基于代价敏感性学习的客户价值细分

《基于代价敏感性学习的客户价值细分》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第12卷第l期2009年2月管理科学学报JOURNAL0FMANAGEMENTSCIENCESINCHINAV01．12No．1Feb．2009基于代价敏感性学习的客户价值细分①邹鹏，李一军，郝媛媛(哈尔滨工业大学管理学院，哈尔滨150001)摘要：在基于价值的客户细分中，不可避免地产生“拒真纳伪”的两类错误，由于错误分类代价差异和不同价值客户数量的不平衡分布，基于总体准确率的数据挖掘方法不能体现由于客户价值不同对分类效果带来的影响．本研究在代价敏感性学习机制下引入支持向量机作为分类工具，建立基于客户价值的错分代价函数

2、，为适应客户价值多类别细分的要求，将二元分类扩展为多元分类，建立分类的期望损失函数作为分类效果的评价标准．实验结果说明，该方法可以更精确地控制代价敏感性和不同种分类错误的分布，降低总体的错误分类代价，使模型能更准确反映分类的代价，有效识别客户价值．关键词：客户细分；客户价值；代价敏感学习；支持向量机中图分类号：Fv713．5；11P18文献标识码：A文章编号：1007—9807(2009)01—0048—090引言客户细分(CustomerSegmentation)是企业在明确的战略、业务模式和特定的市场中，根据客户的行为、偏

3、好以及价值等因素对客户进行分类，是一种基础性的分析手段，对客户管理提供全面的信息支持．任何高效的客户关系管理都以扎实的客户细分为基础一j．客户价值细分(也有研究称为基于客户价值的细分)是根据客户为企业创造价值的能力对客户进行分类，提供针对性的产品、服务和营销模式的过程，能够使企业更合理的分配资源，有效地降低成本，同时获得更有利可图的市场渗透．在数据挖掘领域，基于客户价值的细分是根据客户为企业创造的价值(利润)将客户分类，将客户价值(利润)作为分类标志，基本都是采用一种普适性的数据挖掘算法，将总体准确率作为分类性能的评价标准，不

4、可避免地产生“拒真纳伪”的两类错误，忽略了客户价值分类问题中错误分类代价和不同价值客户在数量上的悬殊差异，没能体现由于客户价值不同对分类效果带来的影响．本研究尝试在代价敏感性学习机制下引入支持向量机作为分类工具，解决上述问题．1客户价值细分文献综述及问题分析1．1客户价值细分文献综述国内外学者从不同角度采用不同方法对客户价值细分进行了研究，Dwyer将Jackson的客户流失预测引入到客户价值分类模型中，提出“永久流失”和“暂时流失”两种客户的价值细分方法心J，这种方法体现了客户价值的动态性，Berger和Nasr完善了这一方

5、法，进一步将两类细化为五类一J，但还不能实现对单体客户的价值细分．Reichheld和Sasser在对多个行业的大量实证研究基础上，根据客户所处在生命周期的不同阶段对客户进行了基于生命周期的价值细分14j]，陈明亮等在前人研究的基础上进一步提出客户当前①收稿日期：2007—06—26；修订日期：2008一09—01．基金项目：国家自然科学基金资助项目(70802019)；985二期“技术、政策、管理”国家哲学社会科学创新基地资助项目作者简介：邹鹏(1975一)，男，湖北麻城人，博士，讲师．Email：∞upeng@hit．ed

6、u．cn万方数据第1期邹鹏等：基于代价敏感性学习的客户价值细分一49一价值和客户增值潜力是客户细分的两个具体维度J]，黄亦潇等在建立客户有形和无形价值评价体系的基础上结合客户生命周期理论从客户的生命周期阶段和客户发展潜力两个方面来评价客户价值，根据客户价值评价结果进行客户分类"J．目前为止，客户价值细分的基本观点得到了共识，研究者都认为客户生命周期利润是客户价值衡量根本标准，当前和潜在价值、财务利润和无形价值都可以作为客户价值细分体系中的细分变量，视情况采用．而当前客户价值细分面临的主要问题是如何在海量的客户数据中识别客户特征

7、进而预测客户价值，随着数据量加大，不仅要考虑到潜在顾客数量增加，而且每个客户的特征也越来越多，采用传统的方法已经难以胜任。就需要引入知识发现和数据挖掘技术，探寻客户特征与客户价值之间的模式，据此发动营销活动．目前客户价值细分采用的数据挖掘方法多数是有监督的学习方法．比较广泛使用的是关联规则L8一J、决策树。10J、CHAID算法u1

8、、神经网络一J、贝叶斯网络u2。．基本都是采用一种普适性的数据挖掘算法，没能体现由于客户价值不同对分类效果带来的影响．下面本文将在分析客户价值细分问题特点的基础上，探索解决这一问题的思路．1．2客

9、户价值细分问题分析在统计学上的假设检验存在两类错误，第一类是当原假设为真时拒绝了它，第二类是当原假设为假时接受了它．将这一思想引入客户价值细分问题．假定根据价值不同把客户分为两类，一类定义为高价值客户，另一类定义为低价值客户，把一个低价值客户分类为高价值是第一类错误，把高价值