基于數(shù)據(jù)挖掘的零售客戶細(xì)分模型的應(yīng)用研究.pdf

1、隨著信息網(wǎng)絡(luò)的迅猛發(fā)展，零售市場以客戶為中心的、服務(wù)為目的的戰(zhàn)略顯得至關(guān)重要，掌握客戶的需求趨勢，加強(qiáng)與客戶的關(guān)系，有效發(fā)掘、管理客戶資源是企業(yè)的致勝關(guān)鍵。因此，客戶關(guān)系管理成為了零售領(lǐng)域的研究焦點。客戶細(xì)分是客戶關(guān)系管理中的首要任務(wù)，只有得到好的細(xì)分模型才能有效地對客戶進(jìn)行識別，進(jìn)而客戶保持、客戶吸引才能針對性地實施。 許多營銷者都相信，行為是構(gòu)建細(xì)分市場的最佳起點，本文選擇了基于客戶行為的細(xì)分方法。對于細(xì)分變量的選取，能夠兼

2、顧客戶價值和客戶關(guān)系的質(zhì)量最好，然而現(xiàn)實中卻很難做到。基于行為的細(xì)分中，經(jīng)典的RFM分析、客戶價值矩陣分析雖然都是相對有效的細(xì)分方法，但是都忽略了一個關(guān)鍵因素，那就是客戶忠誠，忠誠客戶群帶來的盈利對企業(yè)也是很重要的。因此，本文在價值矩陣分析方法的基礎(chǔ)上，選取了平均購買額和購買頻率兩個變量之后，增加了一個用以表征客戶存在時間的變量，即客齡，可以在一定程度上體現(xiàn)客戶的穩(wěn)定性。 本文利用數(shù)據(jù)挖掘技術(shù)，以平均購買金額、購買頻率和客齡作為

3、細(xì)分變量，構(gòu)建零售業(yè)的客戶細(xì)分模型?？蛻艟垲悾琄-均值算法是一種常用算法，但是聚類數(shù)目要預(yù)先指定，初始聚類質(zhì)心是隨機(jī)選取的，聚類效果未必令人滿意。自組織神經(jīng)網(wǎng)絡(luò)SOM算法，能夠自適應(yīng)的將樣本數(shù)據(jù)劃分成不同的類，不需要預(yù)先設(shè)定聚類數(shù)目，但是不能提供分類后精確的聚類信息。于是，本文提出一種將兩算法結(jié)合的方式，把整個聚類分析分為了兩階段進(jìn)行：第一階段使用SOM神經(jīng)網(wǎng)絡(luò)得到聚類數(shù)目與聚類質(zhì)心；第二階段用第一階段的輸出作為k-均值算法的輸入。將客