基于聚類的多指標客戶細分方法

吳明禮　黃亞非

摘要：在客戶關系管理的RFM經典分析法的基礎上，根據電子商務的業務分析，提出適合本系統的多指標客戶細分法。采用熵值法對各個指標進行權重的賦值，最后使用K-means算法進行客戶細分。該文的評價指標除了使用傳統聚類算法的類內距離外，還使用了基于分類思想的泛化能力評估，具有一定的實際意義。通過實驗驗證了本文提出多指標分析法的有效性。

關鍵詞：客戶細分；客戶關系管理；RFM；聚類

在互聯網高速發展的今天，企業和客戶之間的關系發生了變化，客戶擁有了更多的選擇權，這給企業帶來了更大的壓力，企業要想留住老客戶增加新客戶，就必須更好地去了解客戶的需求。因此，企業要與客戶建立良好的關系，可以根據與客戶交流中產生的歷史數據的消費記錄，運用相應的數據分析技術，分析客戶的消費習慣，作為企業管理人員的決策依據。

目前有很多關于客戶細分方面的研究。文獻通過使用RFM分析和神經網絡來對銀行客戶進行分析，提高酒店利潤。文獻指出RFM模型可用于“將有價值的客戶定義為同時具有最新近度，頻率和貨幣價值的客戶”。

文獻主要目標是幫助醫院管理者增加利潤，降低客戶流失的成本。首先將K均值聚類算法應用于目標客戶和群體的識別，然后將決策樹分類器用作流失預測。文獻研究人員為了促進居民和游客參與某市組織的文化活動，并為城市打造自己的吸引力，指導人們訪問他們還沒有訪問的文化場所。這項研究有助于促進政府公共部門CRM的發展。Hu&Yeh;提出RFM模型用于“將有價值的客戶定義為同時具有高新近度，頻率和貨幣價值的客戶”。Asl han Dursun，Mehem Caber研究嘗試通過使用RFM分析來研究在酒店客戶CRM中客戶價值的分布概況。Gutha Jaya Krishna，Vadlamani Ravi通過使用RFM模型方面來估計客戶價值，提高現有顧客的盈利能力。根據一些學者的總結，RFM分析可用于識別高價值客戶，CRM客戶細分，新產品或新服務的產生，在金融，電信，電子，網上和旅游，零售商等諸多領域的客戶終身價值的測量。客戶細分是將具體相同屬性特征的客戶群劃分為同類群組，是識別客戶需求的有效工具，它有助于企業制定目標營銷策略，并最終導致個性化營銷，例如：亞馬遜，谷歌和其他這樣的公司已經開始一對一或個性化的營銷。E.Vigneau，E.M.Qannari，B.Navez，v.Cottet通過使用聚類分析根據他們的整體喜好來分割消費者。Chuang and Shen在最近的研究中，一些作者提出了使用WRFM（加權RFM）模型，根據特定行業的特點，將不同的權重分配給新近程度，頻率和貨幣參數。為此，本文在基于CRM中經典的RFM分析方法之上，根據數據系統特征，提出一種新型RFM與k-means相結合，并使用熵值法進行權重調整，得出多指標的客戶細分模型。

1相關理論研究

1.1多指標分析模型的提出

傳統的RFM分析方法在每個維度上只有一個指標，R代表最近一次消費時間，F代表消費次數，M代表消費總金額。客戶的消費行為是一個復雜的過程，若從以上三個指標雖然能從一定程度上反映客戶的購買和價值，仍存在一些缺陷。傳統RFM主要體現的是客戶購買的行為，但對于電子商務系統其業務不僅包括購買流程還有退貨的流程。因此本文根據電子商城系統的數據特點構建多指標的客戶分析模型。