[發明專利]一種基于K-means的醫療消費客戶自動分類方法

在審

• 申請號: 201810477477.7
• 申請日: 2018-05-18
• 公開（公告）號: CN108664653A
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 古萬榮;施玉健;毛宜軍;李海良;朱韜
• 申請（專利權）人: 拓普暨達（廣州）基因精準醫療科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62;G06Q30/02
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

本發明公開了一種基于K?means的醫療消費客戶自動分類方法，包括步驟：S1、從客戶數據庫中統計提取數據；S2、按照CRM(Customer Relationship Management)方法，根據客戶的年消費頻率和客戶的年消費總金額構建客戶分類模型；S3、使用步驟S2的客戶分類模型，獲取每個客戶的特征向量；S4、使用機器學習K?means算法對步驟S3中求得的特征向量進行聚類；S5、使用步驟S4所得的聚類結果作為客戶分類的結果，從而實現對客戶的分類。本發明使用機器學習的相關算法，根據客戶的消費頻率和消費總金額，對客戶進行自動分類，本發明使得對客戶的分類包括分類標準完全由機器完成，節省了人力物力。

技術領域

本發明涉及機器學習和數據挖掘的技術領域，尤其是指一種基于K-means的醫療消費客戶自動分類方法。

背景技術

隨著計算機存儲能力和計算能力的高速發展和成熟，大量數據的存儲和計算成為可能。同時，利用機器學習算法對數據進行處理的方式也越來越普遍。通過機器學習算法，對現存的大量數據進行分析，可以挖掘出數據中的隱藏的關系，從而利用這些關系設計具體方案來提高了各個領域相關產業的效率和收益，其中就包括了醫療商場和數據挖掘的結合。

醫療商城中有大量的客戶數據，利用這些數據對客戶進行分類，對不同類別的客戶提供更佳有針對性的服務，能夠給醫療商城帶來更多的收益。但是，直接人工地對大量的客戶進行分類是不現實的，往往會存在存在這樣一些問題：1)不同的人在對客戶進行分類的過程中存在有主觀因素的影響；2)對客戶的分類標準的制定同樣收到制定人的主觀因素影響；3)人工對客戶信息進行分類需要消耗大量的時間和精力，造成醫療商城資源的浪費。

發明內容

本發明的目的在于克服現有技術的人工分類的客觀條件不足，提出了一種基于K-means的醫療消費客戶自動分類方法，利用數據挖掘技術對線下醫療消費客戶進行自動分類，具體是使用機器學習的相關算法，根據客戶的消費頻率和消費總金額，對客戶進行自動分類。本發明使得對客戶的分類包括分類標準完全由機器完成，節省了人力物力。

為實現上述目的，本發明所提供的技術方案為：一種基于K-means的醫療消費客戶自動分類方法，包括以下步驟：

S1、從客戶數據庫中統計提取數據；

S2、按照CRM(Customer Relationship Management)方法，根據客戶的年消費頻率和客戶的年消費總金額構建客戶分類模型；

S3、使用步驟S2的客戶分類模型，獲取每個客戶的特征向量；

S4、使用機器學習K-means算法對步驟S3中求得的特征向量進行聚類；

S5、使用步驟S4所得的聚類結果作為客戶分類的結果，從而實現對客戶的分類。

在步驟S1中，從客戶相關的數據庫中，通過查詢獲取客戶的基本信息和通過聚合函數統計出每個客戶的年消費頻率和年消費金額，以此作為自動分類方法的輸入數據。

在步驟S2中，使用客戶的年消費頻率為橫坐標，以年消費總金額作為縱坐標，構建出客戶客戶分類模型。

在步驟S2中，所述的CRM方法是一種用于改善企業和客戶之間關系的新型管理方法，其中客戶關系管理中的一個重要環節就是客戶細分，所述客戶細分實質是一種將一個大的客戶群或者消費者群體劃分成多個分類群體的方法，這些群體中同屬于一個分類群體的客戶或者消費者的彼此特性相似。

在步驟S3中，利用步驟S2中建立的客戶分類模型，獲取每個客戶的特征向量，此處的輸入數據恰好包含客戶分類模型的兩個維度，因此直接以步驟S1中的每一個客戶的數據輸入作為該客戶的特征向量。