交易数据的百货商场客户细分研究

激烈的市场竞争环境下,优质的客户细分已经成为企业成功的关键.当今信息化的发展带来了数据的爆炸性增长,为企业进行客户细分提供了优越条件.文中采用两步聚类法,对百货商场积累的客户交易数据从不同角度进行客户细分.集中对商场2010年贡献80%利润的5498名优质客户的交易数据,从客户消费总体行为和客户购买偏好两方面进行实证分析,并制定相应的营销策略.     

基于RFM的电信客户市场细分方法

提出电信企业客户消费的RFM模型,通过AHP法得到电信行业RFM指标的权重,并应用K-均值聚类法对客户进行分类.分析各类客户的客户等级,并结合指标权重对各类客户进行顾客终身价值比较分析.实证研究表明:本文所提出的模型和方法可以有效地对电信企业客户进行分类.     

基于客户价值的服装电商消费者细分研究

针对服装电子商务消费者的特点结合RFM和LTV模型,提出适用于电商环境下的服装消费者的SPC细分模型,为服装电商运营中的客户管理提出了全新的思路.运用层次分析法确定了各项指标的权重,根据消费者在每项指标中的取值不同将消费者分为8个类型,并根据消费者细分的结果对每类消费者的特征和企业应采用的措施进行分析.最后将所建立的模型运用在实际服装品牌电商销售数据上,运用K-means聚类算法进行消费者细分,实验结果证明了本文所提出细分方法的有效性和可行性.     

基于云模型的动态客户细分分类模型研究

针对现有的数据挖掘模型解决客户不确定性行为的不足,提出了基于云模型的动态客户细分分类模型.该模型将云模型理论中关于动态概念描述的思想引入到对分类状态集的后处理过程中,以隶属度高的类别被选中的概率大的程序设计原则实现了分类器处理过程的动态性.经试验验证,该模型能够更加客观地描述客户行为的非确定性和随机性特征,具有良好的分类效果.     

细分电信公众客户,制定产品组合策略

近年来,电信企业越来越重视对公众客户的营销。公众客户用户数量巨大,收入来源稳定,因此,对公众客户的服务水平体现了企业整体的服务水平。本文借助客户生命周期理论,细分公众客户市场,研究市场细分下的公众客户产品组合策略。     

面向数据漂移的代价敏感客户细分

为解决数据挖掘中存在的数据漂移和客户价值分布不平衡问题,采用了分阶段聚类和代价敏感支持向量机的新方法.新方法首先对全部客户聚类得到特征相似的客户群,然后用某个区域客户属于某客户群的后验概率对城市进行聚类,具有相似后验概率分布的城市群被认为是具有类似的客户结构,每个城市群的客户组成了新的客户样本,对每个样本分别进行代价敏...     

一种新的市场细分方法体系的建立及应用

以产业细分理论,市场研究理论以及有关的数学方法的基础,创建了一套市场细分的方法体系;进行了实际应用举例分析,将该方法体系的具体应用过程和方法加以介绍,为实际工作中的市场研究提供了新的思路。本文在如何把数学方法应用于市场研究方面有所创新,提出了新观点。     

基于动态聚类的网上学员细分实证研究

自主式学习在远程教育中占有重要的地位,如何更高效、快捷的建立学员所需要的知识资源库是当前我们研究的一个热门领域。本文以自贡电大2009级近百名本科学员基本资料及学习记录为采样数据,利用动态聚类的方法进行了有效的学员细分及数据分析,并在此基础上提出了相应的建立适合远程教育的资源库的策略。     

基于态度的公交出行信息使用市场细分

为识别不同出行者对公交出行信息使用选择偏好的差异,对基于态度的公交出行信息使用市场进行了细分。根据在南京市调查的数据,利用因子分析确定态度潜变量,采用结构方程模型分析了态度变量间的相关性,使用K-means聚类方法对公交出行信息使用的市场进行细分。以出行意愿、可靠性、方便性和主观感知等4个变量作为聚类变量,将公交出行信息使用市场细分为5个子市场,同一子市场内出行者公交出行意愿选择近似,不同子市场间出行者选择意愿明显不同。分析了每个子市场态度的差异和公交出行方式选择特征,针对不同子市场的出行者提出了相应的公交出行信息改善策略。     

改进SOM和快速K中心点银行客户细分

动态设置自组织神经网络的学习速率,加快自我组织进程,利用改进后的SOM训练样本数据得到的原型向量数据量远小于初始数据量且保持原拓扑结构不变,再用快速K中心点算法对该原型向量聚类并用CH指标判定最佳聚类个数.结合巴雷托分析法和客户价值矩阵将Standard银行客户划分为四类,为不同客户群体提供针对性营销建议.     

改进的聚类分析算法在客户群分中的应用研究

针对传统的K-Means聚类算法对初始聚类中心依赖性较高,从而影响分类结果的问题,提出了一种改进算法,并将其应用于一家电器商场的客户群分中,为商场的营销活动提供了有价值的决策依据.     

基于系统聚类的客户分析

采用最小方差法的系统聚类改进算法以减小异常数据对聚类过程的不利影响，通过对实际调查的样本数据进行聚类分析，挖掘和分析客户关系管理中客户群所存在的不同特征的组群，得到了直观的聚类过程和较合理的分组结果．     

基于改进Mumfold-Shah模型的图像分割算法

针对传统图像分割方法中由于边缘模糊难以取得理想分割效果的问题,提出了一种基于改进Mumfold-Shah模型的图像分割算法.结合模糊C均值聚类算法对Mumfold-Shah模型进行改进,以提高图像的分割速度和分割的鲁棒性.实验结果表明:该算法具有可行性和有效性.     

基于超像素和密度峰值聚类的图像分割

图像分割是计算机视觉领域的一个重要组成部分。密度峰值聚类已应用于图像分割领域。但由于密度峰值聚类在聚类时只能考虑数据的全局空间信息,不能有效去除图像噪声,因此提出了一种超像素的图像预处理方法。该方法能充分考虑局部空间信息,具有较强的鲁棒性。通过改进的形态梯度重建和分水岭算法得到具有精确轮廓且去噪效果较好的超像素图像。在此基础上,加入密度峰值聚类完成后续分割。通过在光学图像数据集BSDS 500上进行实验,验证了超像素算法及图像分割算法的有效性。     

一种基于光照补偿和模糊聚类的图像分割方法

针对受到光照不均匀影响的图片在直接进行阈值分割造成的错分割问题,提出在分割前对图像进行光照补偿的预处理,从原图中分离出光照不均匀平面矩阵,从而降低光照不均匀对阈值分割造成的不利影响.在分割过程中采用模糊聚类算法,提高了图像分割的有效性.     

基于K-均值聚类的足球机器人的新型图象分割方法

图象分割是图象处理的关键步骤,也是足球机器人视觉系统中的核心技术。本文结合粗糙集理论和K-均值聚类算法,提出了一种图象分割的方法。将原图象按等价关系进行划分,基于属性约简的概念对不同区域按照不可分辨关系分类。分割结果表明,该方法是一种有效的图象分割方法,具有良好的精确度和鲁棒性。     

基于分水岭和K-均值的半自动眉毛图像分割

为了从原始图像中快速、稳定地提取纯眉毛图像,提出了一种融合分水岭和K-均值算法的眉毛图像分割方法,即W-K算法.首先通过手工在眉毛图像上画上几条线标注部分眉毛点和非眉毛点,其次利用分水岭算法产生蓄水盆,再使用K-均值算法对蓄水盆进行聚类,最后通过眉毛点筛选实现纯眉毛图像的分割.实验结果表明,该方法在分割纯眉毛图像的过程中具有速度快、效果好的优点,可用于眉毛识别的前期预处理,并有助于提高识别结果的准确率.     

商业银行客户关系管理对客户知识共享的支持

客户关系管理进一步促进了客户知识的收集、分类、传递、整合和共享。客户知识共享的实现需要适当的信息技术来支持,需要有完备基础设施的网络,以提高客户知识共享的范围和效率。     

一种基于视觉感和特性及IFKCN的图象纹理分割方法

提出了一种基于视觉感知持性及改进的模糊Kohonen聚类网络的图象纹理分割方法,它由2D最佳正交极可分方向滤波器特征提取,特征图象的四叉树平滑,改进的模糊Kohonen聚类网络（IFKCN）特征聚类及边缘确定四部分组成。最后给出了实验结果。