發(fā)布時(shí)間：2018-01-13 11:03

  本文關(guān)鍵詞：基于選擇性聚類集成的客戶細(xì)分　出處：《計(jì)算機(jī)集成制造系統(tǒng)》2015年06期 　論文類型：期刊論文

  更多相關(guān)文章： 客戶細(xì)分 聚類 集成學(xué)習(xí) k均值算法

【摘要】：針對(duì)數(shù)據(jù)密集型企業(yè)的客戶細(xì)分問題,提出一種基于選擇性聚類集成的客戶細(xì)分框架。在聚類集體生成階段,根據(jù)數(shù)據(jù)來源和業(yè)務(wù)需求構(gòu)建統(tǒng)一的客戶視圖,將客戶特征劃分為若干子集后再分別對(duì)客戶對(duì)象聚類,通過評(píng)價(jià)函數(shù)選擇高質(zhì)量的個(gè)體標(biāo)記向量生成聚類集體;在聚類集成階段,構(gòu)建記錄簇標(biāo)記所覆蓋的相同對(duì)象個(gè)數(shù)的重疊矩陣,利用重疊矩陣計(jì)算各簇權(quán)值,最后選擇最具代表性的簇參與集成。通過某企業(yè)客戶細(xì)分的實(shí)證研究表明,該框架可以有效識(shí)別出不同價(jià)值和消費(fèi)行為習(xí)慣的客戶群,為企業(yè)制定產(chǎn)品營銷方案提供依據(jù)。
[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.
【作者單位】： 溫州大學(xué)建模與數(shù)據(jù)挖掘研究所;溫州大學(xué)物理與電子信息工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61402336) 浙江省科技計(jì)劃資助項(xiàng)目(2012C33086,2013C31138) 浙江省自然科學(xué)基金資助項(xiàng)目(LQ12F02008)~~
【分類號(hào)】：F274
【正文快照】： 0引言近年來,隨著企業(yè)信息化水平的提高和數(shù)據(jù)存儲(chǔ)技術(shù)的發(fā)展,不少數(shù)據(jù)密集型企業(yè)積累了海量的客戶業(yè)務(wù)數(shù)據(jù),如何對(duì)這些數(shù)據(jù)進(jìn)行深層次的分析,從中獲取客戶的行為特征和消費(fèi)偏好,并有針對(duì)性地開展?fàn)I銷與服務(wù),挽留高價(jià)值客戶,成為企業(yè)面臨的重要問題[1-2]�？蛻艏�(xì)分方法[3-6]是

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 劉英姿;吳昊;;客戶細(xì)分方法研究綜述[J];管理工程學(xué)報(bào);2006年01期

2 鄒鵬;于渤;王憲全;;面向數(shù)據(jù)漂移的代價(jià)敏感客戶細(xì)分[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2011年01期

3 鄒鵬;李一軍;郝媛媛;;基于代價(jià)敏感性學(xué)習(xí)的客戶價(jià)值細(xì)分[J];管理科學(xué)學(xué)報(bào);2009年01期

4 周林;平西建;徐森;張濤;;基于譜聚類的聚類集成算法[J];自動(dòng)化學(xué)報(bào);2012年08期

5 于小兵;曹杰;鞏在武;;客戶流失問題研究綜述[J];計(jì)算機(jī)集成制造系統(tǒng);2012年10期

6 高偉;賀昌政;蔣曉毅;;基于模糊聚類集成算法的客戶細(xì)分研究[J];情報(bào)雜志;2011年04期

7 唐偉,周志華;基于Bagging的選擇性聚類集成[J];軟件學(xué)報(bào);2005年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李文斌;劉椿年;鐘寧;;基于兩階段集成學(xué)習(xí)的分類器集成[J];北京工業(yè)大學(xué)學(xué)報(bào);2010年03期

2 曹國;;基于K-means和PCA的商業(yè)銀行客戶價(jià)值細(xì)分模型研究[J];財(cái)會(huì)通訊;2010年27期

3 馬武;李海強(qiáng);許明;;面向移動(dòng)終端細(xì)分市場(chǎng)的差異化定制技術(shù)研究[J];電信科學(xué);2012年03期

4 柏建普;楊亞坤;;基于加權(quán)co-occurrence矩陣的聚類集成算法[J];電子科技;2012年02期

5 劉鴻沈;徐雅斌;;數(shù)據(jù)挖掘技術(shù)在客戶細(xì)分領(lǐng)域的應(yīng)用[J];福建電腦;2008年10期

6 鄭永前;于勝男;王永生;;一種基于屬性約簡(jiǎn)和SOM的客戶細(xì)分方法[J];工業(yè)工程;2011年02期

7 劉滿芝;周梅華;呂雪晴;;基于因子分析與聚類分析復(fù)合模型的市場(chǎng)細(xì)分研究——以移動(dòng)通信行業(yè)為例[J];管理案例研究與評(píng)論;2009年02期

8 孫繼偉;巫景飛;;管理學(xué)研究者客戶迷失的判定、原因及出路[J];管理學(xué)報(bào);2009年12期

9 胡慕海;蔡淑琴;;基于情境偏好知識(shí)超圖的移動(dòng)用戶細(xì)分研究[J];管理學(xué)報(bào);2011年10期

10 代葉;;一個(gè)基于bagging選擇性聚類集成的客戶細(xì)分方法[J];經(jīng)營管理者;2010年23期

相關(guān)會(huì)議論文 前10條

1 杜方鍵;楊宏暉;;K均值聚類優(yōu)化集成學(xué)習(xí)[A];2011'中國西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2011年

2 張沫;欒媛媛;秦培玉;羅丹;;基于聚類算法的多維客戶行為細(xì)分模型研究與實(shí)現(xiàn)[A];2011年通信與信息技術(shù)新進(jìn)展——第八屆中國通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2011年

3 鄭寶鑫;周雪松;李斌;唐宇;;基于用戶畫像、信令挖掘技術(shù)的手機(jī)游戲產(chǎn)品推廣[A];廣東通信2010青年論壇優(yōu)秀論文集[C];2010年

4 張誠;陳旭翔;趙少娟;丁必蛟;;面向3G的客戶標(biāo)簽精確營銷體系搭建[A];廣東通信2010青年論壇優(yōu)秀論文集[C];2010年

5 張誠;趙少娟;丁必蛟;;基于客戶知識(shí)的移動(dòng)精確營銷模式研究[A];中國通信學(xué)會(huì)第六屆學(xué)術(shù)年會(huì)論文集（上）[C];2009年

6 劉滿芝;周梅華;;基于因子分析與聚類分析復(fù)合模型的市場(chǎng)細(xì)分研究——以移動(dòng)通信行業(yè)為例[A];第三屆（2008）中國管理學(xué)年會(huì)論文集[C];2008年

7 劉錕;邢延;蔡延光;;一種針對(duì)交互式學(xué)習(xí)系統(tǒng)日志數(shù)據(jù)的輕型化挖掘方法[A];2011年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

8 陳一銘;陳月輝;;基于組合特征的蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)[A];山東計(jì)算機(jī)學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

9 XU Lan;FANG Zhi-Geng;LIU Si-feng;;The Quality Prediction Model Based on Neural Network Ensembles[A];第25屆全國灰色系統(tǒng)會(huì)議論文集[C];2014年

10 劉滿芝;周梅華;;基于因子分析與聚類分析復(fù)合模型的市場(chǎng)細(xì)分研究——以移動(dòng)通信行業(yè)為例[A];第三屆（2008）中國管理學(xué)年會(huì)——公共管理分會(huì)場(chǎng)論文集[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 徐森;文本聚類集成關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

2 甘良志;核學(xué)習(xí)算法與集成方法研究[D];浙江大學(xué);2010年

3 胡慕海;面向動(dòng)態(tài)情境的信息推薦方法及系統(tǒng)研究[D];華中科技大學(xué);2011年

4 祝翠玲;基于類別結(jié)構(gòu)的文本層次分類方法研究[D];山東大學(xué);2011年

5 孔志周;多分類器系統(tǒng)中信息融合方法研究[D];中南大學(xué);2011年

6 胡慕海;面向動(dòng)動(dòng)情境的信息推薦方法及系統(tǒng)研究[D];華中科技大學(xué);2011年

7 方育柯;集成學(xué)習(xí)理論研究及其在個(gè)性化推薦中的應(yīng)用[D];電子科技大學(xué);2011年

8 何靈敏;支持向量機(jī)集成及在遙感分類中的應(yīng)用[D];浙江大學(xué);2006年

9 楊震;文本分類和聚類中若干問題的研究[D];北京郵電大學(xué);2007年

10 高琰;基于多特征的Web社區(qū)發(fā)現(xiàn)關(guān)鍵技術(shù)研究[D];中南大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 徐瑜;基于主動(dòng)差異學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)集成的電力變壓器故障診斷方法研究[D];湘潭大學(xué);2010年

2 陳紅;聚類技術(shù)及其應(yīng)用研究[D];福建師范大學(xué);2010年

3 唐邁;面向電子商務(wù)的分析型客戶關(guān)系管理的研究[D];中南林業(yè)科技大學(xué);2009年

4 王貴龍;基于關(guān)聯(lián)向量機(jī)的保險(xiǎn)客戶識(shí)別研究[D];西安工業(yè)大學(xué);2011年

5 楊草原;聚類集成研究及其在玉米品種選擇中的應(yīng)用[D];吉林大學(xué);2011年

6 王飛;提升電信客戶服務(wù)質(zhì)量的研究[D];北京交通大學(xué);2011年

7 錢思延;供應(yīng)鏈金融業(yè)務(wù)市場(chǎng)細(xì)分化研究[D];天津財(cái)經(jīng)大學(xué);2011年

8 劉雄;基于k-means的改進(jìn)聚類融合算法的研究與應(yīng)用[D];中南大學(xué);2011年

9 曾巧;湖南有線集團(tuán)市場(chǎng)營銷戰(zhàn)略研究[D];中南大學(xué);2011年

10 唐春城;基于數(shù)據(jù)挖掘的衡陽移動(dòng)精確營銷策略研究[D];南華大學(xué);2011年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王雷;陳松林;顧學(xué)道;;客戶流失預(yù)警模型及其在電信企業(yè)的應(yīng)用[J];電信科學(xué);2006年09期

2 鄧松;王汝傳;張羽;張建風(fēng);;基于并行基因表達(dá)式編程的網(wǎng)格資源分配算法[J];電子學(xué)報(bào);2009年02期

3 王娜;李霞;;基于監(jiān)督信息特性的主動(dòng)半監(jiān)督譜聚類算法[J];電子學(xué)報(bào);2010年01期

4 吳銳;黃劍華;唐降龍;劉家鋒;;基于灰度直方圖和譜聚類的文本圖像二值化方法[J];電子與信息學(xué)報(bào);2009年10期

5 郭N，

本文編號(hào)：1418610