自组织映射聚类算法在电信客户细分中的应用.pdfVIP

计 算 机 系 统 应 用 2010年 第 19卷 第 8期 自组织映射聚类算法在电信客户细分中的应用① 吴春旭 鲍满园 苟清龙 中国科学技术大学 管理学院 安徽 合肥 230026 摘 要： 将 自组织映射SOM SelfOrganizationMap 聚类算法应用于电信客户细分，并与采用K-means 聚类算法得到的结果进行比较。实验表明，SOM可以有效的进行电信客户细分且聚类效果较优，但需 付出训练时间的代价。同时对两种算法的复杂度、误差等进行 了分析。 关键词： 自组织映射 ；神经网络；电信；聚类；客户细分 ApplicationofSelfOrganizationM aptoClassificationoftheTelecommunicationCompany ’ WUChun-Xu，BAOMan—Yuna，GOUQing-Long DepartmentofManagementScience，UniversityofScienceandTechnologyofChina，Hefei230026，China Abstract： ThispaperappliestheSOM neuralnetwork to thecustomersegmentationsofthetelecommunication compnay,andcompareshteresultsoftheK-menasclusteringalgorithm nadtheSOM ．Theexperiment indicateshtattheSOM iseffectivetoclassificateandtheclustereffectisbetterwhen廿ledataassembleis lrage，butittakeshtetrainingtime．Atthesametime，itna alyseshtealgorithm complexityna dtheelTOlSof thewtoalgorithms． Keywords：SOM ；neuralnewtork；telecommunication；clustering；customerclassification 1 引言 RFM模型…是一种有效的客户细分模型。林盛等 随着市场经济的发展，企业为了占有更多的市场份 学者2【l将RFM模型应用电信客户的细分，取得了一 额，越来越重视客户的细分。客户细分是根据消费者购 定的成果，本文利用这一模型，采用自组织映射 SOM： 买行为的差异性，把消费群体划分为相似性购买群体的 SelfOrganizationMap 聚类算法，对电信客户进行 过程。客户细分可以帮助企业找到一些高价值模式，没 细分，得出具有不同客户价值 2【】的客户群，并将结果 有客户细分，则企业将被很多的低价值模式所困扰1【】。 与采用K均值算法得到的结果进行比较，为了直观反 对于电信企业来说，不同的客户群体具有不同的内 映聚类的效果，采用了三维原数据的聚类。 在价值，根据客户的消费数据，把客户分为不同的类或 簇，从而发现同一类或同一簇的客户群的消费特点，并 2 电信业RFM模型和SOM 算法 2．1用于电信客户细分的RFM模型 据此制定差别化服务政策。客户细分的实现方法也有多 RFM模型是企业客户分类的主要方法之一，它使 种，常见的有蚁群算法，K均值算法等。分类方法通常- 用的三个指标是近度 R Recency 、频度 F Freq- 有基于分区和基于模型的分类方法。K均值算法就是一 uency 、值度 M Monentaryo通常不能直接将 RFM 种典型的基于分区的聚类算法，而 SOM 自组织映射神 模型运用于电信行业的客户细分 ，而是从客户交费角 经网络 是一种基于模型的分类算法。 度来建立电信业客户细分的RFM模型 其模型指标与 ① 基金项目：安徽省自然科学基金 0座机电话号码 ；高等学校优秀人才基金 2009SQRSO01ZD 收稿时间：2009—11—25：收到修改稿时间：2009—12—3O 168应用技术 AppliedTechnique 2010年 第 19卷 第 8期 计 算 机 系 统 应 用 传统的 RFM 指标含义比较如表 1所示。 2【】 周 围以d为半径的区域 。 表 1一般的RFM模型与电信业 RFM模型的含义比较 ^l· exp _Iq-i*l2 ～ 1 模型 R F M 一 般的 客户最近一次 客户一定时期 客户一定时期 或 e p【 一 2 旦圮 L， ‘J RFM 购买距离分析 内购买该企业 内购买该企业 o- n a0exp 一 ，n 0，1，2，… 模型 点的时间 产品的次数 产品的总金额 电信业