[發明專利]一種基于LRFMD模型的共享交通客戶價值分析方法

有效

• 申請號: 201710358132.5
• 申請日: 2017-05-19
• 公開（公告）號: CN107274066B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 李紅;楊國青;楊曉聲;鄭璐潔;吳朝暉
• 申請（專利權）人: 浙江大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/06;G06Q50/30
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 王琛

本發明公開了一種基于LRFMD模型的共享交通客戶價值分析方法，其從數據庫進行選擇性抽取與新增數據抽取分別形成歷史數據與增量數據；對兩個數據集進行數據探索分析與預處理，包括數據缺失值與異常值的探索分析，數據的屬性規約、清洗和變換；本發明利用已完成的數據預處理的建模數據，結合具體業務，創造性地提出了基于客戶價值LRFMD模型進行客戶分群，對各個客戶群進行特征分析，識別出有價值的客戶；本發明針對分類結果得到的不同價值客戶，可采用不同的營銷手段，提供定制化服務，提高用戶的滿意度，促進企業的發展。

技術領域

本發明屬于數據挖掘技術領域，具體涉及一種基于LRFMD模型的共享交通客戶價值分析方法。

背景技術

信息時代的來臨使得企業營銷焦點從產品中心轉變為客戶中心，客戶關系管理成為企業的核心問題。客戶關系管理的關鍵問題是客戶分類，通過客戶分類，區分無價值客戶、高價值客戶。由于共享交通的飛速發展，共享交通平臺客戶的規模增大，客戶背景、行為特征的不同，準確的客戶分類結果是企業優化營銷資源分配的重要依據，客戶分類越來越成為客戶關系管理中亟待解決的關鍵問題之一。

現有的針對共享交通客戶行為分類的方法主要是基于經驗分類方法、統計分析方法和數據挖掘方法。經驗分析方法一般由決策者根據自己經驗對客戶進行類別劃分，具有很強的主觀性，細分的結果不客觀，缺少說服力。基于統計方法的客戶分類是一種量化研究，根據對客戶屬性的特征統計結果進行客戶類別劃分，細分的結果往往與分類標準具有極強的關聯性，如果分類標準不合理，分類的結果也不合理。基于數據挖掘的方法能從大量的、不完全的、有噪聲的、模糊的原始數據中，挖掘出有用、可信、新穎的信息，其中K-means聚類是一種重要的數據挖掘方法，但是傳統的K-means聚類方法并不能從海量數據、大量的特征屬性準確依據有效的特征屬性挖掘到想要的信息，并且算法本身對數據的預處理、初始聚類中心的選取、聚類類別數的確定要求很高。

發明內容

鑒于上述，本發明提出了一種基于LRFMD模型的共享交通客戶價值分析方法，能夠根據建模的數據及篩選的指標對客戶進行分類，具有劃分精度高的優點。

一種基于LRFMD模型的共享交通客戶價值分析方法，包括如下步驟：

(1)從數據庫中抽取大量客戶的租用駕駛數據，并基于分析觀測窗口將這些駕駛數據分為歷史數據集和增量數據集；

(2)對歷史數據集和增量數據集進行預處理，包括數據清洗、屬性規約以及數據變換，從而得到每個客戶的LRFMD向量；所述LRFMD向量由LRFMD五個指標組成：L表示客戶注冊時間start_time距分析觀測窗口結束時間load_time的月數，R表示客戶最后一次租用駕駛結束時間end_time距分析觀測窗口結束時間load_time的月數，F表示客戶在分析觀測窗口內的租用駕駛次數，M表示客戶在分析觀測窗口內的累計行駛里程，D表示客戶在分析觀測窗口內每次租用駕駛所享受的平均折扣金額；

(3)利用客戶的LRFMD向量通過基于客戶價值的LRFMD模型進行客戶分群，進而對得到的各個客戶群進行特征分析，以識別出有價值的客戶。

所述步驟(1)的具體實現過程為：首先，選定過去的某一時間點load_time，以時間點load_time為結束時間，截取寬度為一年的時間段作為分析觀測窗口，使分析觀測窗口內有租用駕駛記錄的所有客戶租用駕駛數據作為歷史數據集；然后，使時間點load_time至當前時間點區間內有租用駕駛記錄的所有客戶租用駕駛數據作為增量數據集。

所述步驟(2)中數據清洗的具體實現過程為：首先，丟棄存在缺失值的租用駕駛記錄，即租用駕駛記錄中某列屬性存在空值，則刪除該條記錄；然后，丟棄行駛距離大于0且消費金額以及折扣金額均等于0的租用駕駛記錄。