基于灰色关联度和K-Means++的电子商务客户价值分类

现有的模型大多采用RFM模型和K-means对客户价值进行分类,对指标权重的确定大多采用AHP法,没有考虑到RFM模型指标相互之间的联系.首先根据RFM模型选择平均购买时间间隔,客户在一定时间内的购买频率,平均每笔订单交易金额和客户的活跃时间构造RFMT模型来衡量客户价值.其次使用灰色关联度确定各指标权重.最后针对K-means的缺点,运用改进K-means (K-means++)和肘部法则对RFMT模型进行聚类分析.该模型能对客户群进行更加细致的划分,既能帮助电子商务企业识别出需要重点关注的客户即已流失客户和新客户群体,同时将该企业客户划分为价值由高到低的客户群,对不同客户群提出具体的营销建议.     

基于云模型理论的群体用户画像模型

为了能够对群体用户中不确定性和模糊性的行为精确的定量分析和定性相似度的计算,设计了一个基于云模型理论的定性相似度算法来给群体用户构建画像模型.首先,采用识别客户价值最广泛的RFM （Recency,Frequency,Monetary）模型来细分用户.其次,通过云模型变换算法将用户的行为转换为用户的云模型标签,该云模型标签就是对用户行为的一次定量表示,然后通过云模型聚类算法来划分出不同的客户类型,作为客户画像的模型,利用该模型指导商业营销活动.     

客户价值评价体系在高尔夫CRM 中的研究

客户价值评价体系是CRM（CustomerRelationshipManagement,即客户关系管理）系统的核心,通过对高尔夫行业客户价值评价体系的分析,建立了高尔夫球场预定服务业客户价值评价体系模型,介绍了应用层次分析法计算该模型的客户价值．根据不同的客户价值把客户分为四种类型,建议针对不同类型的客户采用不同的营销、销售以及服务策略．最后介绍了该模型在CRM系统中的应用．     

决策树技术在医院住院客户划分中的应用

本文以省妇幼保健院历史的住院业务数据为样本,通过数据挖掘的决策树建模方法建立其住院客户的划分模型,得到分类规则,在此基础上将住院客户划分为不同的群体。通过对客户的划分及其特征分析,医院可清楚的了解重点客户并给予重点客户群体以按需要定制的个性化服务,这将极大提升这部分客户的忠诚度和满意度,从而确保医院主流利润和收入来源的长期性和稳定性。     

客户价值细分的代价敏感支持向量机方法*

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。     

双聚类算法在电信高价值客户细分的应用

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(K-means)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。     

基于客户细分的客户流失预测研究

分析了电信行业客户关系管理系统的数据独有特点,提出基于客户细分的客户流失预测模型.首先,采用模糊核C-均值聚类算法用于客户细分并对细分结果进行分析,发现高价值客户的群体特征.再利用企业历史数据建立基于SAS数据挖掘技术的客户流失预测模型.最后,把高价值客户作为预测目标数据应用于该模型当中预测出有流失倾向的客户.实验结果表明,该方法有效可行,可以为企业提供准确、有流失倾向的客户名单.     

基于RFA模型和聚类分析的百度外卖客户细分

针对百度外卖行业具有的客户数量大、消费数据多、维度多等特点,提出一种基于客户消费行为视角的改进RFM模型。采用层次分析算法确定模型中各个变量的权重,并在此基础上采用K-Means聚类算法进行客户细分,计算确定客户对于商家的个人价值。数据分析结果表明,基于改进RFM模型的客户细分方法可以使商家对不同价值的客户采取针对性的策略。     

基于ANP和K-means聚类的客户价值分类模型及应用

建立两维度的客户价值评价模型,从客户当前价值和潜在价值两个方面评价客户价值。该模型首先运用网络层次分析法（ANP）对指标赋权,兼顾了指标间的相互影响,根据各指标权重和得分计算客户价值;然后使用K-means聚类算法对客户群进行细分,确定客户等级划分的标准,划分客户类别。最后以某市烟草公司零售终端客户价值分类为应用实例,运用定性和定量的方法建立多角度的客户价值评价指标体系,采用ANP确定指标权重,并根据客户价值评价结果使用K-means聚类进行客户分类,同时对每个类别的客户特征及其相应的营销策略进行分析,所提模型能够更全面、客观地对客户价值进行评价与分类     

基于大数据的航空公司客户价值的分析与研究

在国内外航空市场竞争日益激烈的背景下,航空公司在客户流失方面应该引起足够的重视。如何改善流失问题,继而提高客户的满意度、忠诚度是航空公司维护自身市场的重要问题。针对上述问题,本文提出构建航空公司客户价值评价的TRFMZ模型,并在该模型基础上运用K-means算法对客户进行分类,针对不同的客户群,航空公司可以采用不同的营销策略来提高客户的体验和满意度。     

考虑客户价值的卡车与无人机联合配送时变路径优化方法

针对拥堵情况日益严重导致的物流业配送时效不高、客户价值低等问题,综合考虑客户价值和成本等因素,提出了一种卡车与无人机联合配送时变路径的优化方法。考虑到配送过程中不同时段的拥堵情况,采用速度分布函数刻画车辆的行驶速度,同时考虑客户的时间窗、车辆的载重和无人机的载重等约束条件,建立了成本最小的数学模型。根据模型的特点,引入K-means对客户的位置进行聚类,设计混合的粒子群算法对模型进行求解。最后通过Solomom数据进行模拟仿真实验,对模型和算法的有效性进行验证。实验结果表明,与未考虑客户价值静态路网模型相比,该模型在降低9.32%成本的情况下,同时提高了16.83%的客户价值和21.28%的客户满意度,所提算法在降低配送成本和提高企业经济效益方面具有一定的有效性。     

决策支持系统中客户价值预测模型的设计与分析

在Internet时代,企业可以从外界获取大量的客户数据资料,如何在这样丰富的客户数据资源中寻找企业的高价值客户?基于这样的需求,文中讨论了使用微软的VS.Net平台和SQL Server Analysis Services中的DSO组件来建立模型的方法,通过对原有客户资料的分析建立客户价值预测模型,并由此模型进行新客户和潜在客户的价值预测。此模型在客户价值预测方面有一定的参考价值。     

面向MC的客户群体倾向模型

面向大规模定制生产，建立了客户倾向模型，通过关联分析法量化市场调研和客户需求，采用最大树模糊聚类法进行基于属性重要度的客户群体划分和市场细分，获取客户群体消费倾向，为客户需求的工程特征转换、进行产品簇规划提供数学准备和数据支持。     

决策支持系统中客户价值预测模型的设计与分析

在Internet时代，企业可以从外界获取大量的客户数据资料，如何在这样丰富的客户数据资源中寻找企业的高价值客户？基于这样的需求，文中讨论了使用微软的VS．Net平台和SQL Server Analysis Services中的DSO组件来建立模型的方法，通过对原有客户资料的分析建立客户价值预测模型，并由此模型进行新客户和潜在客户的价值预测。此模型在客户价值预测方面有一定的参考价值。     

基于网络社团检测的电信客户细分

现有的电信客户细分方法无法发现基于个体间交互关系形成的客户群体。为此,提出基于网络社团检测的电信客户细分模型。考虑网络加权方法对社团检测效果的影响,采用电信企业的通话明细记录构建不同的加权电话呼叫网络,并采用随机漫步模型算法建立基于通话关系的客户细分模型。在细分模型的基础上,结合客户基本信息分析社团的特征,使用网络节点度中心性识别社团中的中心客户。经电信运营商客户通话数据的分析表明,以通话总时长进行加权的网络得到的社团检测效果最佳,可以用于检测客户的关系圈,发现具有领导地位的中心客户,为电信企业客户挽留、精准营销等提供有效的决策支持。     

基于客户价值的电力企业客户服务策略研究

客户服务策略对电力企业的生存和发展有着至关重要的影响,是电力企业不断推动面向客户的全方位服务的核心内容之一。客户价值细分是判别客户价值的有效手段,针对不同价值的客户实施不同的服务策略是电力企业普遍采用的方法。提出了客户价值判别标准和客户价值矩阵,在此基础之上探讨了基于客户价值矩阵的电力企业差异化服务策略。     

一种基于随机森林的停电敏感模型

为深入全面地对不同用电群体用户进行分析,实现停电敏感用户的精准识别,制定针对性的风险防控策略,有效减少客户来电风险,本文提出一种基于随机森林的停电敏感模型,对客户停电的敏感程度进行划分,进而实现差异化地运营管理客户,为营销部、设备部、客服中心等部门提供有效数据支撑,助力电网营销管理.本文将随机森林模型引入停电敏感预测中...     

基于在线评论的智能手机需求偏好判别及客户细分模型构建研究

为了帮助商家从在线评论中挖掘产品的需求偏好及客户构成，构建了基于LDA主题模型、情感分析，以及改进的K均值聚类算法等方法的产品需求偏好判别及客户细分模型。通过LDA模型挖掘用户需求偏好，利用情感分析进行情感打分，再用改进的聚类算法得到客户细分群体。最终得到用户对于手机的需求偏好以及客户细分群体构成，帮助商家更好地作出经营决策。     

移动电子商务情境下客户细分优化算法的研究

由于传统聚类算法的收敛过早、精度较低等缺点无法满足移动电子商务情境下的客户多样性、动态性、复杂性等特点,在研究典型客户细分领域聚类算法的基础上,提出一种结合不同聚类算法优点的混合聚类算法M-Cluster。针对移动电子商务情境下学生群体的消费模式和群集现象,构建出基于M-Cluster算法的融合LTV和RFM模型优点的CPM模型用于评价和细分客户群。     

基于客户生命周期价值的客户分类与数据挖掘

本文在客户生命周期价值的基础上,运用贝叶斯、决策树等数据挖掘算法,挖掘出客户的现有价值、潜在价值和客户忠诚度,并以这三项指标为维度对客户进行分类,对不同类型的客户制定不同的营销策略.