聚類技術在客戶細分中的研究與應用.pdf

1、在瞬息萬變的市場環(huán)境中,企業(yè)越來越強烈地感覺到客戶資源將是企業(yè)獲勝最重要的資源之一,企業(yè)已經(jīng)從以產(chǎn)品為中心的模式向以客戶為中心的模式轉移。隨著企業(yè)的不斷發(fā)展和壯大,企業(yè)積累的客戶也越來越多,但真正能為企業(yè)創(chuàng)造價值的客戶卻是有限的,所以企業(yè)必須對客戶進行細分,針對不同的客戶群制定不同的營銷策略來提高客戶的價值貢獻。數(shù)據(jù)挖掘聚類技術能有效的將具有相同特征的客戶聚為一類,為企業(yè)進行客戶細分提供了技術支持。
　　本論文對數(shù)據(jù)挖掘中的聚類技

2、術以及聚類技術在客戶細分中的應用做了研究與分析,主要研究工作和創(chuàng)新如下:
　　(1)研究了數(shù)據(jù)挖掘的聚類算法。對基于劃分的K-means算法、基于密度的DBSCAN算法及基于網(wǎng)格聚類的網(wǎng)格劃分技術進行了分析,詳細闡述了K-means算法存在的缺陷。K-means算法聚類結果依賴初始聚類中心值,而K-means算法對初始聚類中心的選取是隨機的,所以不能保證聚類結果的精度;K-means算法在聚類中對“噪聲”和孤立點也非常敏感,少量的

3、“噪聲”點就會讓聚類結果產(chǎn)生較大的偏差。
　　(2)提出了一種基于偽并行DBSCAN和網(wǎng)格結合的K-means算法(PPDGK)。該算法使用了DBSCAN算法和網(wǎng)格劃分技術對數(shù)據(jù)集進行初始預聚類,有效的排除了數(shù)據(jù)集中的“噪聲”和孤立點,得到了高質(zhì)量的初始聚類中心,從而有效的提高了聚類精度。由于在預聚類時使用了偽并行技術,使得預聚類時間減少。在得到高質(zhì)量的初始聚類中心后,算法收斂速度加快,使得該算法整體聚類時間減少。仿真實驗表明,P

4、PDGK算法在聚類時間和聚類精度上都要優(yōu)于K-means算法。
　　(3)將PPDGK算法應用到零售業(yè)的客戶細分中。首先論述了客戶細分的方法,然后詳細論述了PPDGK算法的零售業(yè)客戶細分系統(tǒng)的總體設計,最后給出了該系統(tǒng)的實現(xiàn)和性能分析并對PPDGK算法的細分結果進行了詳細的描述。在系統(tǒng)中分別使用了PPDGK、K-means和DBSCAN算法對同一組樣本數(shù)據(jù)進行細分,細分結果表明,基于PPDGK算法能有效排除樣本數(shù)據(jù)集中的“噪聲”點