基于rfm模型的烟草客户聚类分析研究

《基于rfm模型的烟草客户聚类分析研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于RFM模型的烟草客户聚类分析研究邓基刚DENGJi-gang；郑成德ZHENGCheng-de；刘景燕LIUJing-yan；黄胜茂HUANGSheng-mao；王无瑕onopolyBureau（pany），系统中不仅收集了大量的业务数据，还收集了大量的客户数据，使得烟草公司多年积累的业务数据开始发挥价值。数据挖掘是一门涉及人工智能、机器学习、统计学等技术的交叉学科，它的主要作用就是实现从海量数据中提取出对应用者潜在的有价值的信息。通过对大量数据的分析处理，结合具体的业务模型，经过数据挖掘算法的分析，可以发现数据之间潜在关系所隐含的机会

2、，挖掘潜在客户价值。1理论基础1.1RFM模型RFM模型是由美国著名的数据库营销研究所ArthurHughes提出的，已经被实践所检验的，对企业客户价值衡量有较好效果的客户数据三要素。RFM是指在客户的一个考察周期内，从最近一次消费至现在的时间间隔（Recency）、购买次数（Frequency）、消费总金额（Moary）三项指标来描述该客户的价值状况。①最近一次消费时间至现在的时间间隔（Recency）。该时间间隔越短，则R值越大。根据相关研究者的研发现，R越大的客户越有可能在最近的一段时间内产生新的消费行为。R越大，企业对该客户的记录的

3、信息资料就越全，反之，随着R的减小，该客户的数据资料会越来越少。研究发现，如果时间间隔超过一年，则该企业50%的客户信息将无效。②购买次数（Frequency）。客户在该考察周期内，购买该企业产品或服务的次数。购买的次数越多，说明该客户的忠诚度越高，该客户对企业依赖性越大。③消费总金额（Moary）。客户在该考察周期内，购买的所有产品或服务的总金额。客户购买的总金额越大，对企业的利润的贡献也就越大。RFM从三个关键维度描述客户的购买行为，且可以较好地表示客户当前为企业带来的现实价值。根据国内外的研究与实践，RFM是表示客户当前价值的充分变量

4、。1.2K-Means聚类算法聚类，是指按照对象的某些属性，以某种相似度的测量方法，把相似的事物聚集成为一类，其结果是获得的类群中，不同类的对象之间相似性小，同一类对象的相似性大。K-MEANS算法是聚类分析中最常用，也是最主要的算法之一。K-MEANS算法也被称为K-均值，是当前最广泛应用的基于划分的聚类算法。K-MEANS算法以输入的分类个数k为参数，把n个目标对象划分为k个簇，簇内具有较高的相似度。K-MEANS算法的基本思想为：算法首先随机的选取k个对象，并把这k个对象初始化为K个簇的平均值或中心，算法计算并根据其他每个对象到这K个

5、簇中心的距离，将它付给最近的簇，重新计算每个簇的平均值，重复进行，直到准则函数收敛。2基于聚类挖掘技术的客户细分实现过程2.1客户细分聚类模型指标体系的构建烟草公司目前对公司的客户分类主要从业态、经营规模、市场类型进行考察，并结合零售户的上述情况，及所处的地理位置对其商铺类型进行了划定。但上述分类标准存在着一定的模糊性，导致了对零售户的划分产生了多种问题，如划分概念存在一定的重复性、公司对零售的细分标准不明确等。因此，如何采用适当的科学的客户细分方法，对客户实现精确的细分，对客户所在的市场容量进行精确分析、精准营销，对于烟草公司提高对市场的

6、控制能力，增加营业收入，具有重要的意义。本文所研究的客户分类模型，是指客户价值和客户行为。客户价值，包括客户当前价值和客户的潜在价值，客户价值默认指客户的当前价值。目前对客户价值研究和应用比较成熟的为从客户行为角度构建的RFM模型。客户的行为研究，可以借助烟草公司业务数据库中的数据交易行为来分析。RFM模型是被广泛使用和认可，用来衡量客户价值的重要工具。本文研究的是某烟草公司2013年的全年销售数据，假定研究时点为2013年1月1日至2013年12月31日，对应客户价值的衡量的三个指标参数分别为客户12个月内的总订烟金额（Moary）、客户

7、最近一次定烟时间到现在间隔的天数（Recency）、客户最近12个月内订烟的总次数（Frequency），RFM模型字段如表1。2.2数据预处理根据烟草公司客户信息表，首先，根据目标工作需要，单独选取出2013年中参与有营销服务的客户数据，入库到新的数据表中。其次，根据客户细分模型的需要，对客户信息表的数据进行补全处理。对订单信息表和客户信息表中的是否存在空值、NULL、异常值，进行检测。发现订单信息表中，没有空值、NULL值，但是在客户购货数量（Quantity）存在负值，经过与业务人员沟通了解到，存在退货的情况。因此，在计算客户购货数量

8、，购货金额时，要考虑到其正负值的实际意义。在公司业务人员交流时，了解到数据库中存在着一部分小客户，订单量非常少，而且订过一次后，可能就没有再继续零售，即该零售网点已停止服务，利用