基于聚類技術的客戶細分研究與應用.pdf

1、近年來，隨著手機終端價格和移動通信業(yè)務資費的大幅降低，我國移動通信客戶數(shù)持續(xù)高速增長，至2006年底，移動電話客戶規(guī)模達到4.6億；與此同時，隨著通信技術的日新月異，客戶對移動通信產(chǎn)品的消費需求也愈趨復雜多樣。顯然，面對規(guī)模龐大的移動通信客戶群體以及巨大的消費需求差別，傳統(tǒng)基于人口統(tǒng)計數(shù)據(jù)的客戶細分方法已經(jīng)難以深入了解客戶需求和有效識別高價值的客戶。而基于聚類技術的客戶細分是通過對蘊含客戶消費行為模式的運營數(shù)據(jù)進行多維分析，可以深入刻畫

2、客戶消費特征、清晰顯示客戶消費的差別。該細分方法已經(jīng)引起市場研究人員的廣為認同。 在大量有關基于聚類技術的客戶細分的論文中，K均值算法由于原理簡單，具有可伸縮性，應用最為普遍。然而，傳統(tǒng)K均值算法存在一些缺陷，主要是需人為指定聚類個數(shù)、距離度量測度單一和聚類結果易受初始質(zhì)心的影響等缺陷。這些缺陷嚴重影響了算法的實際使用效果。基于此，本文首先對K均值聚類算法進行了研究。以K均值算法的三個缺陷為切入點嘗試做相應的改進，具體包括嘗試利

3、用Ward氏層次聚類算法確定簇個數(shù)的方法以及基于四分位相對離差系數(shù)的加權方法提高聚類質(zhì)量；在前人研究初始質(zhì)心思路的基礎上設計實現(xiàn)了二分K均值降低聚類結果易受初始質(zhì)心的影響，并通過實驗數(shù)據(jù)驗證改進效果；在改進方法的基礎上提出了一套完整的聚類分析方法流程BKWW(BisectingKMeansbased0nWeightandWard's)。然后，本文以移動通信行業(yè)為背景，收集了江西某地移動公司的客戶資料和消費數(shù)據(jù)，應用BKWW聚類方法分別對