客户价值细分代价敏感支持向量机方法.docVIP

客户价值细分代价敏感支持向量机方法 　　 (哈尔滨工业大学 管理学院， 哈尔滨 150001) 　　?? 　　摘 要：为了解决客户细分中由于客户价值不同和不同价值客户数量的悬殊差异造成对客户错误分类的代价不同和不平衡的数据样本，研究了客户价值细分问题中错误分类代价形成机理，建立基于客户价值的动态代价函数，在此基础上设计了代价敏感的支持向量机分类器。实验结果说明，该方法可以更精确地控制代价敏感性，降低总体的错误分类代价，使模型能更准确地反映分类的代价，有效地识别客户价值。 　　?す丶?词：客户细分； 客户价值； 代价敏感学习； 支持向量机 　　?ぶ型挤掷嗪牛?TP30 文献标志码：A 　　 文章编号：1001?B3695(2009)01?B0192?B03 　　?? 　　Costsensitive method for customer segmentation 　　ZOU Peng, HAO Yuanyuan 　　?? 　　(School of Management, Harbin Institute of Technology, Harbin 150001, China) 　　?? 　　Abstract:To reflect the influence caused by the great difference of misclassification costs and unbalanced quantity distribution of customers who have various values, the paper proposed the costsensitive SVM (support vector machine) classifier by presenting misclassification cost function based on customer value, which was evaluated by the function of the exceptional lost. The data test result proves that the method can control the different types of errors distribution with various cost of misclassification accurately, reduce the total misclassification cost, and distinguish the customer value effectively. 　　??Key words：customer segmentation; customer value; costsensitive learning; support vector machine 　　?お? 　　基于客户价值的细分是根据客户为企业创造价值的能力对客户进行分类，提供针对性的产品、服务和营销模式的过程[1]，能够使企业更合理地分配资源，有效地降低成本，同时获得更有利可图的市场渗透。在数据挖掘领域，基于客户价值的细分是根据客户为企业创造的价值（利润）将客户分类，将客户价值（利润）作为分类标志，是一种有监督的学习方法。比较广泛使用的是关联规则[2,3]、决策树[4]、CHAID算法[5]、神经网络[3]、贝叶斯网络[6]。它们基本上都是采用一种普适性的数据挖掘算法，将总体准确率作为分类性能的评价标准，忽略了客户价值分类问题中错误分类代价和不同价值客户在数量上的悬殊差异，没能体现由于客户价值不同对分类效果带来的影响。为此，本文设计代价敏感支持向量机作为分类工具来解决上述问题。?? 　　1 文献综述?? 　　 在某些分类问题中错误分类的代价是一致的，错误率最小就意味着分类器的性能最佳，因此可以使用基于错分率最小的数据挖掘算法，但在客户价值细分问题中，错误分类具有不同代价。很多研究表明，通常20%的客户创造的利润占据企业利润总额的80%[7]，中小银行甚至有可能是超过90%的利润来自于10%的客户[8]。这说明高价值客户数量远远少于低价值客户，但为企业创造的利润远远高于低价值客户。企业要根据客户价值分类的预测结果对不同价值的客户分配资源，保持和发展客户关系，实现预测的价值。如果将低价值客户预测为高价值客户，至多付出一些成本；如果将高价值客户预测为低价值客户，使企业未能充分挖掘高端客户的潜在价值，不仅会造成大量的收入损失，还可能导致高端客户的流失，而高端客户的流失对企业形象和口碑传播造成的负面影响比普通客户更为严重。所以对企业而言，发生分类错误的代价有很大差异。?? 　　 高价值客户占全部客户