[發明專利]一種基于加權RFM模型的電商平臺客戶細分方法

在審

• 申請號: 202011224439.4
• 申請日: 2020-11-05
• 公開（公告）號: CN112232930A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 李鵬飛;王晨;劉家鑫;毋建宏
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02;G06Q10/06;G06F16/215;G06K9/62
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李鵬威

本發明公開了一種基于加權RFM模型的電商平臺客戶細分方法，從電商平臺客戶數據庫中提取客戶消費數據，進行數據清理；根據數據清理后的電商平臺客戶消費數據，計算每位客戶最近一次消費的時間間隔R、規定時間段的消費頻率F、規定時間段的消費總金額M，并進行Z分數標準化變換；將所得數據作為輸入數據，確定加權歐氏距離公式，去除客戶集中所有孤立點，得到客戶集X'；使用Canopy算法對X'進行粗聚類得中心點集合；利用中心點集合作為K?means算法初始聚類中心進行聚類，得k類電商平臺客戶群；計算聚類后不同電商平臺客戶群的各個指標的平均值，與全體電商平臺客戶的各個指標的平均值進行比較，得每類電商平臺客戶群的RFM類型。本發明能夠高效精確地對電商平臺進行客戶分類。

技術領域

本發明涉及數據挖掘與數據分析領域，具體是一種基于加權RFM模型的電商平臺客戶細分方法。

背景技術

隨著我國電子商務行業的飛速發展，網絡購物越來越受大眾青睞，中小型電商企業間的競爭也愈發激烈，現代企業的營銷理念已經從“以產品為中心”演變為“以客戶為中心”，對于企業而言客戶成為極具價值的資源。面對龐大的不同行為模式的客戶群體，科學評價客戶價值并進行精準客戶細分，從而制定相應客戶服務策略，提供差異化營銷策略，是電商企業將有限資源利益最大化、高效提升客戶忠誠度的重要途徑，有助于電商企業在激烈的市場競爭中占據優勢地位。

目前RFM模型在客戶細分領域被廣泛應用，但是傳統RFM模型的客戶細分主要是根據R、F、M三個指標的均值直接將客戶劃分為8類，導致客戶分類常常存在分類模糊問題。K-means聚類分析算法作為一種經典的迭代求解的劃分聚類算法，常與RFM模型結合使用以提高客戶分類精度，然而傳統K-means聚類分析算法存在一定局限性，k值需要預先人工經驗設定，且k值的估計非常困難；初始聚類中心隨機選取而成，易造成聚類結果不準確；孤立點的存在容易造成聚類迭代次數增加，且聚類陷入局部最優；當數據屬性值種類多且重要性不一致時，所使用的歐氏距離對待每個屬性的重要性權重相同，導致聚類精度產生偏差。

其次，在RFM模型中，各指標權重的選取是客戶價值評估模型的關鍵，但是在大多數RFM模型應用中，識別客戶價值時使用的各指標權重相同，對客戶價值評價的準確性產生了負面影響。

發明內容

針對現有技術中存在的技術問題，本發明提供了一種基于加權RFM模型的電商平臺客戶細分方法，以高效精確地對電商平臺進行客戶分類。

為了解決上述技術問題，本發明通過以下技術方案予以實現：

一種基于加權RFM模型的電商平臺客戶細分方法，包括以下步驟：

步驟1、從電商平臺客戶數據庫中提取客戶消費數據，并對客戶消費數據進行數據清理，對數據清理后的客戶消費數據集進行向量化處理，獲得客戶集X＝{x₁,x₂,…x_i,…x_n}，1≤i≤n，n為客戶個數；所述客戶消費數據包括客戶編號、訂單編號、購買時間和消費金額；

步驟2、根據數據清理后的電商平臺客戶消費數據，計算每位客戶最近一次消費的時間間隔R指標、規定時間段的消費頻率F指標和規定時間段的消費總金額M指標；對R、F和M指標分別進行Z分數標準化變換得到x_ir、x_if和x_im，記為客戶x_i的三個屬性值；

步驟3、將步驟2得到的客戶x_i的三個屬性值作為輸入數據，確定加權歐氏距離公式，去除客戶集X中所有孤立點，得到客戶集X'＝{x₁',x₂',…x_i',…x_m'}，1≤i≤m≤n；

步驟4、使用Canopy算法對步驟3得到的客戶集X'進行粗聚類得到中心點集合；