分析型CRM中聚類算法的研究.pdf

1、隨著科技的不斷發(fā)展，網(wǎng)絡技術和數(shù)據(jù)庫技術得到廣泛的應用，企業(yè)存儲的數(shù)據(jù)量也急劇上升。雖然企業(yè)擁有著大量的客戶數(shù)據(jù)，但卻無法從海量數(shù)據(jù)中提取蘊藏在其中的商業(yè)信息。如何能從數(shù)據(jù)中找出規(guī)律和模式，獲取商業(yè)信息，幫助企業(yè)更好的進行決策支持成了當前研究的熱門話題?？蛻絷P系管理(CRM)是企業(yè)的一種商業(yè)策略。而客戶細分則是CRM的首要問題，將聚類技術運用到客戶細分中，能夠為企業(yè)進行客戶分析提供更多有價值的信息。
　　 K-means算法是主

2、要的聚類算法之一，它是一種基于劃分的聚類算法。本文在對該算法研究的基礎上，試圖將該算法進行改進。同時在算法應用方面，將聚類技術應用于客戶細分，客戶細分是企業(yè)能夠進行有效客戶管理的前提和依據(jù)，因此這方面的研究具有實際指導意義。本文的主要研究工作有以下幾個方面：
　　 本文分析了聚類技術的概念、功能、流程以及常用算法的優(yōu)缺點，重點探討了K-means算法的相關理論以及算法的優(yōu)缺點，同時針對該算法的缺點提出了一種改進的K-means算

3、法。
　　 首先針對K-means算法度量函數(shù)的單一性引入了度量函數(shù)規(guī)則，使算法能夠針對不同的數(shù)據(jù)集選擇相應的度量函數(shù)。其次針對算法對初始聚類中心敏感以及無法確定七值的問題，引入輪廓系數(shù)以及最大距離函數(shù)的方法來確定七值及初始聚類中心，從而得到了一個穩(wěn)定的聚類結果。通過仿真實驗證明了算法的可行性和有效性。
　　 文章最后介紹了客戶細分的相關概念和細分方法，并將傳統(tǒng)的K-means算法與改進的K-means算法應用到客戶細分