RFM分析-零售业客户分群实现过程.pdfVIP

第24卷第1期 金陵科技学院学报 Vd．24。No．1 2008年3月 Mar．，2008 OFINLINGINSTITUTEOFTECHNOLOGY JOURNALJ 基于RFM分析模式的零售业客户分群实现过程 周 欢 扬州职业大学信息科学与工程学院，江苏扬州225000 摘要：CRM系统近年来得到人们的广泛研究。客户分群作为CRM系统中的一个分支，是进行其他决策工作 的基础之一。简单有效的客户分群方法利用了RFM分析模式，从数据库中提取出这3个影响因子的值，作为分 析的依据，接着采用K．平均值算法，实现了对数据分群的操作，具有一定的实用价值。 关键词：最近值．频度，币值模型；聚类分析；分析型客户关系管理 311 文献标识码：A 中图分类号：TP 文章编号：1672—755X 2008 01—0033—04 TheProcessofClusterCustomersBasedontheRFMModel ZHoUHuan 210008，China YangzhouPolytechnicCollege，Yangzhou ishow CRM isstudied coreoftheCRM Abstract：Nowadays，thesystem bypeoplepopularly．The RFMmodel．Itextractivesthe toclusterourcustomers．Anefficientmethodis the RFM， using K—m既3．n to thecustomers． andthenusesthe cluster algorithm CRM Keywords：RFM；clustering；analytical 随着条形码技术、销售管理系统、POS机等在 业的所有客户进行了分类，并且针对得出的客户分 零售业的应用普及，大量的商品销售数据、库存数 群给出了相应的客户特征分析。 据、客户资料等信息得以容易获取；加之数据库技 1客户分群的实现过程 术，使得这些数据能够被存储，以帮助决策者进行 1．1数据的来源 分析、决策管理，从而促进商品的销售，发现未知的 本论文的数据来源取自CRM应用软件的客 商机，以获得更多的利益。 户交易数据，某年度全年有效客户的家电产品消费 在当前激烈的市场竞争环境下，我国许多零售 历史记录。 企业正在逐步转变自己的经营理念，从过去的“我 数据表包括： 有这种商品，设法让顾客适应、接受”到现在的“我 Customer 用户信息基础表 ：此表主要用于验 想为哪些人提供商品，如何才能吸引他们”，逐步认 证客户的当前状态为正式客户，非注销客户或其他 识到顾客和服务的重要性。因此，分析顾客特性、 非统计类别。 商品分布布局，以及经营趋势预测等就变得非常重 Product 产品信息表 ：包括产品基本信息，有 要。而其中，以做好市场划分工作为基础，首先必 产品货号，名称，价格，品牌。 须将客户划分为多类，针对不同的客户群做出不同 Billing 产品交易表 ：包括产品货号，顾客编 市场营销策略。 号，交易金额，时间。 本文正是基于上述目的，在RFM分析模式的 利用SQL的查询统计功能，综合以上表的内 基础上…，利用聚类数据挖掘技术，对某一家电企 收稿日期：2007一10—11；修回日期：2008—03一04 作者简介：周欢 1981一 ，女，江苏扬州人，硕士研究生，助教，研究方向：计算机数据库技术，商业智能。 万方数据 金陵科技学院学报 第24卷 M Monetary 数据，以此三维向量数据值作为输入 数据进行分类，得到分类结果，作为软件最后进行 为将客户划分，主要用于提高针对当前客户的营销 群集特征分析的基础。 效率。 1．2数据挖掘的流程 最近值：客户最后一次购买行为后的月份数。 该客户分群的数据挖掘流程 图1 ： 在预测下一次客户响应行为时，此值通常是3个变 量中最有效的特征数据。 频度值：购买的次数总和。它可以指某个时间 段内的购买行为也可以包含所有的购买行为。频 度值对客户响应的预测能力仅次于最近值。 币值：货币价值总和。与频度值相似，它可以 指某个时间段内的购买行为也可以包含所有的购 买行为。在3个变量中，币值在预测客户响应中是 最弱的，但把它与另外两个变量组合使用，能增加 另一个维度的理解。 2．2 聚类算法 组并将相似对象归为一类的过程E3]。数据聚类将 物理的或抽象的对象分为几个群体，在每个群体内 部，对象之间具有较高的相似性，而在群体之间相 似性则比较低。 目前常用的聚类方法主要有分裂法、层次法、 基于密度的方法、基于网格的方法、基于模型的方 法。在各种方法里面都有其各自具有代表性的算 法。在本文所做的工作中采用了分裂法当中的K 一平均值