基于 SOM和 PSO聚類組合算法的客戶細分研究

廉 琪,蘇 屹

(哈爾濱工程大學 經濟管理學院,黑龍江 哈爾濱 150001)

●營銷管理

基于 SOM和 PSO聚類組合算法的客戶細分研究

廉 琪,蘇 屹

(哈爾濱工程大學 經濟管理學院,黑龍江 哈爾濱 150001)

文章在對 RFM指標體系進行分析的基礎上,應用自組織特征映射 (SOM)神經網絡和粒子群優化(PSO)的聚類組合算法,通過客戶關系的特征衡量分析客戶的內在價值和忠誠度,對客戶數據進行了科學、客觀、深層次的挖掘分析,為企業有針對性的制定營銷策略提供了依據。

客戶細分;SOM算法;PSO算法;RFM指標體系

當代企業間的競爭已經從市場份額的爭奪轉向客戶群體的爭奪,事實證明,許多在客戶數據挖掘方面做的出色的企業都已取得了斐然的銷售業績。例如,寶潔公司在分析客戶數據時發現大量客戶都為頭屑問題所困擾,于是寶潔公司立刻研發生產去屑洗發水,該洗發水投入市場后獲得了無數客戶的認可和好評,為寶潔公司帶來了巨大的收益。可見,企業通過客戶數據信息挖掘出客戶需求的潛在性和多樣性,已經成為企業提升核心競爭力的重要前提與基礎。因此,如何高效率并準確的挖掘、利用客戶信息,細分不同的客戶群體和客戶需求,進而增加企業銷量、降低營銷成本、推動企業發展,將成為現代企業間無形的競爭。雖然,我國大部分企業都已非常重視客戶數據挖掘工作,但是由于目前有些數據挖掘算法本身的不精確性和評價體系構建的不當,致使企業無法滿足客戶多樣化的需求并保持客戶忠誠度,有時甚至因此流失大量的潛在客戶。……