基于数据挖掘的客户细分的建模与实现

基于数据挖掘的客户细分的建模与实现

华侨大学

硕士学位论文

基于数据挖掘的客户细分的建模与实现

姓名：张永礼

申请学位级别：硕士

专业：管理科学与工程

指导教师：彭霈

20081201

基于数据挖掘的客户细分的建模与实现

摘 要

摘 要

客户是企业最重要的资源之一。现代企业之间的竞争主要表现为对客户的全面争夺，而是否拥有客户取决于企业与客户之间关系的状况。企业要改善与客户之间的关系，就必须进行客户关系管理。客户分析是客户关系管理的基础，而客户分析的一项重要内容是客户细分，但目前还没有有效的客户细分方法。

本文在分析传统客户细分方法、客户忠诚度理论和数据挖掘算法的基础上，探讨了以客户生命周期价值为依据的客户细分方法，并对现有客户细分模型加以改进，提出了新的客户细分模型。新的客户细分模型，依据客户的当前价值、潜在价值和忠诚度把客户分为八类，进而针对不同类别客户提出了不同的市场营销策略。

对客户潜在价值的计算，我们采用关联规则算法，根据客户的历史购买记录，预测出该客户将来可能购买的所有产品及购买概率，最后再根据产品成本数据计算出客户的潜在价值。对于客户忠诚度的评价，我们在国内外研究的基础上，提出了客户忠诚度评价的全新指标体系，并根据这些指标数据分别运用了聚类、决策树和神经网络三种数据挖掘算法对客户忠诚度进行预测和评价。

最后，结合某一个具体企业对客户细分模型进行了实例验证。

关键字：客户细分 关联规则 聚类 决策树 神经网络

基于数据挖掘的客户细分的建模与实现

华侨大学管理学硕士学位论文

Abstract

The customer is one of the most important resources of an enterprise. The competition between enterprises focuses on customers. Whether an enterprise holds a customer depends on the state of the relationship between the enterprise and the customer. To improve on the relationship with the customer, an enterprise must carry out customer relationship management (CRM).Customer analysis is the basis of CRM and customer segmentation is an important item of customer analysis. But there is not any efficient customer segmentation method at present.

The paper firstly introduces customer loyal theory, Data Mining arithmetic and the traditional methods of customer segmentation, then studies the customer-segmentation method according to customer lifetime value and improves on the existing customer segmentation model. Based on customer current value, customer potential value and customer loyal, the new customer segmentation model divides customers into eight classes, then according to the different customers’ class, the enterprise can take different marketable strategy.

According to the customer's purchase history records, we use the association rules algorithm to predict the future purchase and the probability of purchase. Finally, we can get the customer potential value according as product cost. Based on the present study status on the home and abroad research, we apply clustering, decision tree and ANN (Artificial Neural Network) algorithm to the evaluation of customer loyalty.

Finally, we applied the customer segmentation model to one enterprise, validated it.

基于数据挖掘的客户细分的建模与实现

Abstract

Keywords: Customer Segmentation; Association; Clustering; Decision

Tree; ANN (Artificial Neural Network)

基于数据挖掘的客户细分的建模与实现

原创性声明

本人声明兹呈交的学位论文是本人在导师指导下完成的

研究成果。论文写作中不包含其他人已经发表或撰写过的研究

内容，如参考他人或集体的科研成果，均在论文中以明确的方

式说明。本人依法享有和承担由此论文所产生的权利和责任。

学位论文作者签名： 日期：

学位论文版权使用授权声明

本人同意授权华侨大学有权保留并向国家机关或机构送

交学位论文和磁盘，允许学位论文被查阅和借阅。

论文作者签名： 指导教师签名：签 名 日 期： 签 名 日 期：

基于数据挖掘的客户细分的建模与实现

第一章 绪论

第一章 绪论

1.1 选题的背景与意义

随着全球经济一体化进程的加快和竞争的加剧，传统的以生产为中心，以产品和规模为目的的粗放式经营管理模式逐渐被以客户为中心、以服务为目的集约化经营管理模式所取代。客户关系管理(Customer Relationship Management,CRM)正被越来越多的企业所关注。

CRM成功实施的前提是确定“谁是你的客户”和对客户进行科学有效的细分。通过客户细分，企业可以更好地识别不同的客户群体，采取差异化营销策略，从而有效地降低成本，同时获得更强、更有利可图的市场渗透[1]。

客户细分(Customer Segmentation)是指按照一定的标准将企业现有客户划分为不同的客户群。目前，学术界、企业界广泛认可的客户细分理论是客户价值细分理论[2]。但该细分理论存在两大不足：

1)客户潜在价值(Customer Potential Value,CPV)的衡量

客户价值细分理论将客户价值分为当前价值(Customer Current Value,CCV)和潜在价值(Customer Potential Value,CPV)两部分，但在衡量客户潜在价值(Custom …… 此处隐藏：10687字，全部文档内容请下载后查看。喜欢就下载吧 ……