[發(fā)明專利]一種基于聚類分析的客戶細分方法及裝置

在審

• 申請?zhí)枺?/td>: 201810496620.7
• 申請日: 2018-05-22
• 公開（公告）號: CN108734217A
• 公開（公告）日: 2018-11-02
• 發(fā)明（設計）人: 王新剛;王琳琳;孫濤;姜雪松;耿玉水;魯芹;李愛民
• 申請（專利權(quán)）人: 齊魯工業(yè)大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q30/02
• 代理公司: 濟南圣達知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 楊哲

本發(fā)明公開了一種基于聚類分析的客戶細分方法及裝置，該方法包括：獲取客戶信息原始數(shù)據(jù)集，進行數(shù)值化預處理，得到數(shù)據(jù)樣本，通過自動編碼器對數(shù)據(jù)樣本進行降維和特征提取；將自動編碼器處理后的數(shù)據(jù)樣本采用變異系數(shù)法計算屬性特征的權(quán)重，并采用加權(quán)的歐幾里得距離公式計算樣本點間的距離；計算所有數(shù)據(jù)樣本間的平均距離，遍歷數(shù)據(jù)樣本查找每個樣本點與其距離小于平均距離的近鄰點，統(tǒng)計所有樣本近鄰點數(shù)量并按照降序排序，確定k個初始聚類中心點，根據(jù)加權(quán)歐式距離公式對其余數(shù)據(jù)進行聚類，完成客戶細分工作。

技術領域

本發(fā)明屬于市場統(tǒng)計及營銷的技術領域，涉及的是一種基于聚類分析的客戶細分方法及裝置。

背景技術

伴隨著科技的飛速發(fā)展，計算機的普及使用，網(wǎng)絡已悄無聲息的滲透于我們?nèi)粘５姆椒矫婷妗，F(xiàn)如今，人們使用數(shù)據(jù)挖掘技術從各領域中尋找有價值的信息變的越來越重要，這樣不僅可以總結(jié)出過往的發(fā)展情況，而且還可以預測出數(shù)據(jù)未來的發(fā)展趨勢。其中，客戶細分是一個重要的研究領域。通過聚類分析的方法，并根據(jù)客戶的相似性和相異性將他們劃分成不同的類，方便企業(yè)發(fā)現(xiàn)不同類型的客戶，從而制定差異化的銷售方案，實現(xiàn)企業(yè)利潤的更大化，所以，如何對客戶細分成為了企業(yè)獲得更大利潤的關鍵所在。目前，在客戶細分體系中主要存在著如下的問題:

第一，客戶細分體系在處理顧客信息時，面臨著數(shù)據(jù)量大，且數(shù)據(jù)的屬性較多、數(shù)據(jù)的維度較高的問題，倘若直接選用這些原始數(shù)據(jù)進行聚類分析，不僅導致客戶細分的效率較低，計算步驟繁瑣，也會使客戶細分時間過長。

第二，在客戶細分系統(tǒng)研究中，傳統(tǒng)的k-means聚類算法是最常見的應用算法之一，但該算法在聚類過程中對所有數(shù)據(jù)樣本的屬性等同對待，未考慮不同的屬性間的差異。然而，不同的屬性的重要性是不同的，對聚類效果也產(chǎn)生著不同的影響，一般而言，重要的屬性對聚類效果產(chǎn)生較大的影響。

第三，傳統(tǒng)的k-means算法在聚類時，對初始聚類中心點的選擇比較敏感，存在隨機選取初始聚類中心點的盲目性問題。通常，初始聚類中心點選擇的好壞會對聚類結(jié)果產(chǎn)生較大的影響，一旦選取不當可能會使聚類效果達到局部最優(yōu)而不是全局最優(yōu)，而且也會增加算法的迭代次數(shù)，降低算法的收斂速度。

綜上所述，針對現(xiàn)有技術中如何更好的進行客戶細分的問題，尚缺乏有效的解決方案。

發(fā)明內(nèi)容

針對現(xiàn)有技術中存在的不足，解決現(xiàn)有技術中如何更好的進行客戶細分的問題，本發(fā)明提供了一種基于聚類分析的客戶細分方法及裝置，在客戶細分中，根據(jù)客戶的消費習慣將他們聚集為不同的類，為針對不同類的客戶提出不同的營銷策略提供基礎。

本發(fā)明的第一目的是提供一種基于聚類分析的客戶細分方法。

為了實現(xiàn)上述目的，本發(fā)明采用如下一種技術方案：

一種基于聚類分析的客戶細分方法，該方法包括：

獲取客戶信息數(shù)據(jù)集，進行數(shù)值化預處理，得到數(shù)據(jù)樣本，通過自動編碼器對數(shù)據(jù)樣本進行降維和特征提取；

將自動編碼器處理后的數(shù)據(jù)樣本采用變異系數(shù)法計算屬性特征的權(quán)重，并采用加權(quán)的歐幾里得距離公式計算樣本點間的距離；

計算所有數(shù)據(jù)樣本間的平均距離，遍歷數(shù)據(jù)樣本查找每個樣本點與其距離小于平均距離的近鄰點，統(tǒng)計所有樣本近鄰點數(shù)量并降序排序，確定初始聚類中心點，進行其余數(shù)據(jù)點聚類，得到不同類的客戶，完成客戶細分工作。

作為進一步的優(yōu)選方案，在本方法中，進行數(shù)值化預處理的具體步驟包括：

將非數(shù)值型的數(shù)據(jù)進行數(shù)值化處理；

使用標準化公式處理數(shù)值型的數(shù)據(jù)；

使用歸一化處理公式對經(jīng)標準化處理的數(shù)據(jù)進行處理，得到數(shù)據(jù)樣本。