基于項(xiàng)集的動(dòng)態(tài)客戶細(xì)分群

1、基于項(xiàng)集的動(dòng)態(tài)客戶細(xì)分群yjbys小編為您提供一篇關(guān)于基于項(xiàng)集的動(dòng)態(tài)客戶細(xì)分群的市場營銷畢業(yè)論文，歡迎參考！摘要：動(dòng)態(tài)市場中，客戶往往被有創(chuàng)意和競爭力的新產(chǎn)品或效勞所吸引，其需求和態(tài)度 亦經(jīng)常變化，所以識別客戶細(xì)分群并不時(shí)的跟蹤其變化是一個(gè)非常有用的手段。 在本文中，我們提出了一個(gè)考慮到市場動(dòng)態(tài)性的基于頻繁項(xiàng)集的客戶細(xì)分方法， 它對客戶細(xì)分即頻繁項(xiàng)集的支持度軌跡進(jìn)展變化分析，進(jìn)而挖掘出我們感興趣的呈現(xiàn)某種趨勢或保持穩(wěn)定的細(xì)分。好的客戶關(guān)系管理意味著需要預(yù)見到顧客的需求還有態(tài)度的變化，及時(shí)向顧客提供和滿足其潛在的需求，或是在顧客還未流失的時(shí)候及時(shí)發(fā)現(xiàn)其不滿意的地方并加以改進(jìn)，令顧客滿意。作為客戶

2、關(guān)系管理的核心及根底，客戶細(xì)分對企業(yè)的戰(zhàn)略戰(zhàn)術(shù)管理提供多方面多層次的信息支持。正如摘要所提到的通常的客戶細(xì)分。假設(shè)客戶數(shù)據(jù)中本身含有類別屬性，那么可以通過訓(xùn)練分類器將待分類的客戶劃分到某一客戶類中去；假設(shè)客戶數(shù)據(jù)中不含有類別屬性，那么可以通過諸如聚類的算法，將特征相似的客戶劃分為一類客戶群，但皆不會(huì)反映出客戶群的變化情況。本文通過發(fā)現(xiàn)頻繁項(xiàng)集從而挖掘出所謂感興趣的細(xì)分群，我們把這個(gè)感興趣的細(xì)分群定義為那些呈現(xiàn)出某些變化情況的細(xì)分。一、頻繁項(xiàng)集及支持度軌跡1.頻繁項(xiàng)集一個(gè)屬性-值的配對就是一項(xiàng)，一些屬性-值配對的集合就是項(xiàng)集，因?yàn)槲覀兯P(guān)注的項(xiàng)集覆蓋量或者說支持度比較大，所以把它稱為頻繁項(xiàng)集。形

3、式上，數(shù)據(jù)集中所有項(xiàng) 的集合，用 來表示，那么一個(gè)子集 ， 就是項(xiàng)集。每個(gè)客戶記錄數(shù)據(jù)，其實(shí)也是一個(gè)項(xiàng)集，我們用 表示。因此，當(dāng)?shù)臅r(shí)候，我們就說客戶數(shù)據(jù) 覆蓋或者支持項(xiàng)集。某個(gè)項(xiàng)集 的頻率，是用它的支持度sup()來度量的，用P( )或者P( )表示。例如，我們有一個(gè)數(shù)據(jù)集，包含了關(guān)于客戶滿意度的調(diào)查結(jié)果，從中得到一個(gè)頻繁項(xiàng)集：網(wǎng)齡5年，滿意度80分。這個(gè)頻繁項(xiàng)集的支持度就是那些網(wǎng)齡在5年以下但滿意度的分?jǐn)?shù)高于80分的客戶的相對頻率，也就是說，它的支持度描繪了這個(gè)客戶細(xì)分群的相對規(guī)模。接下來，我們將頻繁項(xiàng)集和客戶細(xì)分群這兩個(gè)詞作為同義詞。2.支持度軌跡二、步驟1.提取頻繁項(xiàng)集本文細(xì)分群的提取就

4、是頻繁項(xiàng)集的提取，我們的任務(wù)就是把一些項(xiàng) 的集合找出來形成項(xiàng)集 ，滿足一定覆蓋量要求的項(xiàng)集 就是頻繁項(xiàng)集，而覆蓋某項(xiàng)集的所有客戶的集合就形成了一個(gè)細(xì)分群。接下來，對于每個(gè)項(xiàng)集 ，我們計(jì)算出其支持度sup( ,Ti)假設(shè)某個(gè)sup( ,Ti)小于我們預(yù)定的覆蓋量，那么不記錄它，形成支持度軌跡H( )。2.支持度軌跡變化分析我們關(guān)注兩種變化：穩(wěn)定的變化和呈現(xiàn)出某種趨勢的變化，不關(guān)注不規(guī)律的變化認(rèn)為是環(huán)境的因素造成的。假設(shè)在一定時(shí)間范圍內(nèi)某個(gè)軌跡呈現(xiàn)出向上的增長或者向下的減少，這種增長或減少是逐漸的，我們就說它是一種趨勢。一個(gè)軌跡只能是過去和如今的情況的反映，但是呈現(xiàn)某種趨勢的軌跡，在環(huán)境不變的情況

5、下，那么可以據(jù)此對將來的情況做出一個(gè)估計(jì)。對于某種客戶細(xì)分群，企業(yè)通常都有一個(gè)對趨勢的期望，要么期望其膨脹，要么期望其縮小，但是當(dāng)企業(yè)的期望與實(shí)際情況有出入的時(shí)候，企業(yè)就會(huì)知道應(yīng)該在戰(zhàn)略和策略上做出調(diào)整了。對應(yīng)的，假設(shè)在一定時(shí)間范圍內(nèi)某個(gè)軌跡呈現(xiàn)的情況為，其值總是在一個(gè)程度上上下波動(dòng)，就像價(jià)值規(guī)律一樣，我們就說它是穩(wěn)定的變化。在環(huán)境不變的情況下，亦可以據(jù)此對將來的 下轉(zhuǎn)第62頁 上接第50頁 情況做出一個(gè)估計(jì)。對于企業(yè)來說，往往很多客戶細(xì)分群呈現(xiàn)出穩(wěn)定的變化，就 是他們所期望的。3.興趣評估 在一次詳細(xì)實(shí)驗(yàn)中，我們可能會(huì)發(fā)現(xiàn)很多感興趣的細(xì)分，但不是對每個(gè)頻繁項(xiàng)集 我們都有同樣的興趣，這就引出了

6、一個(gè)興趣度的概念，其實(shí)就是我們主觀上給某個(gè)頻繁項(xiàng)集對于我們的興趣程度打個(gè)分，以表示我們對它的關(guān)注度。我們給出了一個(gè)啟發(fā)式的度量方法：假設(shè)一個(gè)頻繁項(xiàng)集呈現(xiàn)出的實(shí)際變化形式與企業(yè)最初對頻繁項(xiàng)集變化形式的估計(jì)有較大差異，那么分?jǐn)?shù)自然就較高。接下來，我們給出一些反映差異的情況：1最初估計(jì)是穩(wěn)定的變化，但實(shí)際是有趨勢的變化；2最初估計(jì)是有趨勢的變化，且變化的速度比較緩慢，但實(shí)際出現(xiàn)了某些突變或是速度較快的情況；3最初估計(jì)是有趨勢的變化，且變化的速度比較快，但實(shí)際的變化比較不明顯。因此，最初的估計(jì)與實(shí)際的情況差異越大，分?jǐn)?shù)就越高，這樣的頻繁項(xiàng)集或者細(xì)分，就越是企業(yè)需要關(guān)注的，或者說需要引起重視的，以便企業(yè)及時(shí)做出調(diào)整，采取措施。我們將此方法運(yùn)用到某企業(yè)的實(shí)際客戶數(shù)據(jù)中，發(fā)現(xiàn)了很多感興趣的客戶細(xì)分群和趨勢并提出了一些建立性的策略，在此不贅述。本文旨在提出這個(gè)新的方法，希望對企業(yè)在與客戶打交道的過程中能有所幫助。1杜修平,王中.基于決策樹的證券客戶流失模型J.計(jì)算機(jī)應(yīng)用與軟件2張玲芳,張婧.基于RFM模型和協(xié)同過濾的電子商務(wù)推薦機(jī)制J.江蘇科技大學(xué)學(xué)報(bào):自然科學(xué)版孔力1985男，漢族，四川大學(xué)工商管理學(xué)