基于數(shù)據(jù)挖掘的零售客戶(hù)細(xì)分模型的應(yīng)用研究.pdf

1、隨著信息網(wǎng)絡(luò)的迅猛發(fā)展，零售市場(chǎng)以客戶(hù)為中心的、服務(wù)為目的的戰(zhàn)略顯得至關(guān)重要，掌握客戶(hù)的需求趨勢(shì)，加強(qiáng)與客戶(hù)的關(guān)系，有效發(fā)掘、管理客戶(hù)資源是企業(yè)的致勝關(guān)鍵。因此，客戶(hù)關(guān)系管理成為了零售領(lǐng)域的研究焦點(diǎn)。客戶(hù)細(xì)分是客戶(hù)關(guān)系管理中的首要任務(wù)，只有得到好的細(xì)分模型才能有效地對(duì)客戶(hù)進(jìn)行識(shí)別，進(jìn)而客戶(hù)保持、客戶(hù)吸引才能針對(duì)性地實(shí)施。 許多營(yíng)銷(xiāo)者都相信，行為是構(gòu)建細(xì)分市場(chǎng)的最佳起點(diǎn)，本文選擇了基于客戶(hù)行為的細(xì)分方法。對(duì)于細(xì)分變量的選取，能夠兼

2、顧客戶(hù)價(jià)值和客戶(hù)關(guān)系的質(zhì)量最好，然而現(xiàn)實(shí)中卻很難做到?；谛袨榈募?xì)分中，經(jīng)典的RFM分析、客戶(hù)價(jià)值矩陣分析雖然都是相對(duì)有效的細(xì)分方法，但是都忽略了一個(gè)關(guān)鍵因素，那就是客戶(hù)忠誠(chéng)，忠誠(chéng)客戶(hù)群帶來(lái)的盈利對(duì)企業(yè)也是很重要的。因此，本文在價(jià)值矩陣分析方法的基礎(chǔ)上，選取了平均購(gòu)買(mǎi)額和購(gòu)買(mǎi)頻率兩個(gè)變量之后，增加了一個(gè)用以表征客戶(hù)存在時(shí)間的變量，即客齡，可以在一定程度上體現(xiàn)客戶(hù)的穩(wěn)定性。 本文利用數(shù)據(jù)挖掘技術(shù)，以平均購(gòu)買(mǎi)金額、購(gòu)買(mǎi)頻率和客齡作為

3、細(xì)分變量，構(gòu)建零售業(yè)的客戶(hù)細(xì)分模型?？蛻?hù)聚類(lèi)，K-均值算法是一種常用算法，但是聚類(lèi)數(shù)目要預(yù)先指定，初始聚類(lèi)質(zhì)心是隨機(jī)選取的，聚類(lèi)效果未必令人滿(mǎn)意。自組織神經(jīng)網(wǎng)絡(luò)SOM算法，能夠自適應(yīng)的將樣本數(shù)據(jù)劃分成不同的類(lèi)，不需要預(yù)先設(shè)定聚類(lèi)數(shù)目，但是不能提供分類(lèi)后精確的聚類(lèi)信息。于是，本文提出一種將兩算法結(jié)合的方式，把整個(gè)聚類(lèi)分析分為了兩階段進(jìn)行：第一階段使用SOM神經(jīng)網(wǎng)絡(luò)得到聚類(lèi)數(shù)目與聚類(lèi)質(zhì)心；第二階段用第一階段的輸出作為k-均值算法的輸入。將客