基于客戶(hù)消費(fèi)行為的電信客戶(hù)聚類(lèi)分析

1、基于客戶(hù)消費(fèi)行為的電信客戶(hù)聚類(lèi)分析文章來(lái)源 畢業(yè)論文網(wǎng)  yjbys小編為您提供一篇畢業(yè)論文，是關(guān)于基于客戶(hù)消費(fèi)行為的電信客戶(hù)聚類(lèi)分析的計(jì)算機(jī)應(yīng)用畢業(yè)論文，歡迎參考！ 關(guān)鍵詞： 移動(dòng)增值業(yè)務(wù) rfm模型 層次分析法 摘要：論文結(jié)合電信行業(yè)特點(diǎn)，將rfm模型和層次分析法結(jié)合起來(lái)衡量客戶(hù)價(jià)值，并采用聚類(lèi)方法對(duì)客戶(hù)細(xì)分，挖掘出潛力客戶(hù)，有效地降低了營(yíng)銷(xiāo)成本。 前言 客戶(hù)細(xì)分是按照一定的標(biāo)準(zhǔn)將企業(yè)現(xiàn)有客戶(hù)劃分為不同客戶(hù)群的過(guò)程，客戶(hù)細(xì)分是精確營(yíng)銷(xiāo)的基礎(chǔ)。通過(guò)客戶(hù)細(xì)分能掌握不同客戶(hù)群的差異化需求，進(jìn)而才能針對(duì)不同客戶(hù)群的差異化需求，設(shè)計(jì)個(gè)性化的產(chǎn)品和服務(wù)

2、，并針對(duì)不同細(xì)分客戶(hù)群設(shè)計(jì)相應(yīng)的營(yíng)銷(xiāo)策略，從而吸引客戶(hù)、保持客戶(hù)、提高客戶(hù)忠誠(chéng)度?？蛻?hù)細(xì)分的方法包括基于客戶(hù)統(tǒng)計(jì)學(xué)特征的客戶(hù)細(xì)分、基于客戶(hù)價(jià)值的客戶(hù)細(xì)分、基于客戶(hù)行為的客戶(hù)細(xì)分、基于客戶(hù)態(tài)度的客戶(hù)細(xì)分。本文結(jié)合電信行業(yè)特點(diǎn)，將rfm模型和層次分析法結(jié)合起來(lái)衡量客戶(hù)價(jià)值，并采用聚類(lèi)方法對(duì)客戶(hù)細(xì)分，挖掘出潛力客戶(hù)，有效地降低了營(yíng)銷(xiāo)成本。 1衡量客戶(hù)價(jià)值 1.1 rfm模型 rfm模型是衡量客戶(hù)價(jià)值和客戶(hù)創(chuàng)利能力的一種重要方法，它基于3個(gè)指標(biāo)，其中，r（recency）代表最近一次購(gòu)買(mǎi)到現(xiàn)在的時(shí)間長(zhǎng)度；f（frequency）代表一定時(shí)期內(nèi)的購(gòu)買(mǎi)次數(shù)；m（monetar

3、y）代表一定時(shí)期內(nèi)客戶(hù)在本企業(yè)的消費(fèi)額。在客戶(hù)價(jià)值研究方面，goodman等1根據(jù)rfm值將企業(yè)有限的物力、財(cái)力應(yīng)用到高價(jià)值客戶(hù)身上。hughes2根據(jù)rfm的值將客戶(hù)分為五類(lèi)，并針對(duì)五類(lèi)客戶(hù)采取不同的銷(xiāo)售策略。本文來(lái)自論文之家:,轉(zhuǎn)載請(qǐng)保留此標(biāo)記stone等3提出不同行業(yè)的rfm應(yīng)賦予不同的權(quán)重。sung4利用som將顧客的rfm值分類(lèi)，然后比較各類(lèi)的rfm平均值以及所有顧客的rfm平均值，觀察各類(lèi)顧客的變化規(guī)律，通過(guò)其上升或者下降，來(lái)判斷各類(lèi)顧客是否為忠誠(chéng)度高的白金顧客還是即將流失的顧客。其中，hughes將客戶(hù)分為五類(lèi)的設(shè)定較主觀；stone的權(quán)重設(shè)定也較為主觀，缺乏一個(gè)系統(tǒng)的方法；su

4、ng的方法將客戶(hù)分為8（2*2*2）類(lèi)也較為主觀。 1.2改進(jìn)rfm模型 雖然rfm模型的最終目的是計(jì)算顧客價(jià)值，但是應(yīng)結(jié)合行業(yè)特點(diǎn)對(duì)rfm模型進(jìn)行改進(jìn)。例如，在傳統(tǒng)的rfm模型中，對(duì)于每天都在使用電信業(yè)務(wù)的客戶(hù)，r值均為零，f值太大難以區(qū)分客戶(hù)，因而，不能用傳統(tǒng)的rfm模型對(duì)電信企業(yè)客戶(hù)進(jìn)行分析。對(duì)于電信行業(yè)，因?yàn)榭蛻?hù)交費(fèi)額度等于消費(fèi)額度，且時(shí)間間隔較大、頻次相對(duì)較少，因此，可以基于客戶(hù)消費(fèi)行為構(gòu)建rfm模型來(lái)衡量客戶(hù)價(jià)值，r代表最近一次交費(fèi)到現(xiàn)在的時(shí)間長(zhǎng)度；f代表一定時(shí)期內(nèi)的交費(fèi)次數(shù)；m代表一定時(shí)期內(nèi)客戶(hù)在本企業(yè)的交費(fèi)額（消費(fèi)額），改進(jìn)后的rfm模型中三個(gè)指標(biāo)的權(quán)重需要

5、采用系統(tǒng)而科學(xué)的方法進(jìn)行分析4。 美國(guó)運(yùn)籌學(xué)家t. l. satty于20世紀(jì)70年代提出的ahp決策分析法（analytic hierarchy process，簡(jiǎn)稱(chēng)ahp方法），是一種定性與定量相結(jié)合的決策分析方法。可以將復(fù)雜問(wèn)題分解為若干層次和若干因素，在各因素之間進(jìn)行簡(jiǎn)單的比較和計(jì)算，就可以得出不同方案重要性程度的權(quán)重，可用來(lái)計(jì)算改進(jìn)后的rfm模型中三個(gè)指標(biāo)的權(quán)重。選擇某市電信公司的三位業(yè)務(wù)經(jīng)理、四位市場(chǎng)營(yíng)銷(xiāo)人員和三位老客戶(hù)采用1-9及其倒數(shù)的標(biāo)度方法對(duì)改進(jìn)后的rfm模型中的三個(gè)指標(biāo)重要性進(jìn)行兩兩比較，分別得到10位評(píng)價(jià)者的判斷矩陣，對(duì)其求平均，得到判斷矩陣a，見(jiàn)表1。&nb

6、sp;表1 判斷矩陣a 采用和積法計(jì)算特征向量，首先將判斷矩陣a每一列歸一化 對(duì)按列歸一化的判斷矩陣，再按行求和將向量 = 歸一化則                  即為所求的特征向量，wi代表各因素的相對(duì)權(quán)重，經(jīng)計(jì)算，判斷矩陣a的特征向量為  ，其中m的權(quán)重最大，f的權(quán)重次之，r的權(quán)重最小，即10位評(píng)價(jià)者認(rèn)為交費(fèi)金額是影響顧客價(jià)值的最主要因素，交費(fèi)的頻度f(wàn)次之，而近度r是最不重要因素。&nbs

7、p;接著計(jì)算判斷矩陣a的最大特征根 為了防止判斷矩陣中出現(xiàn)相互矛盾之處，需要對(duì)判斷矩陣做一致性檢驗(yàn)。首先，計(jì)算一致性指標(biāo)ci 接著，為了檢驗(yàn)判斷矩陣是否具有令人滿(mǎn)意的一致性，還需要將ci與平均隨機(jī)一致性指標(biāo)ri進(jìn)行比較。查表可知，ri=0.58，因而，隨機(jī)一致性比率 ，因?yàn)閏r<0.1，可以認(rèn)為層次分析排序的結(jié)果有滿(mǎn)意的一致性。 1.3計(jì)算客戶(hù)價(jià)值 從某市電信公司的客戶(hù)記錄中隨機(jī)抽取了11305名客戶(hù)的2010年4月至2011年3月繳費(fèi)記錄進(jìn)行分析，以季度為時(shí)間段，分別統(tǒng)計(jì)各個(gè)季度的客戶(hù)價(jià)值。以2010第二季度，即2010年4月至2010年6月為例

8、，r代表此季度中最后一次繳費(fèi)到6月底的時(shí)間長(zhǎng)度；f代表此季度中的繳費(fèi)次數(shù)；m代表此季度中客戶(hù)的繳費(fèi)額。由于rfm模型中三個(gè)指標(biāo)的度量單位不同，需要先分別對(duì)其標(biāo)準(zhǔn)化，然后才能加權(quán)計(jì)算。對(duì)于指標(biāo)r，其值越小，客戶(hù)價(jià)值越大，為損益指標(biāo)，因而其標(biāo)準(zhǔn)化公式為 ，xmax為11305條記錄中最大的r值，xmin為11305條記錄中最小的r值；對(duì)于指標(biāo)f和指標(biāo)m，其值越大，客戶(hù)價(jià)值越大，為增益指標(biāo)，因而，準(zhǔn)化公式為 。用cr、cf、cm分別代表標(biāo)準(zhǔn)化后的r、f、m值，用c代表客戶(hù)rfm模型中各項(xiàng)指標(biāo)加權(quán)后的總得分，即此季度的客戶(hù)價(jià)值，則c=wrcr+wfcf+wmcm，其中,wr、wf、wm分別為指標(biāo)r、f

9、、m的權(quán)重，在前面用ahp方法已求出。依次類(lèi)推，分別求出剩余3個(gè)季度的客戶(hù)價(jià)值。 2尋找潛力客戶(hù) 2.1 k-means算法 j.b.macque在1967年提出的k-means算法，是一種經(jīng)典聚類(lèi)算法，其核心思想是把一個(gè)數(shù)據(jù)對(duì)象劃分為k個(gè)聚類(lèi)，使每個(gè)聚類(lèi)中的數(shù)據(jù)點(diǎn)到該聚類(lèi)中心的平方和最小。k-means算法首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類(lèi)中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類(lèi)中心的相似度(距離)，分別將它們分配給與其最相似的聚類(lèi)；然后，再計(jì)算每個(gè)所獲新聚類(lèi)的聚類(lèi)中心；不斷重復(fù)這一過(guò)程直到滿(mǎn)足收斂條件。類(lèi)間相似度(距離)的計(jì)算方法有類(lèi)平

10、均法、重心法、最長(zhǎng)距離法、差平方和法等，本文采用離差平方和來(lái)計(jì)算類(lèi)間距離。 在 k-means 算法中，聚類(lèi)數(shù)目k要事先給定。對(duì)于給定的數(shù)據(jù)集，要確定最佳聚類(lèi)數(shù)目k，可以根據(jù)方差理論，采用r2統(tǒng)計(jì)量、偽f統(tǒng)計(jì)量或偽t2統(tǒng)計(jì)量來(lái)確定。 （1）r2統(tǒng)計(jì)量。r2=1-sk/s，其中k為分類(lèi)數(shù)目，而sk代表k個(gè)類(lèi)的總類(lèi)內(nèi)離差平方和，s為所有變量的總離差平方和。理論上，k越大，每個(gè)分類(lèi)越小，sk越小，r2越大，但是，k太大，分類(lèi)將失去意義，所以，只能取k，使得k比較小，而且r2足夠大且不再大幅度增加。 （2）偽f統(tǒng)計(jì)量。f=(s-sk)/(k-1)/ sk/(n-k)，n為

11、數(shù)據(jù)對(duì)象的數(shù)目，s、sk的含義同上。所以，只能取k，使得k比較小，且類(lèi)內(nèi)離差平方和（分母）應(yīng)該較小，類(lèi)間平方和（分子）相對(duì)較大，偽f統(tǒng)計(jì)量較大。 2.2 確定聚類(lèi)數(shù)目 對(duì)于聚類(lèi)數(shù)目k，從216取值，分別用k-means算法進(jìn)行15次聚類(lèi)，聚類(lèi)后的r2統(tǒng)計(jì)量和偽f統(tǒng)計(jì)量分別見(jiàn)圖1和圖2。 圖1 r2統(tǒng)計(jì)量的變化情況 由圖1可知，在k=7和k=12兩處，r2統(tǒng)計(jì)量分別達(dá)到峰值，但k=7處，即由8類(lèi)合并為7類(lèi)時(shí)，r2增幅更大，更明顯。 圖2 偽f統(tǒng)計(jì)量的變化情況 由圖2可知，在k=5、k=7、k=11三處，偽f統(tǒng)計(jì)量分別達(dá)到峰值，但k=7處

12、，即由8類(lèi)合并為7類(lèi)時(shí)，增幅更大，更明顯。 結(jié)合圖1和圖2可知，聚類(lèi)數(shù)目取值為7時(shí)，聚類(lèi)更合理。令k=7，用k-means算法進(jìn)行聚類(lèi)，并對(duì)每個(gè)分類(lèi)的rfm值求平均，結(jié)果見(jiàn)表2，觀察每個(gè)分類(lèi)rfm值在四個(gè)時(shí)間段的變化規(guī)律。 表2 四個(gè)時(shí)間段的客戶(hù)價(jià)值 對(duì)表2中的數(shù)據(jù)做折線圖，可以看出七類(lèi)顧客價(jià)值變化走勢(shì)圖，見(jiàn)圖3。其中，第三類(lèi)客戶(hù)的客戶(hù)價(jià)值高，其客戶(hù)價(jià)值遠(yuǎn)遠(yuǎn)超過(guò)其它六類(lèi)客戶(hù)；第二類(lèi)客戶(hù)的客戶(hù)價(jià)值雖然在第一時(shí)間段相對(duì)較低，但增長(zhǎng)較快，有較大的發(fā)展?jié)摿?；第四?lèi)、五類(lèi)、六類(lèi)客戶(hù)價(jià)值波動(dòng)很大，發(fā)展?jié)摿Σ淮螅坏谄哳?lèi)客戶(hù)價(jià)值雖然平穩(wěn)，但客戶(hù)價(jià)值較低，沒(méi)有發(fā)展?jié)摿?；第一?lèi)客戶(hù)的

13、客戶(hù)價(jià)值快速減少，為即將流失客戶(hù)。因而，選擇客戶(hù)價(jià)值高的第2類(lèi)客戶(hù)和有發(fā)展?jié)摿Φ?類(lèi)客戶(hù)共2091人作為移動(dòng)增值業(yè)務(wù)的精確營(yíng)銷(xiāo)對(duì)象。 圖3 七類(lèi)顧客價(jià)值變化走勢(shì)圖 3結(jié)論 目前，國(guó)內(nèi)的通信企業(yè)并未采取有效手段對(duì)客戶(hù)進(jìn)行細(xì)分，只是簡(jiǎn)單的將市場(chǎng)劃分為大客戶(hù)市場(chǎng)、普通個(gè)人客戶(hù)市場(chǎng)、校園市場(chǎng)等，因而，無(wú)法獲取主要客戶(hù)群體的需求特點(diǎn)，進(jìn)而也不能采取有針對(duì)性的市場(chǎng)策略，結(jié)果是雖然獲取了客戶(hù)，但客戶(hù)質(zhì)量不高。針對(duì)電信業(yè)務(wù)特點(diǎn)，依據(jù)客戶(hù)價(jià)值進(jìn)行客戶(hù)細(xì)分，挖掘出潛力客戶(hù)，有針對(duì)性的開(kāi)展精確營(yíng)銷(xiāo)，不但能有效地降低營(yíng)銷(xiāo)成本，而且能大大提高了營(yíng)銷(xiāo)效率，為進(jìn)一步的精確營(yíng)銷(xiāo)打下了堅(jiān)實(shí)的基礎(chǔ)。 參考文獻(xiàn)： 1 goodman j.leveraging the customer database to your competi-tive advantagej.direct marketing,1992,55(8):26-27. 2 hughes a