基于数据挖掘的零售客户细分模型的应用研究-计算机应用技术专业论文.docxVIP

基于数据挖掘的零售客户细分模型的应用研究 基于数据挖掘的零售客户细分模型的 应用研究 计算机应用技术专业 研究生：李娜 指导教师：刘芳 摘要： 随着信息网络的迅猛发展，零售市场以客户为中心的、服务为目的的战略 显得至关重要，掌握客户的需求趋势，加强与客户的关系，有效发掘、管理客 户资源是企业的致胜关键。因此，客户关系管理成为了零售领域的研究焦点。 客户细分是客户关系管理中的首要任务，只有得到好的细分模型才能有效地对 客户进行识别，进而客户保持、客户吸引才能针对性地实施。 许多营销者都相信，行为是构建细分市场的最佳起点，本文选择了基于客 户行为的细分方法。对于细分变量的选取，能够兼顾客户价值和客户关系的质 量最好，然而现实中却很难做到。基于行为的细分中，经典的RFM分析、客 户价值矩阵分析虽然都是相对有效的细分方法，但是都忽略了一个关键因素， 那就是客户忠诚，忠诚客户群带来的盈利对企业也是很重要的。因此，本文在 价值矩阵分析方法的基础上，选取了平均购买额和购买频率两个变量之后，增 加了一个用以表征客户存在时间的变量，即客龄，可以在一定程度上体现客户 的稳定性。 本文利用数据挖掘技术，以平均购买金额、购买频率和客龄作为细分变量， 构建零售业的客户细分模型。客户聚类，K一均值算法是一种常用算法，但是 聚类数目要预先指定，初始聚类质心是随机选取的，聚类效果未必令人满意。 自组织神经网络SOM算法，能够自适应的将样本数据划分成不同的类，不需 要预先设定聚类数目，但是不能提供分类后精确的聚类信息。于是，本文提出 一种将两算法结合的方式，把整个聚类分析分为了两阶段进行：第一阶段使用 一种将两算法结合的方式，把整个聚类分析分为了两阶段进行：第一阶段使用 SOM神经网络得到聚类数目与聚类质心；第二阶段用第一阶段的输出作为k． 均值算法的输入。 将客户分为不同类别后，对每一类客户的特征进行提取，有助于提高营销 活动的针对性和有效性，有助于客户关系管理的良好实施，本文应用数据挖掘 中的决策树来提取客户特征。最后，进行购买参照分析，分析每一类客户的特 征与购买商品之间的关联。客户特征提取和购买参照即是对所建客户细分模型 的应用。 关键词： 零售、聚类、客户细分、特征提取、购买参照 Ⅱ Research Research on Application of Customer Segmentation Model in Retailing Based on Data Mining Major：Computer Applications Technology Tutor：Professor Liu Fang Author：Li Na Abstract： Along with the rapid development of information network，the strategy centering on customer and aiming on service in retailing are becoming important．It is the key that successfully mastering the trend of customers’requirement， strengthening the connection with them，efficiently digging and managing their information．Thus，the customer relation management becomes the focus in the research of retail domain．The customer subdivision is the chief task of the customer relation management．Only the good subdivision model is build，then the customers can be effectively identified，and the customer keeping and the customer attracting can be put into practice． A lot of sellers believe that behavior is the best jumping—off point in building a customer subdivision model，the paper chooses the method which basing on customer behavior to build a subdivision model．For se