基于密度信息熵的K-Means算法在客户细分中的应用

为解决企业客户价值体现问题,提出一种TFA客户细分改进模型,以客户发展空间T、购买频次F和平均购买额A为指标,充分体现客户的价值和发展空间.首先,引入局部密度值ρ和信息熵H,改进K-means聚类算法,以优化传统K-means聚类方法初始聚类中心的选取问题;其次,通过搭建机器学习框架,对选取人工数据集及真实数据集进行聚类实验,验证模型的有效性.实验结果表明,该模型能有效分类客户,充分反映客户价值及其发展空间,并通过改进聚类算法提升了算法效率.