客观聚类在客户价值细分中的研究   总被引：1，自引：1，他引：0  

赵珩君 《情报杂志》2009,28(3)

聚类在商业研究中广泛应用于对未知特征的客户群进行价值细分.分析了传统细分方法对于细分客户初始条件敏感的弱点,与其他聚类方法相比,客观聚类方法不需要借助领域专家的知识,能够自动、客观地确定聚类个数及最优聚类方案.在回顾了价值细分方法选取的基础上,采用客观聚类方法进行客户价值细分.通过对算法步骤的分析,提出新一致性准则及算法的实施步骤,并将其应用于客户价值细分中.最后,通过实证对比研究,结果表明了新算法具有无需预先指定聚类数的特点,使得细分结果更加准确.  相似文献   

基于OCA聚类集成的客户细分模型研究     

高伟  贺昌政  肖进 《情报杂志》2011,30(6)

将聚类集成技术应用到CRM中的客户细分研究,以提高聚类性能.将客观聚类分析(OCA)方法作为基聚类器,克服了传统的细分方法不能客观确定聚类数目的缺点.实证结果表明该方法不仅提高了客户细分的准确性,而且能够自动、客观地确定聚类个数及最优聚类方案.  相似文献   

基于模糊聚类集成算法的客户细分研究     

高伟  贺昌政  蒋晓毅 《情报杂志》2011,30(4)

针对客户行为的不确定性和模糊性,将模糊聚类集成技术应用于CRM中的客户细分研究,以提高客户聚类的精度.以模糊C均值(FCM)算法作为基本的聚类器,应用模糊t-范式对生成的多个聚类器进行集成,从而获得最终的客户聚类结果.最后,在1O个UCI数据集上进行聚类测试,结果表明,基于模糊t-范式的模糊聚类集成方法的聚类精度要高于常用的客户聚类FCM和K-means方法.在客户信用卡数据集Australian上的学习曲线还表明,聚类集成方法具有更稳定的聚类性能.  相似文献   

旅游客户细分K-means算法的初始中心优化     

《科技通报》2016,(7)

以标准K-means算法在旅游客户细分的应用中存在的聚类效果不佳等缺陷为着眼点,本文设计了一种以初始化中心优化K-means算法为基础的旅游客户细分模型,首先优化该算法中相似度的计算中的距离度量,之后再以K-means算法聚类效果对初始质心严重依赖和对数据输入顺序敏感等缺点为着眼点,提出寻找较为准确的K个聚类中心的方法。结果表明,通过改进K-means算法得到的客户划分,类别明确,类别之间的界限清晰,说明通过对客户的划分定义明确,划分效果较好。  相似文献   

基于数据挖掘的电信客户细分模型的分析与设计     

严丽平 《科技广场》2007,(5):89-90

本文在介绍客户细分理论和数据挖掘技术的基础上,提出了一种基于聚类算法和RBF神经网络的电信客户细分模型,并通过大量现实数据的训练,得到了比较理想的细分结果,验证了模型的合理性、有效性和实用性。  相似文献   

基于K-means聚类和神经网络的电商客户潜在价值分析     

《黑龙江科技信息》2016,(22)

旨在利用K-means与神经网络组合模型来解决客户潜在价值与客户分类问题。在已有的CRM理论的基础上选择针对性较强的客户潜在价值指标,包括客观属性指标和行为习惯指标。构建组合模型来分析某数码网店的客户数据,利用K-means法对客观属性进行初步聚类,在每个初类内部进行自组织竞争神经网络的训练和预测,从而细分聚类结果。最后评价聚类结果的特征,对数码电商客户关系管理提出建议。  相似文献   

基于客户知识的客户CABOSFV聚类   总被引：1，自引：0，他引：1  

刘希宋  喻登科  李玥 《情报杂志》2008,27(2):7-9,6

客户知识的多元性与多源性决定了客户知识的高维特性,而个性化与离散化又决定其稀疏特性.针对客户知识的高维稀疏特性,借助稀疏特征向量及其可加性原理,提出基于客户知识的客户CABOSFV聚类算法,并利用其进行实例分析,检验其相对于传统聚类算法的优越性.  相似文献   

基于数据挖掘的供电企业客户细分方法及模型研究     

张晓春  倪红芳  李娜 《科技与管理》2013,(6):104-109

随着电网建设的不断完善升级,电力客户对于电力产品及其配套服务的品质要求不断提升,并且逐渐呈现高要求、差异化的发展趋势.面对客户需求的差异化和企业内部服务资源的有限性,供电企业有必要对客户进行科学合理的细分,实施差异化管理.下以供电企业的大数据为依托,运用数据挖掘技术,从客户的供电可靠性要求、客户价值和客户行为3个维度,建立细分指标体系,利用K-means聚类算法建立客户细分模型,并以南网某省为例进行实证分析,最终证明了所建立的细分模型是合理的.  相似文献   

基于k-means与神经网络机器学习算法的用户信息聚类及预测研究          下载免费PDF全文

朱凡  王印琪 《情报科学》2021,39(7):83-90

【目的/意义】基于机器学习算法对信息进行聚类及预测引起了广泛关注,本文将以航空公司客户信息为对 象构建出k-means,BP神经网络模型,对航空用户进行聚类及预测,实现用户的精准营销。【方法/过程】首先,对航 空公司的客户信息进行预处理,并根据信息聚类和信息预测理论,构建出k-means客户聚类模型与BP神经网络的 流失预测模型。【结果/结论】实证结果表明,在聚类模型上,k-means算法将客户聚为五类,实现了不同价值客户的 差异化识别;在客户预测模型上,BP神经网络的准确性更高。【创新/局限】本次研究将LRFMC模型引入到用户聚 类模型的实验中,使得模型泛化能力上存在了一定的局限,但也为该问题的未来研究提供了新的方式。  相似文献   

基于CURE聚类的可疑金融交易信息搜索研究   总被引：1，自引：0，他引：1  

张成虎  赵小虎 《情报杂志》2008,27(6)

提出了一种改进的CURE聚类算法,用于搜索具有异常交易行为的可疑客户,并对此聚类算法进行了实验.验证了该方法的可行性与有效性.  相似文献