前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >一文教会你使用 Neo4j 快速构建明星关系图谱

一文教会你使用 Neo4j 快速构建明星关系图谱

作者头像
Python进阶者
发布于 2019-06-20 13:04:59
发布于 2019-06-20 13:04:59
1.4K00
代码可运行
举报
运行总次数:0
代码可运行

本文将带你用 neo4j 快速实现一个明星关系图谱,因为拖延的缘故,正好赶上又一年的4月1日,于是将文中的几个例子顺势改成了“哥哥”张国荣。正所谓“巧妇难为无米之炊”,本次爬取娱乐圈_专业的娱乐综合门户网站下属“明星”页的“更多明星”里所有9141条数据。

筛选出个人主页中含“明星关系”的数据,进一步爬取并解析出后续关系图谱所需的数据。以“张国荣-个人主页”为例,其直接相关的明星并不多,可见数据质量不一定多高,仅供练手,故不在此处过多纠缠。

数据到手后,存成 csv,丢到 neo4j 里,就能查询出“张国荣”的关系。

如果想进一步查看“张国荣”扩散出去的关系,也很方便。

因缘际会

有没有觉得很酷炫,很想赶紧学起来。不急,neo4j 部分很简单的,所以先照旧讲讲那些“因缘际会”的事。

细数过往,已经用 Gephi 搞过好几次关系图谱,相对于微博转发图谱和知乎大V关注图谱的中规中矩(见于:Gephi绘制微博转发图谱:以“@老婆孩子在天堂”为例、374名10万+知乎大V(一):相互关注情况),拿自己的日记进行分析就显得别出心裁、令人眼前一亮,算得上自己蛮中意的作品,虽然技术细节非常粗糙(见于:2017,那些出现在日记中的人:简单的文本挖掘)。不过回头看来,这几个的数据格式完全可以无缝应用到 neo4j 里,感兴趣的朋友可以去微博转发图谱一文里领取数据并实现一波。

而说是“新近”其实也是半年前安利的红楼梦人物关系及事件的可视化图谱,才是正儿八经用到 neo4j 的,当初自己也曾兴致高昂地分析了下支撑该项目的json数据,手动写了稍显复杂的函数来提取“私通”相关的人物关系链,现在看来 neo4j 一行代码就能解决。(见于:安利一个惊艳的红楼梦可视化作品左手读红楼梦,右手写BUG,闲快活

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
def word2id(word):
    df = edges_df[edges_df.label== word]
    from_id = df[ from ].values.tolist()
    to_id = df[ to ].values.tolist()
    return from_id, to_id

def id2label(ids):
    tables = []
    for ID in ids:
        tables.append(person_df[person_df[ id ]==ID])
    labels = pd.concat(tables)[ label ].values.tolist()
    return labels

def get_relation(from_id,to_id):
    for from_label, to_label in zip(id2label(from_id), id2label(to_id)):
        print(from_label,  --> {} --> .format(word), to_label)

word = "私通"
from_id,to_id = word2id(word)
get_relation(from_id,to_id)
############################
# 以下为输出结果
贾蔷 --> 私通 --> 龄官
贾珍 --> 私通 --> 秦可卿
贾琏 --> 私通 --> 多姑娘
薛蟠 --> 私通 --> 宝蟾
王熙凤 --> 私通 --> 贾蓉
秦可卿 --> 私通 --> 贾蔷
司棋 --> 私通 --> 潘又安
宝蟾 --> 私通 --> 薛蟠
尤三姐 --> 私通 --> 贾珍
鲍二家的 --> 私通 --> 贾琏
智能儿 --> 私通 --> 秦钟
万儿 --> 私通 --> 茗烟

Neo4j 安装

Neo4j 属于图形数据库,与更广为人知的 MySQL关系型数据库不同,其保存的数据格式为节点和节点之间的关系,构建和查询关系数据非常高效便捷。

安装过程可参考:Neo4j 第一篇:在Windows环境中安装Neo4j和Windows下安装neo4j,原本想跳过这部分,但因为也遇到几个小问题,所以简单讲下。

  • 安装 Java JDK。因为之前安装 Gephi 时就弄过了,所以本次跳过。
  • 从Neo4j官网下载最新社区(Community)版本 ,解压到目录,E: eo4j-file eo4j-community-3.5.3
  • 启动Neo4j程序:组合键Windows+R,输入cmd,打开命令行窗口,切换到主目录cd E: eo4j-file eo4j-community-3.5.3,以管理员身份运行命令:neo4j.bat console后,会报错。
  • 百度解决方案,在“我的电脑”-“属性”-“高级系统设置”-“环境变量”,将主路径放入系统变量中NEO4J_HOME=E: eo4j-file eo4j-community-3.5.3,同时将%NEO4J_HOME%in添加到path中,注意英文分号分隔。
  • 接着还有错误:Import-Module : 未能加载指定的模块“Neo4j-Management.psd1”,于是更改E: eo4j-file eo4j-community-3.5.3in eo4j.ps1文件里的Import-Module "$PSScriptRootNeo4j-Management.psd1"为绝对路径Import-Module "E: eo4j-file eo4j-community-3.5.3inNeo4j-Management.psd1"
  • 保存文件后,重新启用,红色提示消失,运行Neo4j install-service命令,将Neo4j服务安装在系统上。然后运行Neo4j start命令,启动Neo4j。
  • 浏览器中输入 http://localhost:7474 ,便可进入 neo4j 界面,初始登录名和密码均为neo4j,按照提醒修改密码后,便完成了准备工作。

Neo4j 初体验

安装完成后,在以后的岁月里,只需在命令行窗口进入E: eo4j-file eo4j-community-3.5.3in文件夹,运行neo4j start便可启动 neo4j,然后打开网址http://localhost:7474,输入初始登录名和密码均neo4j或修改后的密码即可。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cd /d E:
cd E:
eo4j-file
eo4j-community-3.5.3in
neo4j start

接着便可以用 Cypher 查询语言(CQL,像Oracle数据库具有查询语言SQL,Neo4j具有CQL作为查询语言)创建节点和关系。可阅读w3cschool的教程 快速入门:Neo4j - CQL简介

下面是一些入门的语句,简单了解下,后面实现明星关系图谱就够用了。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 创建具有带属性(name ,age)的 People 节点
create(p:People{name:"Alex", age:20});

create(p:People{name:"Tom", age:22});

# 匹配 People节点,并返回其 name 和 age 属性
match (p:People) return p.name, p.age

# 匹配所有 age 为20的 People 节点
match (p:People{age:20}) RETURN p

# 创建 Alex 和 Tom 之间单向的 Friend 关系
create(:People{name:"Alex", age:20})-[r:Friends]->(:People{name:"Tom", age:22})

# 
match p=()-[r:RELATION]->() return p LIMIT 25

# 匹配所有节点并查看其中25match (n) return n LIMIT 25;

# 简单粗暴删除所有节点及节点相关的关系
match (n) detach delete n

数据爬取

爬虫部分不进行过多讲解,一直翻页直到获取全部9141条明星姓名及个人主页链接即可。完整代码见于:DesertsX/gulius-projects

另外提取了明星图片链接等信息,本次没用到,可以忽略的,但如果能在关系图谱中加入人物图片,效果会更佳,只是还不知道如何实现。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import time
import random
import requests
from lxml import etree
import pandas as pd
from fake_useragent import UserAgent

ylq_all_star_ids = pd.DataFrame(columns = [ num ,  name ,  star_id ,  star_url ,  image ])
total_pages=153
for page in range(1, total_pages+1):
    ua = UserAgent()
    url =  http://www.ylq.com/star/list-all-all-all-all-all-all-all-{}.html
    r = requests.get(url=url.format(page), headers=headers)
    r.encoding = r.apparent_encoding
    dom = etree.HTML(r.text)

    #  http://www.ylq.com/neidi/xingyufei/
    star_urls = dom.xpath( //div[@class="fContent"]/ul/li/a/@href )
    star_ids = [star_url.split( / )[-2] for star_url in star_urls]
    star_names = dom.xpath( //div[@class="fContent"]/ul/li/a/h2/text() )
    star_images = dom.xpath( //div[@class="fContent"]/ul/li/a/img/@src )

    print(page, len(star_urls), len(star_ids), len(star_images), len(star_names))

    for i in range(len(star_ids)):
        ylq_all_star_ids = ylq_all_star_ids.append({ num :int((page-1)*60+i+1),  name : star_names[i],
                                                     star_id :star_ids[i],  star_url : star_urls[i],
                                                     image :star_images[i]},ignore_index=True)
    # if page%5 == 0:
    #    time.sleep(random.randint(0,2))
print("爬虫结束!")

验收下数据,没问题。

由于并不是多有明星的个人主页都含有“明星关系”的数据,所有筛选出含关系数据的1263条链接。注意这部分比较耗时,可自行优化加速,后续有空再改进。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
star_has_relations = []
for num, url in enumerate(star_urls):
    ua = UserAgent()
    headers ={"User-Agent": ua.random,
               Host :  www.ylq.com }
    try:
        r = requests.get(url=url, headers =headers, timeout=5)
        r.encoding = r.apparent_encoding

        if  starRelation  in r.text:
            star_has_relations.append(url)
            print(num, "Bingo!", end=   )
        if num%100==0:
            print(num, end=   )
    except:
        print(num, star_has_relations)
#     if (num+index)%50==0:
#         time.sleep(random.randint(0,2))

接着有针对性的爬取这部分关系数据即可,当然爬虫部分可根据自己喜好,合并一些步骤,比如筛选含关系链接与爬取关系数据这个一步到位也可以。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
datas = []
ylq_all_star_relations = pd.DataFrame(columns = [ num ,  subject ,  relation ,  object ,
                                                  subject_url ,  object_url ,  obeject_image ])
for num, subject_url in enumerate(star_has_relations):
    ua = UserAgent()
    headers ={"User-Agent": ua.random,
               Host :  www.ylq.com }
    try:
        r = requests.get(url=subject_url, headers =headers, timeout=5)
        r.encoding = r.apparent_encoding
        dom = etree.HTML(r.text)
        subject = dom.xpath( //div/div/div/h1/text() )[0]
        relations = dom.xpath( //div[@class="hd starRelation"]/ul/li/a/span/em/text() )
        objects = dom.xpath( //div[@class="hd starRelation"]/ul/li/a/p/text() )
        object_urls = dom.xpath( //div[@class="hd starRelation"]/ul/li/a/@href )
        object_images = dom.xpath( //div[@class="hd starRelation"]/ul/li/a/img/@src )
        for i in range(len(relations)):
            relation_data = { num : int(num+1),  subject : subject,  relation : relations[i],
                              object : objects[i],  subject_url :subject_url,
                              object_url : object_urls[i],  obeject_image :object_images[i]}
            datas.append(relation_data)
            ylq_all_star_relations = ylq_all_star_relations.append(relation_data,
                                                                   ignore_index=True)
        print(num, subject, end=   )
    except:
        print(num, datas)
#     if num%20 == 0:
#         time.sleep(random.randint(0,2))
#         print(num,  sleep a moment )

获取的明星关系数据格式如下,后面还考虑到情况,但貌似都可以删减掉,所以在此就不赘述了,完整代码见于:DesertsX/gulius-projects

构建明星关系图谱

如果你对爬虫不感兴趣,只是想知道如何导入现有的csv数据,然后用neo4j构建关系图谱,那么直接从这里开始实践即可,毕竟这次的数据也是无偿提供的。

手动去掉一些无用的列数据后,将ylq_star_nodes.csvylq_star_relations.csv两个csv文件,放到E: eo4j-file eo4j-community-3.5.3import目录下,然后分别执行下面两个命令,就完成了关系图谱的创建!是的,一秒完成,当然数据量大的话,可能会等上一小会。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
LOAD CSV  WITH HEADERS FROM  file:///ylq_star_nodes.csv  AS data CREATE (:star{starname:data.name, starid:data.id});

LOAD CSV  WITH HEADERS FROM "file:///ylq_star_relations.csv" AS relations
MATCH (entity1:star{starname:relations.subject}) , (entity2:star{starname:relations.object})
CREATE (entity1)-[:rel{relation: relations.relation}]->(entity2)

之后就可以分别查询各种信息了。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 查某人全部关系
return (:star{starname:"张国荣"})-->();
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 查某人朋友的朋友(5层关系)
match p=(n:star{starname:"张国荣"})-[*..5]->() return p limit 50;
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 查询特定关系
match p=()-[:rel{relation:"旧爱"}]->() return p LIMIT 25;
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 使用函数,查询张国荣与张卫健的最短路径
match p=shortestpath((:star{starname:"张国荣"})-[*..5]->(:star{starname:"张卫健"})) return p;

更多有趣的命令可自行学习和尝试,其他好玩的数据集也可按个人兴趣去耍耍。

------------------- End -------------------

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-06-19,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Python爬虫与数据挖掘 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
十大开源ERP点评 献给走进深水区的中小企业和CIO们
如今,企业资源规划(ERP)和客户关系管理(CRM)系统的必要性已经被各种组织和企业所认可:ERP和CRM能够直接为企业的业务效率和利润做出贡献。 但是随着今天企业商业形态的日趋多样化,互联网新经济的蓬勃发展,不同行业的企业都面临颠覆性技术和市场转型的挑战,这导致企业对ERP系统的需求日趋多样化,而传统ERP系统往往无法满足企业的个性化需求。为了追求更高的业务灵活性、可扩展性和独特的信息技术竞争力,同时又不被传统ERP产品“锁定”,企业往往会将目光投向开源ERP软件,基于开源代码定制满足自身需求的ERP
人称T客
2018/03/20
3.3K0
十大开源ERP点评 献给走进深水区的中小企业和CIO们
中国的企业管理SaaS仍需发展空间
来源:陈果George ---- 近年来,由于美国企业管理SaaS的头部企业,例如人力资源管理的Workday,客户关系管理的Salesforce,服务流程管理的ServiceNow等的资本市场价值飞涨的示范效应,传统企业管理软件企业,例如SAP、Oracle、Infor等义无反顾地向SaaS转型,中国也掀起了一股SaaS软件热,投资人津津乐道于“企业服务”,干HR SaaS的说自己要做中国的Workday,干CRM SaaS的说自己要做中国的Salesforce…… 但是,理想很丰满,现实却很骨感;
腾讯SaaS加速器
2020/06/09
7940
SaaS企业客户成功管理框架
本文作者 吴昊:腾讯SaaS加速器导师、SaaS战略及营销顾问,具有20年企业信息化和6年SaaS营销团队创新经验。 (SaaS 创业路线图) 关于“什么是客户成功”的文章已经很多,而如何管理“客户成功部”的文章则很少见到。 我最近与几个知名的通用 SaaS 及行业 SaaS 公司负责客户成功的同学交流了不少与客户成功部门管理相关的内容,包括 CSM 的职责、KPI、CSM 人才画像、招聘途径、工作方法等,下面就逐一谈谈。 (CSM 本身的英文词有两个组合: * Customer Success
腾讯SaaS加速器
2020/06/09
1.9K0
CRM客户管理系统实施前需要考虑的要素有哪些?
实施CRM客户管理系统不一定是企业自上而下的安排,也可以是员工自下而上提出的建议,在实施CRM之前,企业需要对自己的经营环境和企业资源进行分析,通过CRM客户管理系统使得企业所有个体都知道企业的努力方向、自己角色和贡献,共通为CRM客户管理而努力。通常,在实施CRM之前,您需要围绕以下几个方面来进行分析。
All in
2020/05/12
7140
CRM客户管理系统实施前需要考虑的要素有哪些?
企业信息化建设,花小钱导入开源ERP不香吗?
笔者前段时间有关注某北方邻国的一个客户的SAP ERP实施项目。该客户实施SAP之前,有使用Odoo ERP系统。后来笔者惊奇的发现,Odoo ERP系统其实是一个开源的ERP系统。这使得笔者开始关注起开源ERP系统了。
SAP虾客
2022/09/18
1.1K0
ASP.NET项目[做一个java开源项目]
最近一些项目开始用到CMS系统,最开始是研究JAVA的,无奈国内JAVA的CMS开源系统还是比较少,最多最成熟的还是PHP的,当然现在.NET的也不少了,这里做一下汇总备忘,留待学习研究。
Java架构师必看
2022/03/30
3.6K0
国产CRM替换起风了
核心的IT系统要不要国产化?回到一两年前,业界还没形成共识,很多人对此还有犹豫。但随着这两年中美贸易战与科技战的演进,尤其俄乌战争的爆发,这种状况有了彻底改变:数智化的核心系统要实现国产化已成为各行各业的基本共识。国产化替代在未来5~10年内是政府部门与央国企信息化、数智化建设的一项重点工作。 在全球范围内,数字经济正在拉开序幕。一方面,与工业时代不同,数字化时代的特征是“为客户价值而管理”,其核心是利用数字化技术升级产业价值链,以此达到提升客户体验、为客户创造更多价值。另一方面,随着我国经济从高增速发展
人称T客
2022/06/01
3340
国产CRM替换起风了
观麦云客CRM助力食配企业价值链全面数字化 | 腾讯SaaS加速器·学员动态
来源 | 腾讯SaaS加速器首期项目-观麦科技 ---- 产业互联网大潮下,中国企业数字化转型不断深化,于实践中不断探索适合自身发展的新模式、新“武器”,是企业为实现未来全方位持续增长必然要思考的话题。近年由于受到经济大环境的影响,经济发展步伐放缓,这对食配企业无疑是个极大的考验,公司在这种大背景下更需要加倍努力地展开销售工作。作为生鲜供应链SaaS服务领跑者,观麦为满足食配企业不断精进的业务经营管理发展,又为食配企业研发一大销售管理利器——观麦云客CRM。 观麦云客CRM是什么? 在CRM市
腾讯SaaS加速器
2020/06/09
5560
开源.NET企业级应用系统 OpenVista
  看到倡议研究mono,我一直也在关注、跟踪Mono的发展,就是在项目中没有使用过。以前我介绍过一个iFolder Novell开源文件服务器.下面就来介绍一个Mono的一个应用OpenVista。http://www.cnblogs.com/shanyou/category/43483.html 这里有许多Mono的相关资料。     Medsphere公司的“OpenVista”电子病历系统,在 SourceForge.net 上的 OpenVistA,是目前全球 1500 个医疗院所采用的 Vi
张善友
2018/01/30
6850
开源应用中心 | 无需开发,如何快速搭建一款轻量级CRM系统?
1. 背景 EspoCRM(espocrm.com)是一个开源免费的轻量级客户关系管理(CRM)系统,采用响应式设计,界面非常美观大方,能够自动适应PC、平板和手机访问。功能非常全面,包括销售自动化、市场、销售过程、文档、产品、合同、知识库和工作流等功能。如果你对 CRM 系统有需求,EspoCRM 不失为一个不错的选择。 客户关系管理 EspoCRM 一旦开始使用,你可以直接感受到它的好处: 开源免费 简单易用 多端支持 功能全面 接下来,我们来看看如何快速部署和使用起来。 2. 一键启用快速
腾讯云DNSPod团队
2021/07/16
1.3K0
企业自己如何快速开发一个简单实用的CRM客户管理系统?
如果你对CRM足够了解,你就知道CRM软件在市场上有开源的版本,开源版的有基本架构,企业可以根据其架构自行搭建开发CRM软件,不过一般只有个别特大型企业和敏感性单位会自行开发。
informat低代码
2022/07/08
8770
企业自己如何快速开发一个简单实用的CRM客户管理系统?
20+最好的开源自动化测试工具
这些开源工具在自动化测试和手动测试、功能、回归、负载、性能、压力和单元测试、web、移动和桌面测试等领域提供相关的能力支持。
苦叶子
2019/05/30
9.3K0
企业SaaS赛道,CRM剩者为王?
来源:ToB行业头条  作者: 王多艺 ---- 今年的CRM(客户关系管理)市场很有意思。 首先从外部大环境来看。受资本市场整体紧缩影响,今年CRM领域融资数量较前几年相比锐减。 根据创投数据库机构IT桔子的统计,到目前为止,整体销售营销领域全年仅有44笔融资,总金额约63亿元。 但如果我们仅从融资情况就断言CRM遇冷,也许并不能得出正确的结论。恰恰相反,几乎所有CRM从业者都感觉,今年的行业反而要比以往更热闹。因为大公司的动作更频繁了。 7月2日,腾讯联手沣源资本、赛富基金投资EC六度人和,占
腾讯SaaS加速器
2020/06/09
7320
你真的知道SaaS CRM如何选型吗?
1 云CRM评估 “ 19世纪80年代,第一个PC端客户关系管理工具诞生,其本质是计算机化的名片夹配合调度系统。时至今日一些CRM仍然是这样。 在19世纪90年代有一家叫Swiftpage的公司推出了客户联系人管理系统ACT,他的功能是收集联系人信息到一个总控制台上。相当于数据库式的客户信息收集和管理。 目前有很多CRM也基于ACT来设计产品,对于一个企业而言,CRM不仅要解决客户信息的收集和管理,更进一步的去解决如何利用CRM进行销售自动化的问题。ACT类型CRM但是又不管理与客户的交流过程,比一个Exc
人称T客
2018/03/22
1.8K0
报告:2018年中国企业级应用SaaS市场份额位居亚太首位,CRM、HCM占比最高
IDC(国际数据公司)最新发布的《中国公有云市场2018年下半年跟踪报告》中显示,2018年全年中国本土企业级应用SaaS市场规模达到19亿美金,同比增长32%,是中国传统应用软件市场(On-premise)增速的8倍。纵观亚太市场(不包含日本市场),中国企业级应用SaaS市场份额位居第一,是美国企业级应用SaaS市场增速的近2倍。目前中国企业级应用SaaS市场依旧处于初级发展阶段,随着基础设施即服务 (IaaS)、人工智能(AI)市场的快速发展以及即将到来的5G网络,中国企业级应用SaaS市场未来会
腾讯SaaS加速器
2020/06/09
1.4K0
企业数字化转型中的AI规划建设全攻略
在当今数字化浪潮汹涌澎湃的时代,人工智能(AI)已然成为企业实现数字化转型、迈向卓越发展的核心驱动力与关键价值导向。随着大数据、云计算、物联网等前沿技术的蓬勃发展,AI 技术正以前所未有的速度深度融入企业运营的各个环节,重塑业务流程,提升运营效率,激发创新活力,进而为企业构筑起坚不可摧的竞争壁垒。
数字悠客
2025/01/09
5550
易观分析:2019年中国SaaS CRM市场实力矩阵分析
来源:易观分析 (ID:yiguanguoji) ---- 根据Analysys易观近期发布的《2019年中国SaaS CRM市场实力矩阵分析报告》,Analysys易观对2018年至2020年主要SaaS CRM厂商在实力矩阵中所处的位置以及执行、运营能力和创新能力的变化情况作如下解读。 1、厂商现有资源 Analysys易观分析认为,中国SaaS CRM市场竞争激烈,市场呈现出新老厂商同台竞争的局面,云计算、大数据、人工智能、移动管理和移动社交等新技术及应用场景推动了SaaS CRM市场的
腾讯SaaS加速器
2020/06/09
1.7K0
C#开源资源大汇总
一、AOP框架 Encase 是C#编写开发的为.NET平台提供的AOP框架。Encase 独特的提供了把方面(aspects)部署到运行时代码,而其它AOP框架依赖配置文件的方式。这种部署方面(aspects)的方法帮助缺少经验的开发人员提高开发效率。
全栈程序员站长
2022/07/04
2.3K0
腾讯汤道生:营销服一体化CRM,将成为企业未来“提质增效”的必备应用
我想就未来CRM的发展趋势,跟大家分享三点我个人的理解和思考: 面临发展窗口期的国内CRM厂商需要进一步利用云计算、大数据、人工智能等前沿技术,实现客户的精细化运营。 首先,CRM产品体系从过去单点销售管理,转变为营销、服务、交易的客户全旅程覆盖。 其次,CRM从流程管理驱动提效,转变为以“数智化”技术驱动客户体验升级。 最后,CRM服务理念将从以销售为中心回归以用户为中心。 汤道生 ——腾讯高级执行副总裁 云与智慧产业事业群CEO 在腾讯企点【营销服CRM产品系列】发布会上,腾讯高级执行副总裁、云与智慧产
腾讯企点
2022/12/01
7290
腾讯汤道生:营销服一体化CRM,将成为企业未来“提质增效”的必备应用
小企业与大企业应用SaaS的不同难点
来源 :ToB老人家 作者:王戴明 ---- 中国的管理软件行业一直是一个苦难的行业。 在传统软件时代,SAP、Oracle等国外软件几乎垄断了各个行业的领先企业,国内软件几次冲上高端市场的努力均以失败告终。 到了SaaS时代,虽然SAP、Oracle们失去了往日的光芒,但是中国SaaS公司并没有跑出真正的标杆企业。虽然国内有些SaaS公司分别是各自细分领域的领先者,但是持续扩大的亏损却让人看不到盈利希望。 数据来源:某国内SaaS公司财报 随着精细化运营越来越受到企业重视,SaaS市场无疑是
腾讯SaaS加速器
2020/06/15
1.4K0
推荐阅读
相关推荐
十大开源ERP点评 献给走进深水区的中小企业和CIO们
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验