基于客户聚类分析的产品概念设计方案评价决策方法

为使产品创新过程中概念设计方案的评价决策充分考虑客户的需求偏好特征,提升客户的综合满意度,提出一种基于客户聚类分析的产品概念设计方案评价决策新方法。该方法首先基于客户对各设计方案的需求偏好信息,通过利用图论工具并对无向图连通子图的输出完成需求偏好相似客户的聚类;其次考虑到产品设计成本与客户满意度之间的矛盾,通过建立客户聚类评价准则确定最佳聚类结果;然后结合优势数分析的方案评价排序方法,实现各客户聚类所对应最优产品概念设计方案的评价决策;最后重点考虑新增客户的快速聚类及需求方案的推荐实现流程。以电冰箱产品创新过程中概念设计方案的评价决策为例,验证了所提方法的可行性和有效性。

CRM中的模糊C均值(FCM)客户聚类算法研究

客户关系管理(CRM)中的客户聚类分析是一个新的研究领域,属于数据挖掘的应用范畴.CRM利用数据挖掘技术发现客户数据背后隐藏的、有用的、未曾预料的知识.包括利用聚类方法划分顾客类别.本文提出用模糊C均值(FuzzyC Means,FCM)聚类算法作为客户聚类的方法,得到不同客户群的聚类中心以及客户的隶属度矩阵,为客户群的特征分析提供了量化依据.并采用Matlab6.1为计算工具,最后给出了一个聚类分析实例.实验证明,本文采纳的方法可以得到满意的客户聚类结果.

基于直觉模糊C-均值的客户聚类和识别方法

客户聚类和识别是大规模客户化生产中产品/服务快速有效设计的基础.考虑客户需求信息的不确定性,提出了基于直觉模糊C-均值的客户聚类算法.针对传统基于欧式距离的C-均值聚类方法无法计算直觉模糊数组间距离的缺点,采用直觉模糊交叉熵方法处理算法中的距离计算问题.同时,直觉模糊交叉熵还用来计算新客户和各客户类间的偏好相似度,进行客户识别.最后以某工程机械企业服务开发中的客户聚类和识别为例,验证了所提方法的有效性.

基于谱聚类算法的城市快递客户聚类研究

大量布局运力来满足客户需求的模式,使得配送资源无法得到合理利用,针对此问题提出对城市快递客户进行聚类分析。面向客户的消费能力和地理位置,确定了客户聚类的6个指标。基于谱聚类算法,结合经验规则k≤n^(1/2),计算Laplace矩阵最大特征值差,确定客户聚类数目k。运用k-means算法对前k个最小特征值对应的特征向量聚类,确定具体的聚类方案。最后,以武汉市某区的36个街道为例验证了算法的有效性,为城市快递客户聚类分析提供理论依据。

基于客户聚类的成品油客户精准营销研究与应用

从大数据分析角度,建立了成品油零售客户数据驱动精准营销框架,重点论述了如何基于数据特点和业务实际建立成品油零售客户画像,并详细阐述了基于K-Means算法进行客户聚类时的关键技术点。最后,通过实际案例阐述了数据驱动精准营销框架及本文所论述客户聚类模型的应用效果。

基于混合K—中心点的Web客户聚类

通过对Web日志文件进行分析,该文提出了一种改进的K-中心点聚类算法对Web用户的行为进行分析的方法。该算法利用模糊相似度,并模仿遗传算法中计算适应度思想,另加了一层循环迭代,每次比较适应度,保留最佳适应度,使之有较好的性能,改进了其易局部最优化的缺点。

一种结合PSOA的模糊K-均值客户聚类算法

运用结合PSO(粒子群优化)算法的模糊均值聚类法进行客户聚类分析是CRM中一个新的研究方向。本文提出将M个客户记录指定字段中出现频率最大的N个字段值作为客户的特征属性,由M个客户的特征属性构成客户模糊聚类的模式样品集,并在均值聚类算法中结合PSO算法,对总的类内离散度和进行优化,使其达到最小值,从而获取最佳客户聚类。实验表明,采用本算法能够得到满意的客户聚类结果。

基于客户聚类的商品推荐方法的研究

文中给出了一种新的数据源的获取方法,使用Web2.0技术直接从客户浏览行为中获取需要的数据,避免了传统Web使用数据挖掘时日志数据预处理时的大量繁杂工作,减少了噪声数据,提高了数据准确性。根据所获数据建立用户-商品矩阵,计算此矩阵的欧氏距离,在此基础上使用聚类算法将客户进行聚类,根据聚类结果对新来的客户进行有目的的商品推荐,并对聚类结果进行跟踪评价。目的是为了提高电子商务网站的个性化服务。

考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化

针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染,提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先,结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征,以最小运营成本和最小环境影响为目标建立选址-路径优化模型;其次,对多目标进化算法进行改进,提出了考虑客户聚类结果的两级物流设施选址-路径问题求解算法;最后,对该优化算法进行算法性能分析,并以重庆市某企业为例进行了模型和算法验证。结果表明,所建立的模型和算法能有效降低决策难度并提高物流系统的运作效率,所求出的优化方案能减少物流运作成本和降低物流运输过程对环境的影响。

大数据时代构建服务维系体系的客户聚类模型

运营商面对新的竞争和价值获取模式—推动力就是大数据,3G时代用户结构和消费特征发生明显变化,移动终端智能化、多元化,数据应用多样化、需求高端化使得用户结构和客户消费特征明显区别于2G时代。广东联通在服务维系时,使用聚类统计方法将客户进行特征聚类,入网半年内用户的流失和前端发展质量密切相关,入网半年至1年用户的流失和功能性的服务感知相关,入网1年以上用户的流失和持续性的服务感知相关。

天然气客户聚类模型研发

在我国天然气管网的逐步完善和天然气销售市场化改革的不断推进过程中,天然气销售企业将围绕天然气客户资源展开激烈的市场竞争。为进一步提升客户精细化管理水平,基于天然气客户标签,从客户基本特征、消费行为特征、计划执行特征等维度建立客户画像,有助于实现360°全方位客户洞察。在客户画像分析的基础上,通过数据挖掘构建K-means客户聚类模型,实现有效客户分群,从而能够针对不同客群的购气特征,提供更有针对性的营销和服务,提升客户满意度,实现企业与客户的共赢。

基于Kmeans++算法和LGBM模型的城市燃气客户分类

为了方便天然气销售公司进行客户细分及客户关系管理,使销售公司能够以客户为中心进行个性化服务与专业化营销,通过收集天然气销售公司的城市燃气客户消费行为特征和消费动机特征数据,对客户进行了聚类分析研究,提出了利用Kmeans++算法聚类及训练LGBM分类模型实现对新进入客户的判别归类,形成了客户多维分类模型。研究结果表明:①针对某天然气销售公司中数量多且用气规模大的城市燃气客户进行客户细分研究,以手肘法辅助的Kmeans++聚类模型对采集的城市燃气客户消费数据进行聚类分析,聚类效果较好,各类客户群的业务特征较为明显;②构建LGBM分类模型实现对新进入客户的划分,LGBM分类模型准确率较高,对客户分类的结果与聚类得到的几大类客户特征较符合。

考虑物流配送路网结构及配送量约束的客户聚类算法

物流配送客户聚类问题是物流配送研究领域的基本问题,实际问题要求考虑客户分布的地理特性、客户配送量(即需求量)及配送车辆负载量等因素.针对配送中心未知的客户聚类问题,提出了一种考虑配送路网结构和配送量约束的聚类算法.利用所提出的"最短主干道距离",克服传统欧式距离不考虑配送道路信息的缺陷,在此基础上,利用约束聚类思想对传统k中心划分聚类算法CLARANS进行改进,使其在考虑地理信息的同时,能满足客户配送量和车辆负载量约束.最后对提出的算法进行了数值实验.

基于目标客户聚类的营销系统设计

在市场经济发展过程中,如果企业想占据更大的市场份额,就需要具有稳定的客户群,并且不断地开拓新的客户,这也是企业获得经济效益的基础和前提。在新时期,社会处于不断变化的环境中,企业需要加强对营销系统的设计,吸引更多的客户,加大对网络技术和计算机技术的应用力度。以目标客户聚类为基础,以电信企业为例,对其营销系统的设计进行分析和研究,以期实现新的营销系统的构建。

Web客户的核聚类

提出了一种基于核的聚类方法,增加对样本特征的优化;通过核函数,把数据样本空间映射到一个高维的特征空间;在特征空间对数据样本进行k-中心点聚类,并通过计算类内距离作为适应度准则,取其最优的结果。通过Web日志挖掘中的Web客户聚类应用比较,表明核聚类方法在性能上比经典的聚类算法有较大的改进,从而实现更为准确的聚类。

客户行为的有效聚类

对客户的交易数据进行聚类是客户行为分析的一个重要手段。针对客户交易数据维数高的特点,提出了基于EMD和K-means的顾客行为聚类算法。首先利用EMD和自底向上分段算法实现交易数据序列维度的约简,再利用K-means算法完成降维后序列的聚类,最后利用每个类别中购买率较高的商品作为该类的描述,为商家提供促销依据。该聚类算法一方面可以有效实现客户行为的聚类,另一方面,由于算法对交易数据序列进行了降维处理,节约了一定的存储空间。

银行卡客户群体聚类挖掘研究

银行卡业务利润丰厚。通过数据预处理,建立数据立方体,数据挖掘,分析客户群体特征,有目标地发展银行卡客户,使银行获得更大利益。

最小聚类单元的生成及其在商业选址中的应用

根据客户群聚的特点,分析了零售业商圈聚类的基本过程,探讨了数据聚类方法及约束条件。依据饱和指数临界值的概念,提出了基于最小聚类单元的商圈聚类方法。这种方法可以降低商圈聚类计算模式的复杂性,提高预选点选择的有效性。

考虑共同客户的协同配送优化方法研究

本文针对一些客户仅需要一个配送中心提供配送服务,而某些客户需要多个配送中心提供配送服务(需要多个配送中心提供服务的客户就是企业的共同客户)的情形,提出了一类具有多配送中心、有时间窗限制的车辆路径问题,建立了相应的数学模型。基于“先分类,后求解”的思想,本文设计了两阶段启发式算法:第一阶段提出基于客户聚类的启发式算法,形成聚类信息,将多中心问题转化成单中心问题;第二阶段通过改进的蚁群算法对每个配送中心的情况进行求解。最后,通过算例对该模型的可行性和有效性进行了验证,结果表明与非协同配送方式相比,在配送距离、降低配送成本、提高客户满意度等方面均有明显改进。

客户细分在电信营销中的应用研究

今天的电信行业面临着如何更好的理解客户信息将其转变为有用的知识,如何维护客户关系和发展有价值客户并提供个性化的服务的难题。数据挖掘能从大量客户数据中发现潜在和有价值的知识,这无容质疑的为电信营销提供的极大的支持。进行客户分群分析的目标是通过综合客户消费行为,帐单行为以及人口统计信息(主要是客户行业)等因素,按照价值和行为两个维度进行战略分群,对客户进行细分。为了重点研究客户分群分析在电信营销中的应用;另外也针时基于数据挖掘模型的应用给出了一些市场战略和个性化营销方法。