基于在线客户评论的客户细分研究

针对基于在线客户评论数据进行客户细分分析的问题,设计了二阶段客户细分分析框架。在客户偏好建模阶段,设计了同义属性识别方法和属性偏好换算方法,基于产品属性树结构,构建粒度统一的客户偏好向量;在客户聚类阶段,设计了包含最优聚类数识别的聚类流程,基于模糊C均值聚类方法,对客户进行聚类。

基于回归树与衰减函数的在线负面口碑影响力预测

影响力预测是企业在线负面口碑处理的关键环节.论文通过综合考虑信息发布者特征和信息内容特征两个维度形成特征空间,采用影响力衰减函数描述负面口碑影响力的多变趋势,提出了一种基于回归树与衰减函数的IMM-RTDF模型来预测在线负面口碑的影响力.实验结果表明,考虑信息内容特征有助于提高预测精度,同时发现用不同的衰减函数能更好地描述异质负面口碑影响力的变化趋势,进而能提高模型性能.基于此方法的在线负面口碑处理策略为企业进行客户关系管理和资源配置提供了决策支持.