基于聚类技术的客户细分模型研究与实现

《基于聚类技术的客户细分模型研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工学硕士学位论文基于聚类技术的客户细分模型研究与实现李朝娟哈尔滨工业大学2006年6月国内图书分类号：TP315国际图书分类号：681.3工学硕士学位论文基于聚类技术的客户细分模型研究与实现硕士研究生：李朝娟导师：徐晓飞教授副导师：叶允明副教授申请学位：工学硕士学科、专业：计算机科学与技术所在单位：深圳研究生院答辩日期：2006年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP315U.D.C:681.3DissertationfortheMasterDegreeofEngineeringRESEARCHAN

2、DIMPLEMENTATIONONCUSTOMERSEGMENTATIONMODELBASEDONCLUSTERINGCandidate:LiZhaojuanSupervisor:Prof.XuXiaofeiAssociateSupervisor:AssociateProf.YeYunmingAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ComputerScienceandTechnologyAffiliation:ShenzhenGraduateSchoolDate

3、ofDefence:June,2006Degree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要随着企业的经营模式从原有的以产品为中心到以客户为中心的转变，如何应用聚类技术进行准确的客户细分已成为当今企业界和学术界共同关注的问题。与此同时，竞争日趋激烈，客户细分系统对聚类技术和客户价值模型的各项性能要求越来越高，但是这些问题并没有得到很好地解决。本文正是围绕聚类技术和客户价值模型两个方面展开，目的是实现高效的客户细分模型。(1)由于K-me

4、ans算法对初始中心点选择敏感，本文采用了一种基于近邻密度的初始中心点选择方法——NK-means算法，使得K-means算法能够快速、准确地发现聚类结果。实验结果表明NK-means算法较随机K-means算法和迭代优化的K-means算法在精度上有明显的提高，且具有良好的可扩展性。(2)由于K-means采用基于距离标准的聚类准则，在将其应用于客户细分时表现出诸多不足。为了更准确地描述客户之间的“距离”，本文依据客户细分的特性，提出了基于购买行为的客户相似度准则。该准则与传统的距离准则相比动态地反映了客户的相似程度，为实现更

5、加准确的客户细分提供了保障。(3)传统的客户生命周期价值(CustomerLifetimeValue,CLV)模型考虑了客户的人口统计学因素和购买行为因素，但是对客户购买行为之间的网络影响并没有加以分析。因此本文提出了基于网络影响的客户价值模型，在引入客户与客户之间社会影响的基础上，从基本价值、潜在价值、网络价值和客户挽留率四个方面对客户价值进行了比较全面地评估。与此同时本文采用了RFM(Recency,Frequency,Monetary)模型辅助CLV模型。论文最后结合哈飞汽车股份有限公司的实际业务，详细阐述了基于聚类技术的

6、客户细分系统的设计、实现及应用效果。关键词客户细分；客户价值；聚类；K-means-I-哈尔滨工业大学工学硕士学位论文AbstractAlongwiththeenterprisefocusingoncustomersratherthanproducts,howtomakeuseofclusteringtechnologytosegmentcustomersproperlyisthemostimportantproblemforthebusinesscircleandacademe.Duetothedrasticcompetiti

7、on,boththeclusteringtechnologyandthevaluationofcustomersarerequiredtobemoreandmoreeffectiveincustomersegmentationsystem.However,theseproblemshavenotbeensolvedyet.Thispapermainlyencirclesthesetwoaspects,targetingatimplementingamoreeffectivemodeltosegmentcustomers.Firs

8、tly,K-meansissensitivetotheselectionofinitialcenters,soweadoptaneighborhooddensitymethod——NK-meansforeffectivelyselectinginitialclu