当前位置:主页 > 管理论文 > 营销论文 >

基于选择性聚类集成的客户细分

发布时间:2018-01-13 11:03

  本文关键词:基于选择性聚类集成的客户细分 出处:《计算机集成制造系统》2015年06期  论文类型:期刊论文


  更多相关文章: 客户细分 聚类 集成学习 k均值算法


【摘要】:针对数据密集型企业的客户细分问题,提出一种基于选择性聚类集成的客户细分框架。在聚类集体生成阶段,根据数据来源和业务需求构建统一的客户视图,将客户特征划分为若干子集后再分别对客户对象聚类,通过评价函数选择高质量的个体标记向量生成聚类集体;在聚类集成阶段,构建记录簇标记所覆盖的相同对象个数的重叠矩阵,利用重叠矩阵计算各簇权值,最后选择最具代表性的簇参与集成。通过某企业客户细分的实证研究表明,该框架可以有效识别出不同价值和消费行为习惯的客户群,为企业制定产品营销方案提供依据。
[Abstract]:To solve the customer segmentation problem of data-intensive enterprises, a customer segmentation framework based on selective clustering integration is proposed. In the stage of clustering collective generation, a unified customer view is constructed according to the data sources and business requirements. The customer features are divided into several subsets, and then the customer objects are clustered separately, and the high quality individual marker vectors are selected by the evaluation function to generate the clustering group. In the cluster integration phase, the overlapping matrix of the same number of objects covered by the record cluster tag is constructed, and the weight of each cluster is calculated by using the overlapping matrix. Finally, we choose the most representative cluster to participate in the integration. The empirical study of customer segmentation shows that the framework can effectively identify different customer groups with different values and consumer behavior habits. To provide the basis for the enterprise to formulate the product marketing program.
【作者单位】: 温州大学建模与数据挖掘研究所;温州大学物理与电子信息工程学院;
【基金】:国家自然科学基金资助项目(61402336) 浙江省科技计划资助项目(2012C33086,2013C31138) 浙江省自然科学基金资助项目(LQ12F02008)~~
【分类号】:F274
【正文快照】: 0引言近年来,随着企业信息化水平的提高和数据存储技术的发展,不少数据密集型企业积累了海量的客户业务数据,如何对这些数据进行深层次的分析,从中获取客户的行为特征和消费偏好,并有针对性地开展营销与服务,挽留高价值客户,成为企业面临的重要问题[1-2]。客户细分方法[3-6]是

【参考文献】

相关期刊论文 前7条

1 刘英姿;吴昊;;客户细分方法研究综述[J];管理工程学报;2006年01期

2 邹鹏;于渤;王宪全;;面向数据漂移的代价敏感客户细分[J];哈尔滨工业大学学报;2011年01期

3 邹鹏;李一军;郝媛媛;;基于代价敏感性学习的客户价值细分[J];管理科学学报;2009年01期

4 周林;平西建;徐森;张涛;;基于谱聚类的聚类集成算法[J];自动化学报;2012年08期

5 于小兵;曹杰;巩在武;;客户流失问题研究综述[J];计算机集成制造系统;2012年10期

6 高伟;贺昌政;蒋晓毅;;基于模糊聚类集成算法的客户细分研究[J];情报杂志;2011年04期

7 唐伟,周志华;基于Bagging的选择性聚类集成[J];软件学报;2005年04期

【共引文献】

相关期刊论文 前10条

1 李文斌;刘椿年;钟宁;;基于两阶段集成学习的分类器集成[J];北京工业大学学报;2010年03期

2 曹国;;基于K-means和PCA的商业银行客户价值细分模型研究[J];财会通讯;2010年27期

3 马武;李海强;许明;;面向移动终端细分市场的差异化定制技术研究[J];电信科学;2012年03期

4 柏建普;杨亚坤;;基于加权co-occurrence矩阵的聚类集成算法[J];电子科技;2012年02期

5 刘鸿沈;徐雅斌;;数据挖掘技术在客户细分领域的应用[J];福建电脑;2008年10期

6 郑永前;于胜男;王永生;;一种基于属性约简和SOM的客户细分方法[J];工业工程;2011年02期

7 刘满芝;周梅华;吕雪晴;;基于因子分析与聚类分析复合模型的市场细分研究——以移动通信行业为例[J];管理案例研究与评论;2009年02期

8 孙继伟;巫景飞;;管理学研究者客户迷失的判定、原因及出路[J];管理学报;2009年12期

9 胡慕海;蔡淑琴;;基于情境偏好知识超图的移动用户细分研究[J];管理学报;2011年10期

10 代叶;;一个基于bagging选择性聚类集成的客户细分方法[J];经营管理者;2010年23期

相关会议论文 前10条

1 杜方键;杨宏晖;;K均值聚类优化集成学习[A];2011'中国西部声学学术交流会论文集[C];2011年

2 张沫;栾媛媛;秦培玉;罗丹;;基于聚类算法的多维客户行为细分模型研究与实现[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年

3 郑宝鑫;周雪松;李斌;唐宇;;基于用户画像、信令挖掘技术的手机游戏产品推广[A];广东通信2010青年论坛优秀论文集[C];2010年

4 张诚;陈旭翔;赵少娟;丁必蛟;;面向3G的客户标签精确营销体系搭建[A];广东通信2010青年论坛优秀论文集[C];2010年

5 张诚;赵少娟;丁必蛟;;基于客户知识的移动精确营销模式研究[A];中国通信学会第六届学术年会论文集(上)[C];2009年

6 刘满芝;周梅华;;基于因子分析与聚类分析复合模型的市场细分研究——以移动通信行业为例[A];第三届(2008)中国管理学年会论文集[C];2008年

7 刘锟;邢延;蔡延光;;一种针对交互式学习系统日志数据的轻型化挖掘方法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年

8 陈一铭;陈月辉;;基于组合特征的蛋白质三级结构预测[A];山东计算机学会2013学术年会论文集[C];2013年

9 XU Lan;FANG Zhi-Geng;LIU Si-feng;;The Quality Prediction Model Based on Neural Network Ensembles[A];第25届全国灰色系统会议论文集[C];2014年

10 刘满芝;周梅华;;基于因子分析与聚类分析复合模型的市场细分研究——以移动通信行业为例[A];第三届(2008)中国管理学年会——公共管理分会场论文集[C];2008年

相关博士学位论文 前10条

1 徐森;文本聚类集成关键技术研究[D];哈尔滨工程大学;2010年

2 甘良志;核学习算法与集成方法研究[D];浙江大学;2010年

3 胡慕海;面向动态情境的信息推荐方法及系统研究[D];华中科技大学;2011年

4 祝翠玲;基于类别结构的文本层次分类方法研究[D];山东大学;2011年

5 孔志周;多分类器系统中信息融合方法研究[D];中南大学;2011年

6 胡慕海;面向动动情境的信息推荐方法及系统研究[D];华中科技大学;2011年

7 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年

8 何灵敏;支持向量机集成及在遥感分类中的应用[D];浙江大学;2006年

9 杨震;文本分类和聚类中若干问题的研究[D];北京邮电大学;2007年

10 高琰;基于多特征的Web社区发现关键技术研究[D];中南大学;2007年

相关硕士学位论文 前10条

1 徐瑜;基于主动差异学习神经网络集成的电力变压器故障诊断方法研究[D];湘潭大学;2010年

2 陈红;聚类技术及其应用研究[D];福建师范大学;2010年

3 唐迈;面向电子商务的分析型客户关系管理的研究[D];中南林业科技大学;2009年

4 王贵龙;基于关联向量机的保险客户识别研究[D];西安工业大学;2011年

5 杨草原;聚类集成研究及其在玉米品种选择中的应用[D];吉林大学;2011年

6 王飞;提升电信客户服务质量的研究[D];北京交通大学;2011年

7 钱思延;供应链金融业务市场细分化研究[D];天津财经大学;2011年

8 刘雄;基于k-means的改进聚类融合算法的研究与应用[D];中南大学;2011年

9 曾巧;湖南有线集团市场营销战略研究[D];中南大学;2011年

10 唐春城;基于数据挖掘的衡阳移动精确营销策略研究[D];南华大学;2011年

【二级参考文献】

相关期刊论文 前10条

1 王雷;陈松林;顾学道;;客户流失预警模型及其在电信企业的应用[J];电信科学;2006年09期

2 邓松;王汝传;张羽;张建风;;基于并行基因表达式编程的网格资源分配算法[J];电子学报;2009年02期

3 王娜;李霞;;基于监督信息特性的主动半监督谱聚类算法[J];电子学报;2010年01期

4 吴锐;黄剑华;唐降龙;刘家锋;;基于灰度直方图和谱聚类的文本图像二值化方法[J];电子与信息学报;2009年10期

5 郭N,

本文编号:1418610


资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/yingxiaoguanlilunwen/1418610.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户2b9bf***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com