聚类分析算法与关联规则在客户细分中一种研究与实现.pdfVIP

聚类分析算法和关联规则在客户细分中 的一种研究与实现 谢燕 北京邮电大学电信工程学院，北京 (100876) E-mail：xieyan19835@163.com 摘 要：本论文具体介绍了一种聚类分析的算法，并把他它运用于商场客户分析中。具体包 括选取样本数据，进行数据的变量结构调整，计算相异度，根据聚类分析算法规则进行聚类 分析。 关键字：聚类分析 客户细分 数据挖掘 中图分类号：TP301.6 1 引言 客户细分成为各行各业的迫切需要。随着企业经营环境越来越复杂，市场的竞争越来越 激烈，客户关系管理已经成为企业制胜的法宝。目前各行各业都在不同程度上实现客户细分。 但是目前客户细分的变化：方法众多，但优劣不齐。对于多因素、多指标的分类，大多靠经 验和专业知识作出定性的分类，往往带有主观性和随意性，产品销售不尽人意。 本文采用的是全面收集客户信息、运用关联规则挖掘客户内在的关键指标（有商业价值 的、反映客户与客户之间区别性或相似性的特征），再用聚类分析算法对客户进行分类。运 用数据挖掘的方法（聚类分析方法）按客户内在特性（有商业价值的、反映客户与客户之间 区别性或相似性的特征）对客户进行分类，去研究客户的相互间关系，而不是按着既定规则 去进行客户细分，从而帮助市场分析人员从客户基本库中发现不同的客户群（类），并且用 购买模式来刻画不同客户群的特征，找出每一类中大部分客户购买过的商品，向该类中的其 他客户推销该商品。 2 聚类分析算法在客户细分中具体运用 2.1 收集原始数据，选择相关指标体系 由于反映客户购买商品的变量（影响因素）较多，并且各变量之间往往存在一定的相关 性，使得各变量所反映的信息在一定程度上有所重叠，这就要对多变量结构进行简化。表 1 为某一商场客户数据库中随机抽取的简化后的 10 名客户的相关记录。其中描述客户属性只 取了八个变量，即年龄（由客户生日得到）、婚姻状态、年收入、性别、在家子女数、教育 -1- 程度、成员卡类型、是否房主。 表1 客户数据样本 客户 年龄 婚 月收入 性 子女 教育程度 卡的种类 是否有 id 否 别 数 房 1 41 S 10-30 M 0 中学 Normal N 2 37 M 30-50 F 1 高中 Bronze Y 3 34 M 50-70 F 2 本科 Bronze Y 4 56 S 50-70 M 0 本科 Normal N 5 57 S 130-150 M 0 硕士 Bronze Y 6 28 M 30-50 M 3 本科 Golden N 7 82 S 30-50 M 0 高中 Bronze N 8 48 M 70-90 M