改進(jìn)的K-means算法在客戶分類中的應(yīng)用

崔曉云，王歡歡，錢慎一

（1.河南省煙草公司鄭州市公司卷煙配送中心，鄭州450000；2.鄭州輕工業(yè)學(xué)院計(jì)算機(jī)與通信工程學(xué)院，鄭州　450000）

改進(jìn)的K-means算法在客戶分類中的應(yīng)用

崔曉云1，王歡歡2，錢慎一2

（1.河南省煙草公司鄭州市公司卷煙配送中心，鄭州450000；2.鄭州輕工業(yè)學(xué)院計(jì)算機(jī)與通信工程學(xué)院，鄭州450000）

0　引言

面對異常激烈的市場競爭，企業(yè)無論在生存還是在發(fā)展上均受到了嚴(yán)峻的考驗(yàn)。目前，有許多著名的研究所表明，企業(yè)開發(fā)客戶雖然很難，但維持一個(gè)客戶會(huì)更難。此外，帕累托理論顯示，企業(yè)的絕大部分的利潤是由企業(yè)20%的客戶創(chuàng)造的，而這20%就是企業(yè)最重要客戶。說明雖然很少但很重要。此外，另外一些研究結(jié)果表明，高成本顧客抵消掉了企業(yè)一半的利潤［1］。因此，企業(yè)在進(jìn)行客戶關(guān)系管理時(shí)挖掘出哪些是企業(yè)最重要的客戶、哪些是不重要的客戶是至關(guān)重要的。

數(shù)據(jù)挖掘技術(shù)一直是值得學(xué)習(xí)的一門知識(shí)。從大量數(shù)據(jù)中用數(shù)據(jù)挖掘的方法發(fā)現(xiàn)其中潛在的信息和人們感興趣的數(shù)據(jù)模式成為了人們的一種一般需求。隨著數(shù)據(jù)挖掘的不斷發(fā)展，挖掘的方法層出不窮，其中最基本的方法是聚簇。k-means算法在聚簇方法中，是最著名也是最常用的劃分法之一［2］。再許多實(shí)際的問題中，聚類分析在都有著很重要的應(yīng)用，如：在股票市場，用此方法把具有相似價(jià)格浮動(dòng)的股票進(jìn)行分組；用于客戶關(guān)系管理中的客戶價(jià)值劃分等［3］。在生物學(xué)和醫(yī)學(xué)領(lǐng)域里，將有相似功能的蛋白質(zhì)和基因分組；K-means聚類算法是目前最為傳統(tǒng)也最為經(jīng)典的聚類算法，通過不斷地調(diào)整更新，整合離中心點(diǎn)相鄰數(shù)據(jù)的均值，將數(shù)據(jù)聚類。該算法具有算法速度快，穩(wěn)定性好，原理簡單等優(yōu)點(diǎn)，被廣泛的應(yīng)用于科學(xué)研究和工商業(yè)等領(lǐng)域［4］。

1　客戶價(jià)值理論

客戶的價(jià)值是指能為企業(yè)帶來的最大的效益，為了能獲得更大的利潤企業(yè)就需要對客戶進(jìn)行分門別類的管理，利用合理的營銷策略激發(fā)客戶的購買熱情，使其更好地為企業(yè)服務(wù)，創(chuàng)造出更多的價(jià)值。

如果客戶對某種服務(wù)或者產(chǎn)品者生產(chǎn)不太滿意，他們會(huì)很快轉(zhuǎn)移把目標(biāo)和興趣，重新發(fā)現(xiàn)或者關(guān)注其他的產(chǎn)品，甚至更換產(chǎn)品供應(yīng)商，從而給企業(yè)帶來巨大損失。因此，企業(yè)要將客戶的滿意度提高，就不得不對客戶進(jìn)行分門別類的管理［5］。

2　K-means算法［6］

2.1K-means算法原理

K-means算法，也被稱之為K-均值。該算法首先人任意地抽取幾個(gè)對象作為初始的質(zhì)心；然后將剩余的每個(gè)對象，根據(jù)其與各個(gè)質(zhì)心的距離賦給最近的簇，然后對每個(gè)簇的質(zhì)心進(jìn)行重新計(jì)算；不斷重復(fù)這個(gè)過程，直到準(zhǔn)則函數(shù)不再發(fā)生任何變化。通常采用的準(zhǔn)則函數(shù)為，SSE（Sum of the Squared Error），其定義如下：

2.2初始中心的確定

對聚類結(jié)果產(chǎn)生較大影響的是對初始聚類中心的選擇，如果選擇的不好，將無法得到有效的聚類結(jié)果。可以通過多對一些不同初值的設(shè)置，將最后的運(yùn)算結(jié)果進(jìn)行對比，如果結(jié)果一直趨于穩(wěn)定，則說明選取恰當(dāng)，但比較浪費(fèi)資源且耗時(shí)比較大。本文通過建立MTA數(shù)據(jù)模型，通過V值對數(shù)據(jù)進(jìn)行初始值處理，確定的初始質(zhì)心，可以得到良好的聚類效果。

在《大數(shù)據(jù)》書中曾提到兩種方法對初始質(zhì)心點(diǎn)的選取［8］：（1）選擇點(diǎn)時(shí)彼此盡可能遠(yuǎn)（2）用Canopy算法或者層次聚類算法進(jìn)行聚類，然后，從得到K個(gè)簇中選擇一個(gè)點(diǎn)，該點(diǎn)可以是距離類簇中心點(diǎn)最近的那個(gè)點(diǎn)或者是該類簇的中心點(diǎn)。

3　在某公司客戶價(jià)值細(xì)分中的應(yīng)用

3.1數(shù)據(jù)清洗［7］

本文所使用的數(shù)據(jù)來源于鄭州市金水區(qū)煙草物流公司近一年的134萬訂單數(shù)據(jù)，在數(shù)據(jù)庫中一共六張與顧客購買記錄相關(guān)的數(shù)據(jù)表。數(shù)據(jù)表中的記錄為主要研究對象包含了訂單代碼、客戶編碼、訂單日期、商品編號(hào)、商品數(shù)量、商品金額、購買次數(shù)、線路編號(hào)等50個(gè)字段。

數(shù)據(jù)清洗通過對數(shù)據(jù)進(jìn)行一致性檢查，缺失值和無效值的處理，發(fā)現(xiàn)并糾正數(shù)據(jù)文件中可識(shí)別的錯(cuò)誤。根據(jù)每個(gè)變量的相互關(guān)系和合理取值范圍進(jìn)項(xiàng)一致性檢查，檢查此數(shù)據(jù)是否合乎要求。本文首先對數(shù)據(jù)進(jìn)行了一致性檢查，發(fā)現(xiàn)本次數(shù)據(jù)并無超出正常范圍而且邏輯上合理或者不存在矛盾的數(shù)據(jù)。之后對數(shù)據(jù)進(jìn)行了缺失值的檢查，將存在缺失值的數(shù)據(jù)刪除。

3.2數(shù)據(jù)整合

數(shù)據(jù)整合的目的就是將同一個(gè)客戶的不同記錄進(jìn)行合并。本文針對客戶12個(gè)月的訂單數(shù)據(jù)進(jìn)行了整合。首先，我們 從數(shù)據(jù)庫中抽取出客戶購買次數(shù)、購買數(shù)量、消費(fèi)金額、訂單編碼客戶編碼五個(gè)字段。之后將提取出的客戶在12個(gè)月中的消費(fèi)金額匯總得到購買總金額。將客戶的購買編號(hào)進(jìn)行計(jì)數(shù)，得到購買次數(shù)。其次，將每月 31號(hào)設(shè)置為截止日期，提取出每個(gè)客戶每個(gè)月最后一次購買時(shí)間，并將這個(gè)時(shí)間與截止日相減，得到最后總的購買數(shù)量。

3.3建立客戶價(jià)值細(xì)分模型

綜合前述客戶價(jià)值劃分理論，建立二維客戶價(jià)值細(xì)分矩陣。根據(jù)客戶價(jià)值評價(jià)指標(biāo)體系矩陣，客戶價(jià)值評價(jià)指標(biāo)體系具有三個(gè)象限，綜合客戶的當(dāng)前價(jià)值和潛在價(jià)值，分別根據(jù)客戶當(dāng)前價(jià)值和潛在價(jià)值的不同，得出客戶總價(jià)值。將公司客戶細(xì)分為三類，分別是：高價(jià)值客戶、低價(jià)值價(jià)值、潛在價(jià)值客戶。

3.4指標(biāo)及其權(quán)重的確定

根據(jù)隨機(jī)抽取的21個(gè)客戶，選擇次數(shù)、金額和數(shù)量作為指標(biāo)體系，三個(gè)指標(biāo)的權(quán)重系數(shù)分別為：0.3，0.2 和0.5.采用下面的公式計(jì)算客戶價(jià)值，初步用V值進(jìn)行分類，并對其排序。如表1所示：

v=0.5×（數(shù)量/數(shù)量平均值）+0.3×（次數(shù)/次數(shù)平均值）+0.2×（金額/金額平均值）

表1　客戶指標(biāo)數(shù)據(jù)

3.5聚類迭代分析

對初步處理后的數(shù)據(jù)進(jìn)行規(guī)格化處理后，設(shè)k=3，即將這21個(gè)客戶分成三個(gè)集團(tuán)。抽取客戶編號(hào)為900536、926329和932746的值作為三個(gè)初始運(yùn)算點(diǎn)，即初始化三個(gè)中心為：

A：｛0.9285714，0.501555772，0.286658528｝

B：｛0.6870329 0.0638110870.654634025｝

C：｛0.909090909，0.014509259，0.014509259｝

期間不斷調(diào)整三個(gè)中心點(diǎn)，利用K-means算法進(jìn)行三次運(yùn)算后，得到如圖1所示客戶價(jià)值分布圖：

圖1　客戶價(jià)值分布圖

3.6基于優(yōu)化K-means聚類的客戶細(xì)分效果

利用以上優(yōu)化的K-means算法，我們利用MATLAB軟件，將客戶分為三部分，其中紅色部分為最重要的客戶，藍(lán)色部分為次重要的客戶，黑色部分為隱含的客戶，從圖上不但可以直觀地看出客戶價(jià)值的分布情況，同時(shí)還可以得出處在每個(gè)價(jià)值區(qū)間的客戶數(shù)量，聚類效果清晰明了。聚類效果圖如圖2所示。

3.7決策的制定

具有較高價(jià)值的客戶，公司需要加大關(guān)注力度以防流失，穩(wěn)固為主提升為輔。提高他們的活躍程度，加長存留期。一般來說，低價(jià)值客戶，公司可以從客戶的愛好、習(xí)慣、生活背景等多角度進(jìn)行分析。找出購買力度低的主要原因，制定針對性的策略提高他們的購買頻率。對于潛在客戶則要想法挖掘，同時(shí)不能流失，在關(guān)注的同時(shí)想法激發(fā)起活躍度，使其有潛在客戶轉(zhuǎn)型為高價(jià)值客戶。

圖2　基于K-means的聚類效果圖

4　結(jié)語

通過對該系統(tǒng)數(shù)據(jù)的分析，可以得知該公司的發(fā)展規(guī)模和基本情況，可以進(jìn)行有針對性的管理，該算法在其中發(fā)揮了良好的作用，具有很好的實(shí)用性。通過對比不同情況下的分布圖可知，結(jié)果比較穩(wěn)定，符合了實(shí)際情況。

［1］范明，孟小峰譯.數(shù)據(jù)挖掘概念與技術(shù)——聚類分析［M］.北京：機(jī)械工業(yè)出版社，2001.223-258.

［2］Andrea Vattani.k_means Requires Exponentially Many Iterations［J］.Discrete Comput Geom，2011（45）.

［3］Ching-Hsue Cheng.Classifying the Segmentation of Customer Value Via RFM Model and RS theory［J］.Expert Systems with Applications，2009（36）.

［4］于輝，廖小紅.客戶細(xì)分方法綜述［J］.中小企業(yè)管理與科技（下旬刊），2014，11：17-18.

［5］Wishart D.K-meansClustering with Outlier Detection［C］.Proc.of the 25th Annual Conf.of the German Classification Society.Munich，Germany：University of Munich Press，2001：14-16.

［6］詹海亮，薛惠鋒，蘇錦旗.基于人工免疫系統(tǒng)的克隆——K均值算法［J］.計(jì)算機(jī)仿真，2008，25（11）：191-195.

［7］張建萍，劉希亞.基于聚類分析的K-Meams算法研究與應(yīng)用［J］.計(jì)算機(jī)應(yīng)用研究，2007，24（5）：166-168.

［8］袁方，周志勇，宋鑫.初始聚類中心優(yōu)化的K-Means算法［J］.計(jì)算機(jī)工程，2007，33（3）：5-66.

Customer Value；K-means Algorithm；Customer Relationship Management

Application of Optimized K-means Algorithm in Customer Value Segmentation

CUI Xiao-yun1，WANG Huan-huan2，QIAN Shen-yi2
（1.Henan Tobacco Companies Zhengzhou Company Cigarette Distribution Center，2.School of Computer and Communication Engineering，Zhengzhou University of Light Industry，Zhengzhou 450000）

1007-1423（2016）24-0025-04DOI：10.3969/j.issn.1007-1423.2016.24.006

崔曉云（1977-），女，河南鄭州人，本科，高級物流師，研究方向?yàn)槲锪鞴芾?/p>

王歡歡（1989-），女，河南汝州人，碩士研究生，研究生，研究方向?yàn)閿?shù)據(jù)挖掘

錢慎一（1975-），男，江蘇揚(yáng)州人，碩士，副教授，碩士生導(dǎo)師，CCF會(huì)員，研究方向?yàn)閿?shù)據(jù)庫與信息集成、計(jì)算機(jī)應(yīng)用技術(shù)

2016-03-22

2016-08-15

對客戶價(jià)值的劃分，可以為企業(yè)進(jìn)行準(zhǔn)確的客戶定位，制定良好的市場營銷戰(zhàn)略。利用優(yōu)化K-means算法初始值的選取，建立客戶潛在價(jià)值和客戶當(dāng)前價(jià)值表，并以某物流公司現(xiàn)有的實(shí)際數(shù)據(jù)為基礎(chǔ)進(jìn)行實(shí)證分析。將所有客戶分為重要客戶、次重要客戶、隱含價(jià)客戶三類，分析各類客戶的消費(fèi)特性，提出針對性的客戶營銷及管理方式。

客戶價(jià)值；K-means算法；客戶關(guān)系管理

河南省煙草公司科技研究項(xiàng)目，河南省科技攻關(guān)項(xiàng)目（No.122102210024）

Customer value for enterprise，can accurate positioning，establish a good marketing strategy.Selects K-means optimization algorithm of the initial value，builds customer potential value and customer current value table，and makes the actual data of a logistics company based on existing empirical analysis.All customers are divided into three types：high value customers，low value customers，potential value customers，analyzes the various types of customer consumption characteristics，and puts forward the targeted customer marketing and management.