双聚类算法在电信高价值客户细分应用.docVIP

双聚类算法在电信高价值客户细分应用 　　摘 要：针对传统客户价值细分方法在高价值客户细分时不够精细化的问题，引入了大均值子矩阵（LAS）双聚类算法。该方法在客户样本和消费属性两个维度上对消费记录进行双向聚类，可以挖掘出高消费、高价值的客户群体。以某电信公司的高价值客户细分为实例，通过定义一个价值尺度和构建一个PA指标，将所提算法与K均值（Kmeans）算法进行性能比较，实验结果表明，所提算法能挖掘出更多的高价值客户群体，且能够对客户属性进行更加精细的划分，因此它更适合应用于高价值客户市场的识别和细分。 　　关键词：高价值客户；客户细分；差异化营销；双聚类；K均值 　　中图分类号： TP391 　　文献标志码：A 　　4 结语 　　本文主要对高价值客户的识别和细分问题进行研究，针对以往高价值客户细分方法不够智能化、精细化的问题，引入了LAS双聚类算法，该算法允许在客户和消费属性两个维度同时进行聚类，专门用于在客户消费记录中挖掘出平均消费较高的客户群体，特别适用于高价值客户的识别和细分。本文还以一个完整的电信高价值客户细分实例，证实了该分析方法的实用性。同时，针对目前没有直接适用于分析双聚类算法聚类效果指标的问题，本文定义了一个适合于分析双聚类和聚类效果的PA指标，通过PA指标，证明了LAS算法所找到的双聚类的聚类效果优越于应用广泛于客户细分的传统聚类KMeans算法。然而，由于LAS算法在改进搜寻双聚类的过程运用到的是贪心策略，这也必然导致算法找到的双聚类只是局部的最优解而不是全局的最优解的问题。因此，如何选取合适的搜寻全局最优解的优化算法来改进双聚类的搜寻过程，这将是后续进一步深入研究重点。 　　参考文献： 　　[1]ZEITHAML V A， RUST R T， LEMON K N. The customer pyramid： creating and serving profitable customers [J]. California Management Review， 2001，43（4）：118-142. 　　[2]JACKSON B B. Build customer relationships that last [J]. Harvard Business Review， 1985，63（10）：120-128. 　　[3]BERGER P D， NASR N I. Customer lifetime value： marketing models and applications [J]. Journal of Interactive Marketing， 1998，12（1）：17-30. 　　[4]CHEN M. Research of customer retention and lifetime value [D]. Xian： Xian Jiaotong University， 2001.（陈明亮.客户保持与生命周期研究 [D].西安：西安交通大学，2001.） 　　[5]QI J. Research of enterprise customer value [D]. Xian： Xian Jiaotong University， 2002.（齐佳音.企业客户价值研究[D].西安：西安交通大学，2002.） 　　[6]QU Z， ZHENG Y， LYU T. Realizing customer behavious analysis based on clustering [J]. Journal of Northeast Normal University： Natural Science， 2006，38（2）：19-21.（曲昭伟，郑岩，吕廷杰.基于聚类实现客户行为分析[J].东北师大学报：自然科学版，2006，38（2）：19-21.） 　　[7]ZHAO M， NI Z， LIU B. Application research of Kmeans clustering and naive Bayesian algorithm in business intelligence [J]. Computer Technology and Development， 2010，20（4）：179-182.（赵敏， 倪志伟， 刘斌.Kmeans与朴素贝叶斯在商务智能中的应用[J].计算机技术与发展，2010，20（4）：179-182.） 　　[8]ZHENG G， ZHANG B， GUO P， et al. Analysis of clustering algorithm in behavior mode of customers in China teleco