基于k-means聚类算法的客户细分研究

《基于k-means聚类算法的客户细分研究》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、基于K-Means聚类算法的客户细分研究ResearchonCustomerSegmentationbasedonK-Meansclusteringalgorithm作者姓名张静学位类型工程硕士学科、专业计算机技术研究方向数据挖掘导师及职称田卫东副教授方明高工2013年11月基于K-Means聚类算法的客户细分研究摘要随着科技的进步和国民经济的发展，通信行业得到了飞速的发展。各通信企业也逐步认识到：客户才是真正的资产，企业的营销模式也从大众化营销转化为一对一的营销。在建立和完善以客户为中心的营销体系，最重要的就是对客户进行细分，即通过挖掘隐藏在数据中的客户特征，将客户按其

2、特征进行分类，从而可以为不同价值客户提供差异性的产品和服务。因此本文拟基于客户细分理论和方法，利用K-Means聚类算法，设计面向通信企业的客户细分方法。本文所做的工作主要包括：（1）详细介绍了客户细分的基本概念、理论和方法，分析了客户细分领域的国内外研究现状，着重研究了通信企业中进行客户细分的的特点以及主要的技术方法。介绍了聚类分析的基本概念、原理及相关的评价标准等，研究了当前主要的几种聚类算法，尤其是K-Means算法的工作原理及特点。（2）针对通信企业的客户细分问题，设计了基于K-Means算法的客户细分方法。首先收集并整理了国内某通信企业的客户数据，并根据通信企业

3、客户数据的特点对数据进行处理，讨论并设计了包括数据清洗以及除噪、异常值处理的方法；利用主成分分析方法，分析了客户数据的维度特点，实现数据降维；从电信客户的消费者行为角度出发，用K-Means算法对客户数据进行分层聚类，建立客户细分模型；最后根据分层聚类结果依据最优原则将客户划分为不同的细分类别，并仔细分析了不同类别客户的特征。（3）分别采用了SOM、BIRCH和K-Means三种聚类算法，设计了多组实验，比较其用于客户细分应用的有效性，试验结果表明，K-Means算法在通信企业的客户细分中有着较好的整体性能，其结果可以很好地为通信企业市场营销提供依据。关键字：客户细分层次

4、聚类K-MEANS算法ResearchonCustomerSegmentationbasedonK-MeansclusteringalgorithmABSTRACTWiththeadvancementoftechnologyandthedevelopmentofthenationaleconomy,thecommunicationsindustryhasgotrapiddevelopment.Thetelecommunicationscompanieshavegraduallyrealizedthatcustomersarethereallyvaluableassets,

5、andhavechangedtheirmarketingmodelfrommass–orientedmarketingintoone-orientedmarketing.Themostimportantinestablishingcustomer-centricmarketingsystemistosegmentcustomers,i.e.,classifycustomersintocategoriesbasedoncustomercharacteristicsminedfromrawcustomerdatasetsothatenterprisescanprovidecu

6、stomerswithexclusiveproductsandservices.Inthisthesis,basedontraditionalcustomersegmentationtheories,K-meansclusteringalgorithmhasbeenstudiedandhasbeenappliedintocommunicationenterprise’scustomersegmentation.Themainworksofthisthesisareasfollows:(1)Itintroducesthebasicconcepts,theoriesandme

7、thodsofcustomersegmentation,analyzesitscurrentresearchathomeandabroad,andfocusesontheresearchonthefeaturesandmajortechnicalmethodsofcustomersegmentationintheenterprises.Italsointroducesthebasicconcepts,principlesandrelevantevaluationcriteriaofclusteranalysis,studies