基于聚类的多指标客户细分方法

吴明礼　黄亚非

摘要：在客户关系管理的RFM经典分析法的基础上，根据电子商务的业务分析，提出适合本系统的多指标客户细分法。采用熵值法对各个指标进行权重的赋值，最后使用K-means算法进行客户细分。该文的评价指标除了使用传统聚类算法的类内距离外，还使用了基于分类思想的泛化能力评估，具有一定的实际意义。通过实验验证了本文提出多指标分析法的有效性。

关键词：客户细分；客户关系管理；RFM；聚类

在互聯网高速发展的今天，企业和客户之间的关系发生了变化，客户拥有了更多的选择权，这给企业带来了更大的压力，企业要想留住老客户增加新客户，就必须更好地去了解客户的需求。因此，企业要与客户建立良好的关系，可以根据与客户交流中产生的历史数据的消费记录，运用相应的数据分析技术，分析客户的消费习惯，作为企业管理人员的决策依据。

目前有很多关于客户细分方面的研究。文献通过使用RFM分析和神经网络来对银行客户进行分析，提高酒店利润。文献指出RFM模型可用于“将有价值的客户定义为同时具有最新近度，频率和货币价值的客户”。

文献主要目标是帮助医院管理者增加利润，降低客户流失的成本。首先将K均值聚类算法应用于目标客户和群体的识别，然后将决策树分类器用作流失预测。文献研究人员为了促进居民和游客参与某市组织的文化活动，并为城市打造自己的吸引力，指导人们访问他们还没有访问的文化场所。这项研究有助于促进政府公共部门CRM的发展。Hu&Yeh;提出RFM模型用于“将有价值的客户定义为同时具有高新近度，频率和货币价值的客户”。Asl han Dursun，Mehem Caber研究尝试通过使用RFM分析来研究在酒店客户CRM中客户价值的分布概况。Gutha Jaya Krishna，Vadlamani Ravi通过使用RFM模型方面来估计客户价值，提高现有顾客的盈利能力。根据一些学者的总结，RFM分析可用于识别高价值客户，CRM客户细分，新产品或新服务的产生，在金融，电信，电子，网上和旅游，零售商等诸多领域的客户终身价值的测量。客户细分是将具体相同属性特征的客户群划分为同类群组，是识别客户需求的有效工具，它有助于企业制定目标营销策略，并最终导致个性化营销，例如：亚马逊，谷歌和其他这样的公司已经开始一对一或个性化的营销。E.Vigneau，E.M.Qannari，B.Navez，v.Cottet通过使用聚类分析根据他们的整体喜好来分割消费者。Chuang and Shen在最近的研究中，一些作者提出了使用WRFM（加权RFM）模型，根据特定行业的特点，将不同的权重分配给新近程度，频率和货币参数。为此，本文在基于CRM中经典的RFM分析方法之上，根据数据系统特征，提出一种新型RFM与k-means相结合，并使用熵值法进行权重调整，得出多指标的客户细分模型。

1相关理论研究

1.1多指标分析模型的提出

传统的RFM分析方法在每个维度上只有一个指标，R代表最近一次消费时间，F代表消费次数，M代表消费总金额。客户的消费行为是一个复杂的过程，若从以上三个指标虽然能从一定程度上反映客户的购买和价值，仍存在一些缺陷。传统RFM主要体现的是客户购买的行为，但对于电子商务系统其业务不仅包括购买流程还有退货的流程。因此本文根据电子商城系统的数据特点构建多指标的客户分析模型。