移动商务中面向客户细分的KSP混合聚类算法

数据挖掘技术中的聚类算法是解决客户细分问题的重要算法之一。为解决传统聚类算法在客户细分问题中分类精度较低、收敛速度较慢的问题,着重对比分析传统聚类算法中K-m eans、自组织映射网络和粒子群3种算法的不足,提出融合3种算法优点的混合型聚类算法,该算法利用K-m eans和自组织映射网络对初始聚类中心进行优化,结合粒子群优化和K-m eans优化聚类迭代过程,并在迭代优化过程中设计避免算法因早熟而停滞的机制。针对移动电子商务环境下的餐饮业客户细分问题,建立移动餐饮业客户细分模型,并利用混合型聚类算法、K-m eans、层级自组织映射网络和基于粒子群的K-m eans等4种算法对实际案例进行对比分析。研究结果表明,混合型聚类算法的聚类精度分别比其他3种算法高,同时还具有最快的收敛性能,更适用于客户细分问题。     

基于拓展自组织神经网络方法的客户市场细分

准确的客户市场细分对客户关系管理具有重要作用。现有的聚类算法由于自身的缺陷无法很好的应用在市场细分中。本文借鉴拓展自组织神经网络方法的思想,运用Ward's指标对SOM聚类结果进行合并,从而得到有效的客群。运用该方法在某零售企业的客户数据中探索出四类客群。ANOVA分析证明了该方法得到结果的可行性,并通过与K-means方法的比较证明了该方法的准确性。     

基于在线客户评论的客户细分研究

针对基于在线客户评论数据进行客户细分分析的问题,设计了二阶段客户细分分析框架.在客户偏好建模阶段,设计了同义属性识别方法和属性偏好换算方法,基于产品属性树结构,构建粒度统一的客户偏好向量;在客户聚类阶段,设计了包含最优聚类数识别的聚类流程,基于模糊C均值聚类方法,对客户进行聚类.     

一种基于信息熵与K均值迭代模型的模糊聚类算法

本文提出了基于信息熵和K均值算法混合迭代模糊聚类的细分模型,解决了模糊聚类的原型初始化参数问题。将信息熵和K均值算法引入模糊聚类中进行分析,并结合测试样本数据进行实际分析,与传统方法相比,取得了较好的效果。     

数据挖掘技术在3G业务扩展中的研究与应用

本文运用数据挖掘技术中的分类决策树算法和快速聚类算法,对某省会城市联通公司的3G业务数据进行深入分析,研究并实现-个准确、实用的3G客户识别和客户细分的模型.在对模型进行评估的基础上,为精确发展优质3G客户提供了-个具体参考,同时对3G的资费策略提出-些参考意见.     

基于消费行为的市场细分模型构建与验证——以移动通信行业为例

针对客户偏好和客户需求开展市场营销活动是每一个移动运营商最为关注的问题.为此,分析了移动通信行业现行的以人口统计变量和ARPU值为划分维度的市场细分方法,并在此基础上提出了以消费行为作为划分维度的市场细分模型,该模型将客户按照"当前价值"、"发展性"和"忠诚度"3个维度进行细分,并从数据库中分别提取相应的变量对各个维度进行有效测量.同时采用了K-means聚类算法和相关的数据挖掘和统计方法对模型进行了验证,进一步确定了模型的实用价值.     

客户关系管理中客户生命周期利润价值细分的思考

本文对在目前客户关系管理中客户价值细分必要性和可行性的分析,详细介绍在实际客户关系管理中最重要的客户价值细分方式即客户生命周期利润价值细分,以及基于客户在各阶段的特征表现,企业应采取的相应策略。     

数据挖掘在CRM中的应用

从一个企业内部来说,CRM的 功能可以分为三个方面：销售、营销和客户服务,具体包括客户管理、联系人管理、时间管理、潜在客户管理、销售管理、营销管理、电话营销、客户服务等,有的还包括了呼叫中心、合作伙伴关系管理、商业智能、知识管理、电子商务等。数据挖掘技术能够帮助企业管理客户生命周期的各个阶段,包括争取新的客户、让已有的客户创造更多的利润、保持住有价值的客户,确定了客户的特点,为客户提供有针对性的服务等等。这里,笔者将介绍数据挖掘在CRM中应用的以下五个主要方面："1、 客户细分" 客户细分是企业有…     

动静态属性数据相结合的客户分类方法研究

研究了一种客户动态、静态属性数据相结合的客户分类方法。提出了客户时间序列的加权处理方法,并应用客户时间序列的统计特征作为聚类特征向量,采用混合式遗传算法对客户聚类,使每一类客户具有相似的时序特征。在此基础上将聚类结果与客户的静态属性数据相结合,对客户进一步分类。实验结果表明,与传统的基于静态属性数据的客户分类方法相比,本文的方法提高了客户分类的准确性。     

面向客户需求的神经网络挖掘方法

客户细分是客户关系管理的主要内容，对客户进行细分有助于优化企业资源配置和对客户进行差异化服务进而提高客户满意度。很多文献根据客户对企业的贡献利用相关模型对客户进行了细分，本文从差异化服务出发，根据客户的需求特征或需求层次对客户进行了细分，这有助于预测客户的需求和减少企业的营销成本。在具体细分过程中根据数据挖掘的思想采用了自组织映射神经网络模型，并通过模拟说明了模型的有效性。     

基于多目标多元学习细菌觅食优化算法的混合数据聚类

针对混合属性数据聚类问题,本文提出一种基于多目标多元学习细菌觅食优化算法。首先,基于改进的细菌觅食优化算法,提出多目标优化算法框架。然后,提出多元学习策略来提高算法性能。具体地,对于细菌个体,细菌之间采用环形拓扑学习策略,每个细菌只能向其邻域最优个体学习;细菌个体还可以向外部档案非支配个体学习。通过该学习策略,不仅可以保持种群的多样性,也可以加快算法收敛速度。对于外部档案非支配个体,记录其变化趋势,当非支配个体的变化处于停滞状态时,采用精英学习策略对非支配个体进行微扰动,提高非支配解的多样性。最后,为解决混合属性数据聚类问题,设计了一种具有属性权重的混合属性转换策略。为了验证所提算法的性能,将该算法与两个多目标进化算法和三个经典聚类算法在六个标准数据集上进行对比实验。实验结果表明,所提算法在解决数值、分类和混合属性数据聚类问题上具有显著优势。同时,以金融领域信用卡申请客户数据为例,进一步证实了所提算法的可行性,也表明了所提算法在涉及混合属性数据集的医疗、管理、工程等领域有一定的应用前景。     

基于客户消费行为细分的营销决策分析

客户细分基础上的营销决策日益凸现其重要性,在实际应用中客户细分的标准多以企业产品、客户地区分布、客户特征等居多,而以客户消费行为作为细分标准的还比较少见。我国的移动通信市场正在向管制条件下的充分竞争状态发展,企业的营销能力越来越成为运营商竞争的利器。本文建立了一个基于客户消费行为细分的营销决策模型,根据作者长期的行业经验,以湖南移动作为案例具体应用了该模型,取得了有意义的结论,这说明该方法能够为企业的营销决策者提供一种新的思考问题的视角。     

基于模糊识别算法的财务指标分析系统的设计

本文利用数据挖掘技术,设计了一个具有财务分析和数据挖掘功能的财务指标分析系统,以便为企业决策层提供快速的财务分析支持。在指标分析模块中使用了模糊识别算法。该算法是利用训练样本集的模糊识别矩阵计算出模糊聚类中心矩阵,再利用模糊聚类中心矩阵反算出测试样本集的最优模糊识别矩阵,从而克服了传统的模糊聚类算法只能聚类的缺点。     

并行DBSCAN聚类算法

本文针对DBSCAN算法在计算速度方面的瓶颈,提出了一种新的基于内存的并行DBSCAN算法：合理划分数据库,各个处理器并行聚类,之后合并聚类结果,可以达到很好的聚类结果效果和计算效率。通过对一台双核计算机的实验,发现实验速度可以提高50%左右。     

基于模糊聚类的高新技术企业信用风险评估方法研究

本文针对高新技术企业的特点,应用粗糙集理论和模糊聚类方法,集成了一种信用风险评估方法。首先构建了高新技术企业信用风险评估指标体系,再应用粗糙集约简方法生成约简的指标集,继而运用模糊聚类方法对企业信用风险进行评估。在使用模糊ISO-DATA聚类算法时,加入"引路样本",这种改进的算法提高了评估的客观性。     

电信企业客户细分管理系统的设计与实现

对国内外电信企业客户细分管理信息系统的研究现状进行分析,对电信企业客户细分方法进行研究,并采用VB.net及SQL Server2000完成了基于C/S结构的电信企业客户细分管理系统的设计与实现.     

中文专利文本聚类方法研究

该文提出了一种针对中文专利文本的聚类方法.使用自组织特征映射算法获得初始的聚类中心,并以此作为K-means算法的初始输入,从而得到最终的聚类结果.这样的组合可以在提高聚类准确率的同时,降低运行时间.在聚类之前还对文本进行LSI降维操作,降低了特征向量的维数,使得SOM和K-means两个对维数敏感的算法可以更加有效和快捷.     

基于蚁群智能的客户群偏好分析方法

采用蚁群智能的数据挖掘方法,根据客户对产品属性的偏好评分,对客户进行有效的分类.将客户偏好作为n维空间中的一个点,运用基于蚁群智能的聚类方法,根据预先设定的群体相似系数和拾起或放下概率进行聚类分析,在空间中采用递归算法,以获得不同偏好特征的客户群体模式.     

基于AHP与聚类分析的信用卡客户细分

近年来,优质客户资源的争夺已成为信用卡业务竞争的焦点。因此,如何通过有效的客户细分,全面掌握客户信息,了解客户的用卡特征,有的放矢进行营销,成为信用卡运营商研究的关键问题。本文首先用AHP法对个人信用指标体系的各指标进行分析,确定指标体系中各指标的重要程度,并根据一定精确度要求对指标进行精简;然后,运用Clementine软件对经过指标精简后的数据进行聚类,并对每个子类中的客户特点进行分析,并提出了相应的营销策略。     

基于购买行为的客户细分方法比较研究

客户保持能有效的提高企业的盈利能力,但客户保持的目标不是追求零流失,而是管理客户的流失率和最大化客户资产.客户细分是实施客户保持的第一步,根据不同的细分客户群对企业的利润贡献,开展有针对性的营销战略/策略,对基于客户购买行为的客户细分方法作了比较研究.