[發明專利]客戶交易行為分析方法

在審

• 申請號: 201711490136.5
• 申請日: 2017-12-29
• 公開（公告）號: CN108230029A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 張美陽;張自力
• 申請（專利權）人: 西南大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 北京海虹嘉誠知識產權代理有限公司 11129
• 代理人: 呂小琴

本發明提供的一種客戶交易行為分析方法，包括采集客戶交易數據，并將交易數據按照時間排序；提取交易數據中表征購買時間、交易頻率以及交易金額的屬性特征，并對購買時間、交易頻率以及交易金額進行歸一化處理；挖掘屬性特征的隱含屬性，并獲取屬性特征在隱含屬性上的分值數，并根據分值數確定聚類個數；基于分值數采用遺傳算法進行處理，確定最終的聚類結果，得出客戶分類，通過上述方法，能夠對客戶交易的多種屬性進行準確分析，能夠有效提高客戶分類的準確性，為企業的生產營銷提供準確的數據支持。

技術領域

本發明涉及一種方法，尤其涉及一種客戶交易行為分析方法。

背景技術

隨著經濟的快速增長，各行各業的競爭日漸激烈，對于與經濟密切相關的銀行等金融行業而言，如何能在激烈的競爭環境下生存成為目前最為關心的問題。隨著信息技術的發展，企業的競爭環境產生巨大的變化，越來越多的企業正從以產品為核心的商業模式向以客戶為核心的商業模式轉變。企業逐漸意識到把握住客戶，就是把握住業績，越能及時地滿足客戶的需求，就越能滿足市場的需求，就越能在行業競爭中脫穎而出。目前，大部分的金融公司都已逐步建立內部客戶管理系統，已積累海量的客戶數據資源，若能有效地理解和利用這些客戶信息，準確地對客戶進行分類能使企業更加有效地對不同的客戶群體提供更有針對性的服務，從而提高企業服務水平。

現有技術中，一般采用RFM模型進行分析，但是，這種分析方式僅僅以購買時間、購買的總次數以及交易總額進行分析，這種分析方法不能準確對客戶進行分類，進而不能準確確定客戶的類別，從而不能準確知道企業的生產經營。

因此，為了解決上述技術問題，亟需提出一種新的方法。

發明內容

有鑒于此，本發明的目的是提供一種客戶交易行為分析方法，能夠對客戶交易的多種屬性進行準確分析，能夠有效提高客戶分類的準確性，為企業的生產營銷提供準確的數據支持。

本發明提供的一種客戶是交易行為分析方法，包括

采集客戶交易數據，并將交易數據按照時間排序；

提取交易數據中表征購買時間、交易頻率以及交易金額的屬性特征，并對購買時間、交易頻率以及交易金額進行歸一化處理；

挖掘屬性特征的隱含屬性，并獲取屬性特征在隱含屬性上的分值數，并根據分值數確定聚類個數；

基于分值數采用遺傳算法進行處理，確定最終的聚類結果，得出客戶分類。

進一步，屬性特征包括最近購買、最遠購買、購買間距的第一四分位點、購買間距中位數點、購買間距的第三四分位點、總體購買頻率、月最大購買頻率、月最小購買頻率；累積購買金額以及平均購買金額。

進一步，對購買時間、交易頻率以及交易金額通過如下方法進行歸一化處理：

其中，為第j個客戶在購買時間屬性R上的歸一化值，R^max為所有客戶在購買時間屬性R中屬性特征的最大值，R^min為所有客戶在購買時間屬性R中屬性特征的最小值；為第j個客戶在購買頻率屬性F上的歸一化值，F^max為所有客戶在購買頻率屬性F中屬性特征的最大值；F^min為所有客戶在購買頻率屬性F中屬性特征的最小值；為第j個客戶在交易金額屬性M上的歸一化值，M^min為所有客戶在交易金額屬性F中屬性特征的最大值，M^min為所有客戶在交易金額屬性F中屬性特征的最小值。

進一步，在因子分析中，任一屬性特征被表示為：