改進(jìn)的K-means算法及其在客戶關(guān)系管理中的應(yīng)用.pdf

1、在市場(chǎng)競(jìng)爭(zhēng)日趨激烈的今天，客戶關(guān)系管理(CRM)正逐步成為網(wǎng)通等服務(wù)性行業(yè)提升自身核心競(jìng)爭(zhēng)力的有效手段。企業(yè)能否為客戶提供差異化、一對(duì)一的營(yíng)銷服務(wù)關(guān)系到企業(yè)在市場(chǎng)競(jìng)爭(zhēng)中的成敗，而差異化、一對(duì)一的營(yíng)銷服務(wù)的核心是有效的客戶細(xì)分，客戶細(xì)分的關(guān)鍵問題就是找出客戶的特征，通過一些統(tǒng)計(jì)分析方法將客戶隱藏在數(shù)據(jù)中的特征挖掘出來，從而進(jìn)行分類。客戶細(xì)分通常用聚類分析方法來實(shí)現(xiàn)，其中K-means算法是最為常用的數(shù)據(jù)挖掘算法之一。
　　 本文在

2、對(duì)K-means算法的深入分析過程中發(fā)現(xiàn)選擇適當(dāng)?shù)某跏假|(zhì)心是K-means算法執(zhí)行過程的關(guān)鍵步驟，一般的方法是隨機(jī)的選取初始質(zhì)心，會(huì)導(dǎo)致不同的運(yùn)行產(chǎn)生不同的總誤差平方和(Sum of the Squared Error,簡(jiǎn)稱SSE)，進(jìn)而影響到最終結(jié)果的準(zhǔn)確性和穩(wěn)定性。為了克服隨機(jī)選取質(zhì)心的 不足，美國(guó)學(xué)者Pang-Ning Tan提出二分K-means算法，這種算法的基本思想是將所有點(diǎn)的集合分裂成兩個(gè)簇，從這些簇中選取一個(gè)繼續(xù)分裂，如

3、此下去產(chǎn)生K個(gè)簇。本文發(fā)現(xiàn)二分K-means算法雖然不太受初始質(zhì)心的影響，但是這種算法“局部地”使用了K-means算法，因此，最終的簇集并不代表使SSE局部最小的聚類?；谝陨喜蛔悖疚奶岢隽艘环N新的改進(jìn)算法，稱為F-K-means算法，該算法通過對(duì)數(shù)據(jù)集進(jìn)行L次取樣，再對(duì)取樣的數(shù)據(jù)集采用K-means算法進(jìn)行聚類，這樣會(huì)產(chǎn)生L×K個(gè)聚類中心，對(duì)這L×K個(gè)聚類中心采取距離法選出K個(gè)聚類中心。為了驗(yàn)證算法的有效性，作者采集山西網(wǎng)通客戶數(shù)

4、據(jù)樣本及Iris數(shù)據(jù)庫(kù)模擬數(shù)據(jù)，對(duì)聚類結(jié)果進(jìn)行了分析和對(duì)比，實(shí)驗(yàn)結(jié)果表明，該算法不僅克服了初值對(duì)聚類結(jié)果的影響，而且是產(chǎn)生較低SSE的算法,且改進(jìn)的F-K-means算法運(yùn)行效率較高。
　　 本文以山西網(wǎng)通預(yù)訂信息平臺(tái)項(xiàng)目為背景，把改進(jìn)的F-K-means算法應(yīng)用于山西網(wǎng)通客戶關(guān)系管理系統(tǒng)客戶細(xì)分模塊，實(shí)現(xiàn)了對(duì)網(wǎng)通客戶數(shù)據(jù)的有效分類，為企業(yè)提供差異化、一對(duì)一的營(yíng)銷服務(wù)奠定了基礎(chǔ)。在此基礎(chǔ)上，以ASP.NET+SQL Server

5、2005為開發(fā)平臺(tái)、采用基于組件的構(gòu)建模式、按照Microsoft.NET的數(shù)據(jù)層(DAL)、邏輯層(BLL)、表示層(UI)三層架構(gòu)設(shè)計(jì)并實(shí)現(xiàn)了客戶關(guān)系管理系統(tǒng)的其它子系統(tǒng)，包括內(nèi)網(wǎng)坐席管理系統(tǒng)、內(nèi)網(wǎng)預(yù)訂后臺(tái)管理系統(tǒng)、外網(wǎng)在線預(yù)訂管理系統(tǒng)、外網(wǎng)商家管理系統(tǒng)等，完成了山西網(wǎng)通客戶關(guān)系管理系統(tǒng)的全部功能。經(jīng)過半年的試運(yùn)行，2009年1月該系統(tǒng)已經(jīng)正式投入使用，運(yùn)行效果表明：改進(jìn)的F-K-means算法提高了客戶細(xì)分的準(zhǔn)確性和穩(wěn)定性。有效的