式在以下三个方面发上来深刻的变化。
2.3.1品牌偏好比较
消费者在不同飞选择项目组合中考察纷杂的消费相关信息，顾客通常会通过初步的偏好倾向设定数量较小的一组待选商品，成功进入初选品牌范围的商品被消费者最终采购的潜在机会大约是未进入初选范围的其他待售物品的三倍。然而，其他在初步环节未能成功进入考虑列表的品牌也不会彻底丧失成功可能。
与营销漏斗模式的概念相悖，在消费者积极评估过程中，早期被纳入考虑范围的品牌数量实际上会伴随着消费者通过社会化媒体来寻找其他消费者分享提供的信息和经验，以及有
针对性地卖场考察进一步增多，却不会继续缩减。部分品牌可能会获得机会进入备选列表，从而破坏原有的决策过程，甚至会迫使竞争对手最终在消费者的选择中被淘汰。
调查显示，部分对于PC产品进行积极评估的活跃消费者，平均会向数量为1.8的备选列表增加1.1个备选品牌，而汽车的购买者会通常向其最初数量为3.9的备选列表增加大约
2.3个其他品牌。消费者的这一考虑模式的变化为营销负责人创造了新的可能性，他们可以再品牌能够对消费者产生影响的各个方面增加新的互动环节。相对而言，那些已经成功进入初选范围的品牌，再不能为拥有了这一优先竞争地位而保守不前。
2.3.2运用社会化媒体的顾客获取更强谈判优势
以往，营销是由企业方来推进的，通过传统的广告渠道、直复营销、活动赞助和其他渠道向消费者进行推动式销。在营销漏斗模式的每一个节点上，营销人员都会试图影响消费者的决策，而这种并不精确的方法通常也无法在恰当的时刻成功的接触到恰当的消费者。通过研究表明，事实上，在消费者的高参与度评测步骤，有三分之二的互动环节都将关系到由顾客占据主导的营销互动，如通过社会化媒体实现的社区讨论、社会关系网络内的口头互荐、卖场互动以及个体经验积累的对比，只有三分之一的互动环节涉及到由企业来主导推动的营销活动。
2.3.3两个类型的顾客维系
当消费者在购买时刻做出消费决策时，营销人员的工作恰刚刚开始：购买后的体验很大程度上决定了消费者对该品牌产品的每项后续决策意见。在使用面部皮肤护理产品的消费者中，有60%以上的消费者都会在其购买行为完成后上网通过社会媒体的丰富信息源进行进一步的研究，这些互动环节是营销漏斗模式所没有考虑到的。
忠诚度可能会促使消费者产生重复购买，但是在当前竞争越来越激烈的复杂市场环境中，并非所有忠诚度都具有等同的价值。有些是积极主动的忠诚分子，不仅会坚持个体购买该品牌，还会向其他消费者主动推荐，另一些消费者则是消极被动的忠诚分子，或者是因为懒惰，要么是因为纷繁的选择对象带来的选择性障碍，而继续选择购买某一品牌，但是未必会真正长期坚持。
虽然对于多数营销者而言营销相关的理念早就已经是轻车熟路，以顾客的消费需求为策略基点的体系也已经成为墨守的规律，可是现实中多数情况下，营销者却并没有真的这样去做。很多营销者认为自己处处强调顾客价值，事实却并不是真的完全与其想法对应。究其根本，无论是实施差异化战略，还是营销4P规划体系，大多营销者还是站在企业自身的角度去推动着产品销售与技术创新，进而谋求交易的达成而不是顾客关系的建立。
多数营销者常常会将自己的想法想当然地强加于自身企业的消费者，不顾及消费者真实的认知与体验。即便是一直高举客户关系大旗的CRM，最终也沦为了对那些容易记录和衡量的顾客数据进行分析与挖掘的角色，完全遗忘了客户都是活生生的社会个体这样一个基本的环境现实。顾客无疑是企业最珍贵的资产，认识消费者的真实内心想法仍然是需要继续探索的课题。
关于消费者决策过程及其变化总结如下：
A在消费选项评估阶段，被消费者纳入初步考虑列表的品牌数量会不断随着消费者搜寻和获取更多消费信息以及有针对性地通过销售终端的现场考察比较而进一步增多，却不会缩减。部分对于PC产品进行积极评估的活跃消费者，平均会向数量为1.8的备选列表增加1.1个备选品牌，而汽车的购买者会通常向其最初数量为3.9的备选列表增加大约2.3个其他品牌。
B有2/3的接触环节都将关系到由顾客占据主导的营销互动，如通过社会化媒体实现的社区讨论、社会关系网络内的口头互荐、卖场互动以及个体经验积累的对比，只有1/3的接触环节涉及到由企业来主导推动的营销活动。
C当消费者在做出首次购买决策时，营销人员的工作恰刚刚开始。消费者购买后的持续应用体验决定了消费者关于这一品牌产品的每项后续消费的决策倾向。
而在以上三个重要阶段中，社会化媒体都是消费者获取信息和发布体验的主要平台，并且正在成为更多消费者下意识的行为习惯。
2.4顾客关系管理理念的变革
社会化CRM是指通过社交网站与客户沟通所形成的客户关系管理体系。
《 Twittfaced》的合著者Jacob Morgan，他描述的传统客户关系管理系统(CRM)与社交型客户关系管理系统之间的区别：
社交给客户关系管理带来了新的考虑因素，因为现在，营销者不仅要处理数据和信息，而且还要处理对话和关系。这些不同主体之间的对话和关系不仅只发生在公司与消费者之间，同时也会发生在消费者与消费者之间。
参考文献
主要参考文献：
【1】 戴汝为.智能系统的综合集成【M】浙江科学技术出版社1995:64-72
【2】 傅家骥. 仝允桓等.技术创新学【M】清华大学出版社 1998:274-286
【3】 程慧霞.李龙澍，倪志伟。用C++建造专家系统【M】电子工业出版社1996：145-158
【4】 鲁百年.大客户战略营销【M】电子工业出版社2006:326-348
【5】 齐克芒德（Zikmund Willian G）、迈克利奥德（Mcleod Raymond Jr）、胡左浩. 客户关系管理（营销战略与信息技术的整合）【M】工商管理经典译丛简明系列 中国人民大学出版社2005:89-113
【6】 Rumelhart D E,McClelland J L.Parallel Distributed Processing【J】.Vol.1,2，
USA:MIT Press，1986:276-289
【7】 Rakesh Agrawal.The Quest Data Mining System[J].USA:IBM Almaden Research Center，1996:265-270
【8】 Jiawei Han .A system for Mining Knowledge in Large Relational Databases.
DBMiner Proc.1996 Int.Conf.on Data Mining and Knowledge Discovery（KDD’96）
[J].Portland：Oregon，1996:342-365
【9】 Yoon B ,Lacher R C.Extracting rules by destructive learning.Proc IEEE ICNN’94
New York：IEEE Press 【J】,1994:234-435
【10】 FuL.Rule generationfrom neural networks. IEEE Trans on Systems,Man,Cybernetics
【M】,1994：187-195
【11】 Gallant S I.Connectionist Expert System【M】.Comn ACM,1998
【12】 Towell G，Shavlik J.Extracting Refined rules from knowledge-based neural networks
【M】：78-98
【13】 Maniezzo V.Genetic evolution of the topology and weight distribution of neural
networks. IEEE Trans on Neural Networks 【M】，1994,5（1）：39-53
【14】 Machine Learning 【M】:1993
【15】 Huang S H，Endsley M R.Providing understanding of behavior of feed forward
neural network. IEEE Trans on Systems ，Man，Cybernetics.【M】1997，27（3）：127-131
【16】 William G.Zikmund customer relation management【M】
【17】 Socialnomics Erik Qualman Wiley【M】：245-260
【18】 Tactical Transparency ：How Leaders Can Leverage Social Media to Maximize
Value and Build their Brand Shel Holtz John C.【M】Havens：187-194
【19】 Marketing to the social web【M】 larry weber ：35-67
【20】 Rgramming Microsoft Dynamics CRM 4.0（Pro-Developer）Mike Snyder、Jim
2.文献综述
2.1社会化CRM概述及数据挖掘技术
2.1.1社会化CRM
Wikipedia定义Social media（社会化媒体）是“为通过社会互动进行传播而设计，并且创造了具有高可用性且易于升级的应用”。词条“Social media”第一次被提出是在Linkedin于大约2004年创建了他们的社会网络应用之后。从2006年7月以后关注度稳定上升。当时，Wikipedia将“Social media”定义为“用来描述相对于媒体人和媒体机构主导的媒体，更多由公众群体作为群体通过社会化方式主导创建的媒体”
Andreas kaplan 和michael haenlein 定义Social media为“一组基于国际互联网建立顾客关系中潜在的风险因素，以及如何帮助企业做好准备，建立与消费者和媒体和内部员工的透明关系”。
在《marketing to the social web》中larry weber系统的阐述了 Twitter ，facebook等社会化媒体对于企业发现目标顾客并与之建立沟通的重要性，此外还介绍了新近产生的工具和平台，可以帮助企业即刻在该领域收获成果。
2.1.2数据挖掘部分
A数据挖掘概念
数据挖掘是指立基数据库分析技术，用于支持科学决策制定的过程，它主要基于与商业智能相关的机器学习技术。AI（人工智能）技术、统计科学等相关学科的结合，高度自动化地系统分析和处理解读企业拥有的大量数据信息，做出归纳性的退了和探索研究，从中挖掘出潜在的价值规则模式，从而形成科学预测，帮助企业的决策者调整策略制定流程、降低运营系统风险、支持作出科学的决策判断。
数据挖掘的主要方法包括关联分析、时序模式分析、分类分析、聚类分析、偏差分析以及预测、决策树分析、人工神经网络分析等，它们可以被有效应用到以客户为导向的企业决策分析及管理的不同进程阶段和领域。
关联分析（correlation）其目的是挖掘出隐藏在数据间未被发现的相互关系。例如，有大约80%顾客会同时在购买了某种A产品的同时购买了B产品，这就成功的发现了一条关联规则。、
时序模式（sequence discovery），通过针对时间序列的搜索，得出重复发生概率较高的模式，在这一模式中强调时间序列的影响力。例如，在某段时间内，购买了A产品的消费者中，有70 %的消费者会另外购买B产品。
分类（classification），找出一个类别的概念描述，并以此代表该数据的整体信息。分类
是数据挖掘中应用最多的任务和功能。分类法要为每个具体类别做出准确的描述或建立分析模型或挖掘清晰的分类规则，然后用这个分了规则对其他数据库中的记录进行分类研究。
聚类（clustering），按一定规则将数据分为一系列有意义的子集。同一聚类中，个体之间的差距相对较小，不同聚类之间，则个体之间的距离相对偏大。采用不同的聚类方法体系，对于相同的记录集合可能产生不同的划分结果。
偏差分析（deviation），从数据库中找出异常数据，从而指引发现问题。
预测（prediction），利用历史数据找出重复同现的规律模式，建立固化模型，并以此模型来预测未来数据的种类、特征等。
决策树（decision tree），机器学习中，决策树是用于预测研究的数学模型；它代表的是对象属性与对象值之间的某种映射关系。树中每个节点表示某个对象，其中的每个分叉路径则代表的是某个可能的属性值，而每一个叶节点则对应具有上述属性值的子对象。决策树系统仅有单一输出模式；若需要多个输出，则可以建立独立的决策树以处理不同输出目标。
以数据产生决策树的机器学习技术被定义为决策树学习，通常的简称是决策树。
决策树学习也是数据挖掘中一种高应用率的方法。在这里，每个决策树都表述了一种树形结构体系，并由其分支来对该类型的对象依据属性进行分类。每个决策树可以依靠针对源数据库的分割进行反复数据测试。在这一过程中可以递归式的对树进行修剪整理。当不能在进行分割或一个单独的类可以被应用于某一分支时，递归式的过程就完成了。另外，随机森林分类器将许多的决策概率来设计构成。决策树如果通过数据计算方法可以取得更加理想的效果。
决策树系统的工作原理：
决策树一般都是通过自上而下的流程来生成的。
虽选择分割的方法有多种，但是目的皆一致，即对目标类尝试进行最佳的分割。 从决策树根节点到叶子节点都会有一条路径，这条路径定义为一条“规则”。
决策树可以是二叉的，同时也可以是多叉的。
对每个节点的衡量：
（1） 通过该节点的记录数量；
（2） 在假设是叶子节点情况下，分类的路径；
（3） 对叶子节点正确分类的比例状况。
人工神经网络（ANN,artificial neural network），人工神经网络是由具有自适应性的简单单元构成的广泛并行且互连的网络，它的组织能够模拟出生物神经系统对真实世界物体
所作出的交互式反应。
人工神经网络研究的局限性；
研究发民受到脑科学研究成果的限制；
尚缺少一个完整、成熟的理论体系；
研究带有浓厚的策略和经验主义色彩；
与其他传统技术系统的接口不成熟。
一般而言，ANN与经典传统计算方法相比并非优越，只有当其他常规方法解决不了或效果不佳时ANN方法才能够显示出其优越性。尤其当对问题的机理不甚了解或不能用数学模型表示的系统，例如故障诊断、特征提取和预测等类别的问题，则ANN往往是最有利的工具。另一方面，ANN对处理大量的原始数据却不能用规则或者公式加以描述的问题，表现出特有的极大灵活性和自适应性。
BP人工神经网络
人工神经网络以其特别具有的自学习、自组织、以及较好的容错性和优良的非线性逼近能力，受到了众多研究应用领域学者的关注。在实际应用中，80%-90%的人工神经网络模型都是采用误差反传算法或其经过形式变化的网络模型，目前主要被应用于函数逼近、模式识别、分类和数据压缩以及数据挖掘分析。
（1） BP网络建模特点：
BP（back propagation）网络是1986年由rumelhart和mccelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的数学规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input
）、隐层（hide layer）和输出层（output layer）。非线性的映照能力；神经网络能以任意的精度逼近任何非线性连续函数。而在建模过程中的许多问题正是常常具有高度的非线性。
并行分布处理方式：神经网络中信息是分布式储存和并行式处理的，这使它具有很强的容错性和很高的处理速度。
自学习和自适应能力：神经网络分析在数据训练过程中，能从输入、输出的数据中提取规律性的知识，记忆于网络的权值中，并具有很强的泛化能力，即将这组权值应用
于一般情形的能力。神经网络的学习过程可以在线进行。
数据融合的能力：神经网络可以再同一时间处理定量信息和定性信息，因此它可以利用传统工程技术（数值运算）和人工智能相关技术（符号处理）。
多变量系统：神经网络分析的输入和输出变量数目是任意的，能够对单变量系统和多变量系统提供一种通用的描述方式，不需要考虑各子系统间的解耦问题。
（2） 样本数据的收集和整理分组
采用BP神经网络方法建立模型的首要和前提条件是要有足够多典型性好且精度高的数据样本。而且，为监控训练（机器学习）过程使之避免发生“过拟合”和评价建立的网络模型的性能表现和泛化能力，必须要求将收集到的数据随机分成训练样本、检验样本（10%以上）和测试样本（10%以上）三个部分。此外，数据分组时还应尽可能考虑样本模式间的平衡性。
由于传统的误差反传BP算法相对较为成熟，而且应用领域广泛，因此努力提升此方法的学习速度具有较高的实践应用价值。BP算法中有几个常用的参数，如学习率η，动量因子α，和形状因子λ以及收敛误差界E等。以上参数对训练速度影响为关键。
B CRM与数据挖掘
（1）用户行为预测
CRM中的数据挖掘是指从海量有关顾客的数据中挖掘隐含的、之前未知的、对企业决策具有潜在价值的知识和规则等。在技术层面，采用嵌入数据挖掘系统方式，可以自动产生一些所需要的信息。更进一步的，还需要组织中有统计学、决策科学、计算机科学等方面的专业人才来制定出相应挖掘规则以更进一步发挥出数据挖掘系统的优势。
（2）CRM中数据挖掘的工作流程
数据抽样。在进行数据挖掘分析过程中，首先要从企业大量客户信息数据中提取出相关的数据子集。通过针对数据样本的精选，不仅能够减少数据的处理量，节省系统资源，而且还能通过对数据的筛选过程，使数据更加具有规律性。
数据探索。数据探索是通常所进行的对数据进行深入调查的过程，从样本数据集中提取出规律和趋势，以聚类分析区分类别，最终期望达到的目的是处理清晰多因素间交互影响的、十分复杂的关系，并发现因素间的相关性。
数据调整。通过以上两个步骤的处理，对数据的状态和趋势将有进一步了解，这时要尽其可能针对问题解决的要求进一步明确化、进一步量化。
模型化。在问题进一步被明确定义，数据的状态和趋势将有进一步了解，这时要尽其可
能针对问题解决的要求进一步明确化、进一步量化。
模型化。在问题进一步被明确定义，数据结构和内容进一步优化调整的基础上，就可以建立数学模型。这一步是数据挖掘的核心步骤，运用神经网络分析、决策树模型、数据统计方法、时间序列分析等方法来建立模型。
评价。从前述过程中将得出一系列的分析结果、模式和模型，在多数情况会得出针对目标问题的多侧面描述，这时就要综合其间的规律性，提供合理决策支持信息。
2.2公众信息传播模式的变化
当社会化媒体成为消费者从社会关系网络中的朋友，同事获取消费决策所需消息，成为其便捷可信的信息来源，广告曾经作为严肃消费信息核心获取渠道的地位被大幅削弱。当这种来自和消费者同等地位的其他消费者的个人消费经验被越来越多的强调和分享，已经显著的影响到企业的营销传播效果。
在这种前提下，联想公司开始放弃以往单向的传播推动思路，尝试融入由消费者主导的社区，成为其中一员，以平等对话的态度和消费者进行沟通。
参与web2.0的个体消费者因其特有的主动性所以容易建立互动，个人主动的参与到互联网中，个人与个人之间不再彼此是孤立的，而是彼此相连接，当一个热点激起个人参与到对这一问题的相关讨论中，持有相同意见和特性的个人就自发的聚合形成了一个组织，通过组织的方式让人、内容等构成因素充分的“互动”起来，这一的力量就汇聚起来形成一个更加强大了力量，出现规模效应，使营销活动达到预期的理想目标。
随着web2.0时代的来临，个体消费者正在成为“新的数字时代民主社会”的公民。他们真实的个性得以在网络世界中延伸，积极主动的参与到了对品牌和产品的评论中，其力量也足以影响到一个品牌和产品的发展进程。因此，企业开始重视个体消费者的力量，在开展营销活动时也更加强调人性化。但是web2.0的潜力刚刚被一些企业所发现，企业在开展营销活动中并不能熟练的运用web2.0平台。
在web2.0网络营销体系中，知己知彼同样非常重要，如果对个体网名的行为不够了解，盲目的开展营销活动，其营销活动所能达到理想的效果。目前很多企业在狮屎web2.0营销活动时多忽略了这一点。此外，现有的网名分析系统也存在着很多不够完善之外。
目前对网民行为的了解主要是通过各大型网站自发主导实施的网民行为检测系统和一些第三方研究机构推出的针对网民个体行为的软件客户端监测。比如在美国的comscore和Netratings，他们多是基于网民安装的软件客户端进行监测的第三方连续研究服务机构，在国内近日知名的网络经济研究机构艾瑞咨询，也正式推出了类似的iusertracker产品服务平
能针对问题解决的要求进一步明确化、进一步量化。
模型化。在问题进一步被明确定义，数据结构和内容进一步优化调整的基础上，就可以建立数学模型。这一步是数据挖掘的核心步骤，运用神经网络分析、决策树模型、数据统计方法、时间序列分析等方法来建立模型。
评价。从前述过程中将得出一系列的分析结果、模式和模型，在多数情况会得出针对目标问题的多侧面描述，这时就要综合其间的规律性，提供合理决策支持信息。
2.2公众信息传播模式的变化
当社会化媒体成为消费者从社会关系网络中的朋友，同事获取消费决策所需消息，成为其便捷可信的信息来源，广告曾经作为严肃消费信息核心获取渠道的地位被大幅削弱。当这种来自和消费者同等地位的其他消费者的个人消费经验被越来越多的强调和分享，已经显著的影响到企业的营销传播效果。
在这种前提下，联想公司开始放弃以往单向的传播推动思路，尝试融入由消费者主导的社区，成为其中一员，以平等对话的态度和消费者进行沟通。
参与web2.0的个体消费者因其特有的主动性所以容易建立互动，个人主动的参与到互联网中，个人与个人之间不再彼此是孤立的，而是彼此相连接，当一个热点激起个人参与到对这一问题的相关讨论中，持有相同意见和特性的个人就自发的聚合形成了一个组织，通过组织的方式让人、内容等构成因素充分的“互动”起来，这一的力量就汇聚起来形成一个更加强大了力量，出现规模效应，使营销活动达到预期的理想目标。
随着web2.0时代的来临，个体消费者正在成为“新的数字时代民主社会”的公民。他们真实的个性得以在网络世界中延伸，积极主动的参与到了对品牌和产品的评论中，其力量也足以影响到一个品牌和产品的发展进程。因此，企业开始重视个体消费者的力量，在开展营销活动时也更加强调人性化。但是web2.0的潜力刚刚被一些企业所发现，企业在开展营销活动中并不能熟练的运用web2.0平台。
在web2.0网络营销体系中，知己知彼同样非常重要，如果对个体网名的行为不够了解，盲目的开展营销活动，其营销活动所能达到理想的效果。目前很多企业在狮屎web2.0营销活动时多忽略了这一点。此外，现有的网名分析系统也存在着很多不够完善之外。
目前对网民行为的了解主要是通过各大型网站自发主导实施的网民行为检测系统和一些第三方研究机构推出的针对网民个体行为的软件客户端监测。比如在美国的comscore和Netratings，他们多是基于网民安装的软件客户端进行监测的第三方连续研究服务机构，在国内近日知名的网络经济研究机构艾瑞咨询，也正式推出了类似的iusertracker产品服务平
台，iusertracker希望能够真实反映中国网络市场的客观情况，并发展成为中国互联网行业最有价值的第三方决策支持数据平台。
通过网民对网站的认知度、使用率，主要用户类型分布、上网时段，使用粘性、以及网民主要关注的内容等研究来确定，选择何种web2.0网络营销平台，通过何种方式进行投放等。
2.3顾客消费决策模式的变革
传统的营销理念认为，最理想状态的营销目标是在最能够影响到消费者决策的时机出现在消费者备选范围内。经典的营销漏斗理论认为，消费者对商品的认知和记忆中有许多个可供考虑选择的品牌备选项（漏斗理论中初始较为宽泛的一侧），但随着消费者对不同选项做出针对性的比较和权衡，消费者会系统性地缩小最初的选择范围，最终做出消费决策，并购买产品。随之，销售达成后的持续服务阶段，就成为决定消费者是否对品牌产生忠诚度，以及选择再次购买该品牌相应产品的可能性的考验期。因此，营销人员需要在漏斗理论所描述的决策进程中的每一个阶段向消费者的计划的实施推动式的营销战略，意图影响消费者的决策。
然而，麦肯锡公司顾问大卫科特、苏珊、艾格纳和维特维克，在对保险、汽车、皮肤护理以及消费电子产品和移动通信行业等五大行业，以及分布在世界三大洲的近二万名不同类型消费者的消费购买决策进行定性定量研究后发现，经典的营销漏斗理论在当前的市场环境中失去了分析和归纳所有的消费者互动接触环节的能力，当然也无法概括由于社会化媒体兴起，备选产品空间和数字营销渠道迅速成长导致出现的所有关键消费者购买动因。
经过详尽的研究结论认为，决策过程更接近一个循环的历程，包括四个核心进程：初步范围、针对性比较（或考察潜在其他备选商品）、交易达成（顾客选择消费某商品）还有持续期（顾客对产品实践应用中的表现感知）。每一个阶段内，都代表了能决定营销人员成败的潜在挑战因素。消费者购买决策的方式在以下三个方面发上来深刻的变化。
2.3.1品牌偏好比较
消费者在不同飞选择项目组合中考察纷杂的消费相关信息，顾客通常会通过初步的偏好倾向设定数量较小的一组待选商品，成功进入初选品牌范围的商品被消费者最终采购的潜在机会大约是未进入初选范围的其他待售物品的三倍。然而，其他在初步环节未能成功进入考虑列表的品牌也不会彻底丧失成功可能。
与营销漏斗模式的概念相悖，在消费者积极评估过程中，早期被纳入考虑范围的品牌数量实际上会伴随着消费者通过社会化媒体来寻找其他消费者分享提供的信息和经验，以及有
针对性地卖场考察进一步增多，却不会继续缩减。部分品牌可能会获得机会进入备选列表，从而破坏原有的决策过程，甚至会迫使竞争对手最终在消费者的选择中被淘汰。
调查显示，部分对于PC产品进行积极评估的活跃消费者，平均会向数量为1.8的备选列表增加1.1个备选品牌，而汽车的购买者会通常向其最初数量为3.9的备选列表增加大约
2.3个其他品牌。消费者的这一考虑模式的变化为营销负责人创造了新的可能性，他们可以再品牌能够对消费者产生影响的各个方面增加新的互动环节。相对而言，那些已经成功进入初选范围的品牌，再不能为拥有了这一优先竞争地位而保守不前。
2.3.2运用社会化媒体的顾客获取更强谈判优势
以往，营销是由企业方来推进的，通过传统的广告渠道、直复营销、活动赞助和其他渠道向消费者进行推动式销。在营销漏斗模式的每一个节点上，营销人员都会试图影响消费者的决策，而这种并不精确的方法通常也无法在恰当的时刻成功的接触到恰当的消费者。通过研究表明，事实上，在消费者的高参与度评测步骤，有三分之二的互动环节都将关系到由顾客占据主导的营销互动，如通过社会化媒体实现的社区讨论、社会关系网络内的口头互荐、卖场互动以及个体经验积累的对比，只有三分之一的互动环节涉及到由企业来主导推动的营销活动。
2.3.3两个类型的顾客维系
当消费者在购买时刻做出消费决策时，营销人员的工作恰刚刚开始：购买后的体验很大程度上决定了消费者对该品牌产品的每项后续决策意见。在使用面部皮肤护理产品的消费者中，有60%以上的消费者都会在其购买行为完成后上网通过社会媒体的丰富信息源进行进一步的研究，这些互动环节是营销漏斗模式所没有考虑到的。
忠诚度可能会促使消费者产生重复购买，但是在当前竞争越来越激烈的复杂市场环境中，并非所有忠诚度都具有等同的价值。有些是积极主动的忠诚分子，不仅会坚持个体购买该品牌，还会向其他消费者主动推荐，另一些消费者则是消极被动的忠诚分子，或者是因为懒惰，要么是因为纷繁的选择对象带来的选择性障碍，而继续选择购买某一品牌，但是未必会真正长期坚持。
虽然对于多数营销者而言营销相关的理念早就已经是轻车熟路，以顾客的消费需求为策略基点的体系也已经成为墨守的规律，可是现实中多数情况下，营销者却并没有真的这样去做。很多营销者认为自己处处强调顾客价值，事实却并不是真的完全与其想法对应。究其根本，无论是实施差异化战略，还是营销4P规划体系，大多营销者还是站在企业自身的角度去推动着产品销售与技术创新，进而谋求交易的达成而不是顾客关系的建立。
多数营销者常常会将自己的想法想当然地强加于自身企业的消费者，不顾及消费者真实的认知与体验。即便是一直高举客户关系大旗的CRM，最终也沦为了对那些容易记录和衡量的顾客数据进行分析与挖掘的角色，完全遗忘了客户都是活生生的社会个体这样一个基本的环境现实。顾客无疑是企业最珍贵的资产，认识消费者的真实内心想法仍然是需要继续探索的课题。
关于消费者决策过程及其变化总结如下：
A在消费选项评估阶段，被消费者纳入初步考虑列表的品牌数量会不断随着消费者搜寻和获取更多消费信息以及有针对性地通过销售终端的现场考察比较而进一步增多，却不会缩减。部分对于PC产品进行积极评估的活跃消费者，平均会向数量为1.8的备选列表增加1.1个备选品牌，而汽车的购买者会通常向其最初数量为3.9的备选列表增加大约2.3个其他品牌。
B有2/3的接触环节都将关系到由顾客占据主导的营销互动，如通过社会化媒体实现的社区讨论、社会关系网络内的口头互荐、卖场互动以及个体经验积累的对比，只有1/3的接触环节涉及到由企业来主导推动的营销活动。
C当消费者在做出首次购买决策时，营销人员的工作恰刚刚开始。消费者购买后的持续应用体验决定了消费者关于这一品牌产品的每项后续消费的决策倾向。
而在以上三个重要阶段中，社会化媒体都是消费者获取信息和发布体验的主要平台，并且正在成为更多消费者下意识的行为习惯。
2.4顾客关系管理理念的变革
社会化CRM是指通过社交网站与客户沟通所形成的客户关系管理体系。
《 Twittfaced》的合著者Jacob Morgan，他描述的传统客户关系管理系统(CRM)与社交型客户关系管理系统之间的区别：
社交给客户关系管理带来了新的考虑因素，因为现在，营销者不仅要处理数据和信息，而且还要处理对话和关系。这些不同主体之间的对话和关系不仅只发生在公司与消费者之间，同时也会发生在消费者与消费者之间。
参考文献
主要参考文献：
【1】 戴汝为.智能系统的综合集成【M】浙江科学技术出版社1995:64-72
【2】 傅家骥. 仝允桓等.技术创新学【M】清华大学出版社 1998:274-286
【3】 程慧霞.李龙澍，倪志伟。用C++建造专家系统【M】电子工业出版社1996：145-158
【4】 鲁百年.大客户战略营销【M】电子工业出版社2006:326-348
【5】 齐克芒德（Zikmund Willian G）、迈克利奥德（Mcleod Raymond Jr）、胡左浩. 客户关系管理（营销战略与信息技术的整合）【M】工商管理经典译丛简明系列 中国人民大学出版社2005:89-113
【6】 Rumelhart D E,McClelland J L.Parallel Distributed Processing【J】.Vol.1,2，
USA:MIT Press，1986:276-289
【7】 Rakesh Agrawal.The Quest Data Mining System[J].USA:IBM Almaden Research Center，1996:265-270
【8】 Jiawei Han .A system for Mining Knowledge in Large Relational Databases.
DBMiner Proc.1996 Int.Conf.on Data Mining and Knowledge Discovery（KDD’96）
[J].Portland：Oregon，1996:342-365
【9】 Yoon B ,Lacher R C.Extracting rules by destructive learning.Proc IEEE ICNN’94
New York：IEEE Press 【J】,1994:234-435
【10】 FuL.Rule generationfrom neural networks. IEEE Trans on Systems,Man,Cybernetics
【M】,1994：187-195
【11】 Gallant S I.Connectionist Expert System【M】.Comn ACM,1998
【12】 Towell G，Shavlik J.Extracting Refined rules from knowledge-based neural networks
【M】：78-98
【13】 Maniezzo V.Genetic evolution of the topology and weight distribution of neural
networks. IEEE Trans on Neural Networks 【M】，1994,5（1）：39-53
【14】 Machine Learning 【M】:1993
【15】 Huang S H，Endsley M R.Providing understanding of behavior of feed forward
neural network. IEEE Trans on Systems ，Man，Cybernetics.【M】1997，27（3）：127-131
【16】 William G.Zikmund customer relation management【M】
【17】 Socialnomics Erik Qualman Wiley【M】：245-260
【18】 Tactical Transparency ：How Leaders Can Leverage Social Media to Maximize
Value and Build their Brand Shel Holtz John C.【M】Havens：187-194
【19】 Marketing to the social web【M】 larry weber ：35-67
【20】 Rgramming Microsoft Dynamics CRM 4.0（Pro-Developer）Mike Snyder、Jim