基于K-means聚类算法的百货商场用户价值分析.pdfVIP

山西师范大自然科学版）

第37卷第1期JournalofShanxiNormalUniversityVol.37No.1

2023年3月NaturalScienceEditionMarch2023

文章编号：1009-4490（2023)01-0007-07

基于K-means聚类算法的百货商场用户价值分析

李晓丽，苏钦?，吴博，李赢洲，李庆谦

1.防灾科技学院应急管理学院，河北三河065201;2.山西师范大学数学与计算机科学学院，山西太原030031

摘要：使用真实百货商场用户会员信息数据对传统百货商场的用户进行价值分析，对商场会员用户

结合销售流水表进行识别，分析并建立模型，将传统的RFM模型进行改进，结合人会时长生成更贴合模

型的LRFM模型.运用K-means聚类算法对用户价值进行分类并细分，生成雷达图，使用户价值可视化，

识别出不同价值的会员.该研究能够帮助传统线下商场更好地管理用户，进行价值分析，从而提高会员

服务，具有一定的实用价值.

关键词：机器学习；用户价值分析；LRFM模型；K-means聚类算法

中图分类号：TP311.11文献标识码：A

0引言

客户关系管理是企业在竞争市场下竞争的有力保证，同时也是节约企业资源的有效途径].自2008

年开始，我国电子商务发展迅速，电商平台上的消费者数量不断增加，为传统销售行业带来了激烈的竞争。

在商务部发布的《中国电子商务报告（2020）》中显示：2020年，全国电子商务交易额达37.21万亿元（人

民币），同比增长4.5%.数据表明，近年来的互联网电商占据了市场销售的绝大部分份额[2].传统企业如

果想要争取到机会，就必须从以商品为中心转向以客户为中心，客户成为企业竞争的重要资源.在竞争激

烈的商业环境下，取得商业成功的方法之一就是研究客户，通过客户分类实现精准营销[3].如何通过对数

据进行分析、挖掘出庞大的客户群，建模细分客户，进行准确定位，达到精准营销是企业面对的难题[4].该

研究可以帮助线下零售平台更好地管理有价值的会员用户群体，为传统销售模式能够建立起更完善的管

理机制提供帮助，挖掘客户的价值，与客户建立稳固持久的关系，对中小型零售企业进行高效、精准营销意

义重大.对百货商场的用户进行分析具有一定的应用价值.

数据集介绍与数据处理流程

使用RFM模型对用户行为进行分析是常用的研究方式.文章所采用的资料均为中国某百货商场的真

实销售数据.首先需要对会员数据和销售信息进行预处理，因为数据集中存在空值和其他误差值，我们需

要完整且正确的会员数据作为分析对象，以至于更好地进行用户分析，这一节将要简要的进行介绍一下数

据来源和数据处理方法，

1.1数据集介绍

将要进行数据预处理的数据是由某商场提供的真实数据.该案例选取某商场2019年1月1日到2022

年1月3日的经营数据和会员信息数据作为原始数据集.数据中有些数据存在数据不完整，逻辑有误的问

题，需要使用Python语言进行清洗.

收稿日期：2021-10-12

基金项目：河北省廊坊市科学技术局项目（2022011014）。

作者简介：李晓丽（1980一），女，山西汾阳人，防灾科技学院应急管理学院讲师，主要从事机器方面的研究.

ms_lixiaoli@163.com

·82023

山西师范大自然科学版）年

1.2数据处理与分析流程

数据处理与分析的技术路线图如图1所示，主要分为四个步骤：

第一步：数据预处理.清除“会员信息表”和“销售记录表”中的空值，删除出生日期晚于登记日期的数

据，删除重复数据，规范时间值，删除销售数量为负或为0的数据等.将源数据清理生成新的信息并保存.

第二步：数据可视化.从年龄、消费能力、性别、性别消费占比、月份消费人数和月份消费金额变化等几

个方面进行数据的可视化操作，绘制用户画像.第三步：特征构建.以消费次数F，消费总金额M，最近消费

距今时长R和人会时长L,4个特征