SOM人工神经网络在客户分类中的应用.pdfVIP

2008年gll期 中图分类号：TP391．41 文献标识码：A 文章编号：1009—2552(2o08)11—0085—03 SOM人工神经网络在客户分类中的应用 曹志胜，林和平，李迎斌 (东北师范大学计算机学院，长春 130117) 摘 要：利用改进后的SOM (Self-OrganizingFeatureMap)网络与RFM (R：近度；F：频度 ；M： 值度)客户分类指标相结合得到了不同的客户簇 ，然后根据客户簇来确定各类客户对于企业的 重要程度 ，使企业根据客户的重要程度将正确的产品、服务、资源分配给不同的客户，从而为 企业获得更多的利润。 关键词：客户分类；自组织特征映射；神经网络 ApplicationOfself．0rganizingfeaturemap neuralnetworkincustomerclassification CAOZhi-sheng，UN He—ping，LIYing-bin (ComputerSchool，NortheastNormalUniversity，Changchun130117，China) Abstract：UsingtheimprovedSOM (Self-OrganizingFeatureMap)networknadRFM (R：Recency；F： Frequency；M：Monentary)Cna getdifferentcustomerclusterswiht thecustomerclassification，andhten accordingtohtecustomerclustersot determinehteimportanceofkindsofcustomers forhteenterprisesCna allocatehterightproduct，hteservice，hteresourcetohtedifferentcustomersbasingonhteimportanceofhte customers，SOas togainmorepmfi~． Keywords：customerclassification；sefl-orgna izingfeature map；neuralnehVorks 0 引言 率、忠诚度和信用度的组合来划分客户较为常见，但 客户关系管理(CustomerRelationshipManagement， 是客户的忠诚度又可以通过多种方法衡量，并且还 cRM)对于企业掌握客户的需求是非常重要的，它能 带有主观性。常用的方法就是基于客户的消费行为 够帮助企业了解客户的需求内容和需求趋势，加强 进行分析，常用的指标是：RFM指标…。 与客户的合作关系，有效地挖掘和管理客户资源，从 近度(Recency)：衡量从最近一次购买商品或服 而为企业获得更大的市场竞争优势。客户分类是 务到当前的时间状况。 值越小表示客户最后一 CRM的重要内容之一，它是企业了解客户的一个重 次交易时间距离当前越近，否则反之。 要途径。 频度(Frequency)：衡量在一段给定的时间内客 本文的主要工作是对 SOM网络的训练过程进 户与企业的交易次数，用以标识客户与企业的接触 行改进，将改进后的SOM网络与 RFM分类指标相 频度。 值越大，表示客户与企业接触越频繁，否 结合，对客户数据进行了分类 ，得到了不同的客户 则反之。 簇，并分析了每簇对于企业的贡献价值，从而帮助企 值度(Monentary)：衡量客户与企业的交易金额 业更有效地了解客户的消费行为，为企业的决策提 或交易价值。 值越大表示客户与企业的累积