本文關(guān)鍵詞：基于聚類結(jié)果調(diào)整方法的客戶細(xì)分研究

  更多相關(guān)文章： 客戶細(xì)分 聚類分析 聚類結(jié)果調(diào)整

【摘要】：隨著市場經(jīng)濟(jì)的深入發(fā)展，企業(yè)面臨的市場空間不斷擴(kuò)大，市場競爭也日趨激烈。在這個(gè)“客戶決定規(guī)則”的時(shí)代，客戶已經(jīng)成為企業(yè)最重要的戰(zhàn)略資源，促使企業(yè)越來越重視客戶關(guān)系管理�？蛻艏�(xì)分是客戶關(guān)系管理的核心和基礎(chǔ)，客戶細(xì)分方法又是客戶細(xì)分成功的關(guān)鍵，因此研究客戶細(xì)分方法具有重要的理論和應(yīng)用價(jià)值。 一種常見的客戶細(xì)分方法是利用各種客戶數(shù)據(jù)結(jié)合聚類分析方法對客戶進(jìn)行細(xì)分，在整個(gè)聚類分析處理過程中客戶信息是封閉的，這無法滿足如今企業(yè)對不同機(jī)構(gòu)間的客戶數(shù)據(jù)信息交流的迫切需求。于是，，提出了一種新的客戶細(xì)分方法，即聚類結(jié)果調(diào)整方法，通過界定內(nèi)部集合和外部集合的概念，詳細(xì)地介紹了聚類結(jié)果調(diào)整的思路和算法。提出的方法通過適度的信息交流修正了信息孤島情況下的聚類結(jié)果，豐富了聚類結(jié)果的信息含量，提高了客戶細(xì)分結(jié)果的質(zhì)量。 對提出的兩種具體算法分別進(jìn)行數(shù)據(jù)仿真實(shí)驗(yàn)，證實(shí)了所提出方法的可執(zhí)行性。將一個(gè)外部集合條件下的算法應(yīng)用于某電信企業(yè)的客戶分類的實(shí)證研究中，得到了調(diào)整后的客戶分類結(jié)果，證實(shí)了方法的有效性。結(jié)合客戶指標(biāo)數(shù)據(jù)和相關(guān)領(lǐng)域知識(shí)對得到的結(jié)果進(jìn)行解釋和分析，并針對不同類別的客戶制定了對應(yīng)的商業(yè)策略，幫助企業(yè)更好地完成了客戶細(xì)分，說明了方法的實(shí)用價(jià)值。
【關(guān)鍵詞】：客戶細(xì)分 聚類分析 聚類結(jié)果調(diào)整
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：F274;F626;F224
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-16
• 1.1 研究背景及研究目的和意義8-9
• 1.1.1 研究背景8
• 1.1.2 研究目的和意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀及評析9-14
• 1.2.1 客戶細(xì)分方法的研究現(xiàn)狀9-11
• 1.2.2 聚類分析方法的研究現(xiàn)狀11-13
• 1.2.3 聚類結(jié)果調(diào)整方法的研究現(xiàn)狀13-14
• 1.2.4 研究評析14
• 1.3 研究內(nèi)容和結(jié)構(gòu)14-16
• 1.3.1 研究內(nèi)容14-15
• 1.3.2 研究結(jié)構(gòu)15-16
• 第2章 研究的相關(guān)理論基礎(chǔ)16-28
• 2.1 客戶細(xì)分的相關(guān)理論16-23
• 2.1.1 客戶細(xì)分的概念16-17
• 2.1.2 客戶細(xì)分的意義17
• 2.1.3 客戶細(xì)分的流程17-19
• 2.1.4 客戶細(xì)分的方法19-23
• 2.2 聚類分析的相關(guān)理論23-27
• 2.2.1 聚類分析的概念23
• 2.2.2 聚類分析的方法23-27
• 2.2.3 聚類分析的應(yīng)用27
• 2.3 本章小結(jié)27-28
• 第3章 聚類結(jié)果調(diào)整方法28-37
• 3.1 聚類結(jié)果調(diào)整方法的提出28
• 3.2 聚類結(jié)果調(diào)整方法中的概念28-29
• 3.3 聚類結(jié)果調(diào)整算法29-35
• 3.3.1 一個(gè)外部集合條件下的算法30-31
• 3.3.2 兩個(gè)外部集合條件下的算法31-33
• 3.3.3 數(shù)據(jù)仿真實(shí)驗(yàn)33-35
• 3.4 聚類結(jié)果調(diào)整方法在客戶細(xì)分中的應(yīng)用35-36
• 3.5 本章小結(jié)36-37
• 第4章 某電信企業(yè)客戶數(shù)據(jù)的實(shí)證分析37-49
• 4.1 客戶數(shù)據(jù)的選取及預(yù)處理37-40
• 4.1.1 客戶數(shù)據(jù)的收集37
• 4.1.2 客戶指標(biāo)的選取37-38
• 4.1.3 客戶數(shù)據(jù)預(yù)處理38-40
• 4.2 客戶數(shù)據(jù)的調(diào)整聚類分析40-45
• 4.2.1 第一階段的聚類分析40-43
• 4.2.2 第二階段的調(diào)整聚類分析43-45
• 4.3 客戶細(xì)分結(jié)果分析45-47
• 4.4 本章小結(jié)47-49
• 結(jié)論49-51
• 參考文獻(xiàn)51-56
• 致謝56

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 廉琪;蘇屹;;基于SOM和PSO聚類組合算法的客戶細(xì)分研究[J];華東經(jīng)濟(jì)管理;2011年01期

2 王扶東;馬玉芳;;基于數(shù)據(jù)挖掘的客戶細(xì)分方法的研究[J];計(jì)算機(jī)工程與應(yīng)用;2011年04期

3 朱文婕;吳楠;胡學(xué)鋼;;一個(gè)改進(jìn)的模糊聚類有效性指標(biāo)[J];計(jì)算機(jī)工程與應(yīng)用;2011年05期

4 方安儒;葉強(qiáng);魯奇;李一軍;;基于數(shù)據(jù)挖掘的客戶細(xì)分框架模型[J];計(jì)算機(jī)工程;2009年19期

5 王小華;樓佳;;基于迭代分類的聚類結(jié)果改進(jìn)方法[J];計(jì)算機(jī)工程;2010年13期

6 瞿小寧;;K均值聚類算法在商業(yè)銀行客戶分類中的應(yīng)用[J];計(jì)算機(jī)仿真;2011年06期

7 葉映蘭;;基于價(jià)值的客戶關(guān)系管理及其應(yīng)用[J];科研管理;2009年06期

8 李雷;羅紅旗;丁亞麗;;自適應(yīng)約束模糊C均值聚類算法[J];模糊系統(tǒng)與數(shù)學(xué);2010年05期

9 張成虎;王慶林;孫瑩瑩;;基于模糊均值聚類和感知機(jī)的網(wǎng)絡(luò)銀行客戶挖掘[J];上海商學(xué)院學(xué)報(bào);2006年02期

10 應(yīng)丹豐;馬士華;關(guān)旭;;基于AHP和聚類分析的武漢市物流節(jié)點(diǎn)優(yōu)化布局[J];物流技術(shù);2011年17期

本文編號(hào)：828137