基于聚类结果调整方法的客户细分研究

发布时间：2017-09-11 02:34

  本文关键词：基于聚类结果调整方法的客户细分研究

  更多相关文章： 客户细分 聚类分析 聚类结果调整

【摘要】：随着市场经济的深入发展，企业面临的市场空间不断扩大，市场竞争也日趋激烈。在这个“客户决定规则”的时代，客户已经成为企业最重要的战略资源，促使企业越来越重视客户关系管理。客户细分是客户关系管理的核心和基础，客户细分方法又是客户细分成功的关键，因此研究客户细分方法具有重要的理论和应用价值。 一种常见的客户细分方法是利用各种客户数据结合聚类分析方法对客户进行细分，在整个聚类分析处理过程中客户信息是封闭的，这无法满足如今企业对不同机构间的客户数据信息交流的迫切需求。于是，，提出了一种新的客户细分方法，即聚类结果调整方法，通过界定内部集合和外部集合的概念，详细地介绍了聚类结果调整的思路和算法。提出的方法通过适度的信息交流修正了信息孤岛情况下的聚类结果，丰富了聚类结果的信息含量，提高了客户细分结果的质量。 对提出的两种具体算法分别进行数据仿真实验，证实了所提出方法的可执行性。将一个外部集合条件下的算法应用于某电信企业的客户分类的实证研究中，得到了调整后的客户分类结果，证实了方法的有效性。结合客户指标数据和相关领域知识对得到的结果进行解释和分析，并针对不同类别的客户制定了对应的商业策略，帮助企业更好地完成了客户细分，说明了方法的实用价值。
【关键词】：客户细分 聚类分析 聚类结果调整
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F274;F626;F224
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-16
• 1.1 研究背景及研究目的和意义8-9
• 1.1.1 研究背景8
• 1.1.2 研究目的和意义8-9
• 1.2 国内外研究现状及评析9-14
• 1.2.1 客户细分方法的研究现状9-11
• 1.2.2 聚类分析方法的研究现状11-13
• 1.2.3 聚类结果调整方法的研究现状13-14
• 1.2.4 研究评析14
• 1.3 研究内容和结构14-16
• 1.3.1 研究内容14-15
• 1.3.2 研究结构15-16
• 第2章 研究的相关理论基础16-28
• 2.1 客户细分的相关理论16-23
• 2.1.1 客户细分的概念16-17
• 2.1.2 客户细分的意义17
• 2.1.3 客户细分的流程17-19
• 2.1.4 客户细分的方法19-23
• 2.2 聚类分析的相关理论23-27
• 2.2.1 聚类分析的概念23
• 2.2.2 聚类分析的方法23-27
• 2.2.3 聚类分析的应用27
• 2.3 本章小结27-28
• 第3章 聚类结果调整方法28-37
• 3.1 聚类结果调整方法的提出28
• 3.2 聚类结果调整方法中的概念28-29
• 3.3 聚类结果调整算法29-35
• 3.3.1 一个外部集合条件下的算法30-31
• 3.3.2 两个外部集合条件下的算法31-33
• 3.3.3 数据仿真实验33-35
• 3.4 聚类结果调整方法在客户细分中的应用35-36
• 3.5 本章小结36-37
• 第4章 某电信企业客户数据的实证分析37-49
• 4.1 客户数据的选取及预处理37-40
• 4.1.1 客户数据的收集37
• 4.1.2 客户指标的选取37-38
• 4.1.3 客户数据预处理38-40
• 4.2 客户数据的调整聚类分析40-45
• 4.2.1 第一阶段的聚类分析40-43
• 4.2.2 第二阶段的调整聚类分析43-45
• 4.3 客户细分结果分析45-47
• 4.4 本章小结47-49
• 结论49-51
• 参考文献51-56
• 致谢56

【参考文献】

中国期刊全文数据库 前10条

1 廉琪;苏屹;;基于SOM和PSO聚类组合算法的客户细分研究[J];华东经济管理;2011年01期

2 王扶东;马玉芳;;基于数据挖掘的客户细分方法的研究[J];计算机工程与应用;2011年04期

3 朱文婕;吴楠;胡学钢;;一个改进的模糊聚类有效性指标[J];计算机工程与应用;2011年05期

4 方安儒;叶强;鲁奇;李一军;;基于数据挖掘的客户细分框架模型[J];计算机工程;2009年19期

5 王小华;楼佳;;基于迭代分类的聚类结果改进方法[J];计算机工程;2010年13期

6 瞿小宁;;K均值聚类算法在商业银行客户分类中的应用[J];计算机仿真;2011年06期

7 叶映兰;;基于价值的客户关系管理及其应用[J];科研管理;2009年06期

8 李雷;罗红旗;丁亚丽;;自适应约束模糊C均值聚类算法[J];模糊系统与数学;2010年05期

9 张成虎;王庆林;孙莹莹;;基于模糊均值聚类和感知机的网络银行客户挖掘[J];上海商学院学报;2006年02期

10 应丹丰;马士华;关旭;;基于AHP和聚类分析的武汉市物流节点优化布局[J];物流技术;2011年17期

本文编号：828137