基于半监督谱聚类的电力客户群体细分模型构建

采用目前方法对电力营销服务客户群体进行细分时,存在群体细分准确性较差的问题。为此提出基于半监督谱聚类的电力营销服务客户群体细分模型构建方法,对电力营销服务客户群体数据进行预处理,填补缺失数据并水平、垂直平滑数据序列,建立半监督谱聚类支持向量机分类模型,通过谱聚算法对分类模型进行训练,引入流形正规化学习法解决原始数据集流形结构影响细分精度的问题,完成电力营销服务客户群体细分模型的构建。实验结果表明方法能有效提高电力营销服务客户群体细分准确性H距离值。

电信企业客户细分模型构建与应用研究

建立了基于数据挖掘技术的电信客户细分模型,并实证分析了客户行为特征分析数据获取方法与过程,得到并刻画各个客户群的特征,从而掌握了每个客户群中的客户行为、价值特征,有利于电信企业针对目标客户群开展精确营销活动。

基于持卡消费行为的客户细分模型研究

客户细分模型是指选择一定的细分变量,按照一定的划分标准对客户进行分类的方法。客户细分的目的是为了更好地了解客户并提供个性化服务。本文使用的样本数据为银行卡消费数据,选择消费金额和消费金额差异率为细分维度,建立了银行卡持卡消费客户细分模型。

聚类集成算法在客户细分模型中的应用

营销分析、客户分析和内部运营管理是企业大数据应用最广泛的3个领域。基于某市烟草零售数据,运用聚类集成算法构建客户细分模型,实现烟草零售精准营销。本算法集成了Clara算法和K-means算法,首先采用Clara算法随机生成初始聚类中心,K-means算法进行无监督学习,得到最少代价的聚类中心,然后基于零售客户基本信息进行聚类因子建模,将类别与档位进行维度交叉,对零售客户在档位内二次细分,优化迭代分配,解决烟草零售客户档位内部差异化大的问题。经多种聚类算法比较,本文方法的总误差和误差波动率小于其他单一的聚类算法。将该方法用于烟草营销投放策略,经市场验证,能够提升订足率和需求满足率。

商业银行客户细分模型的建立与应用

文章尝试利用层次分析法(AHP)建立商业银行基于客户价值的客户细分模型,通过对已有客户数据分析、挖掘,将客户进行细分,从而确定银行的核心客户和主要客户群体,并制定相应的营销策略。

产业市场营销的市场细分方法与模型研究

产业市场不同于消费品市场 ,它的供需双方均为企业等组织机构 ;因此产业市场营销又称为企业对企业营销。企业对企业营销中的市场细分与消费品市场细分相比较无论是市场细分的过程 ,还是细分时考虑的因素等都要复杂得多。一般来说 ,产业市场细分要经历两个阶段 :一是宏观市场细分 ,二是微观市场细分。进行宏观市场细分时 ,要考虑的因素即细分的依据主要有 :地理区域类、人文统计类和组织购买特点等 ;进行微观市场细分时 ,要考虑的因素即细分的依据主要有 :购买决策和购买过程的参与者特点。

美国细分模型对我国老年市场界定及营销的启示

评述美国老年市场细分模型的特点及其在营销上的意义。在此基础上,根据划分老年的不同标准和参考了国外主流研究方法对老年市场的界定后,对我国老年市场进行了明确的界定。并结合我国老年市场自身的特点,分析我国企业借鉴美国细分模型的前提和方法。

一种基于系统聚类的图书馆读者细分模型

读者细分是图书馆管理中迫切需要解决的问题,"被动服务"的图书馆服务模式逐渐转向"读者驱动",所提供的个性化服务应该符合读者的实际需求,因此这种个性化服务对于目前单一的读者属性细分方式提出了更高的要求。本文采用系统聚类算法建立了图书馆读者细分模型,进而提出了四种不同的细分方式,并用图书馆流通数据对模型进行了测试,验证了该细分模型的实用性和有效性。

中国式品牌消费行为细分模型——中国消费者气质与品牌选择的实证研究

在分析西方消费者细分方法路线及缺陷的基础上 ,试运用中国古代最有价值的思想智慧———易经和五行系统理论及全息方法论 ,以先天气质分型为基点创建全新的中国式消费者细分理论体系和品牌消费行为细分模型 ,并初步运用实证数据检验得到较满意的结果。

基于大数据的客户细分模型及精确营销策略研究

在移动互联网发展带动作用下,电信运营商主营业务已经由传统的语音业务逐渐向移动数据业务方向发展,在这种背景下,互联网企业同移动通讯业务之间的联系越来越紧密,电信运营商面临着被"管道化"的影响,基于此,对于电信运营商而言,当前最主要的任务就是提升产品质量和客户体验水平,满足电信客户多方面的需求,扩大用户范围,避免老客户的流失。而上述目标的实现都需要大数据技术应用的支撑。文章对基于大数据的客户细分模型以及精确营销策略进行深入的研究。

零售银行市场细分模型研究

零售银行是指商业银行运用现代经营理念，依托高科技手段，向个人、家庭和中小企业提供的综合性，一体化的金融服务，包括存取款、贷款、结算、汇兑、投资理财等业务。任何一家商业银行是不可能服务于金融市场中的所有顾客，

基于客户质量期望的节能服务市场细分综合模型

我国节能服务产业发展迅猛,节能服务企业(简称EMCO)机遇与挑战并存。为解决EMCO市场细分维度单一,角度不全面的问题,选择兼顾供需两方的客户质量期望作为细分变量对节能服务市场进行细分,并结合公司战略目标、企业竞争力和市场吸引力等因素构造基于用户质量期望的节能服务市场细分综合模型,以期为EMCO更加科学、合理地进行市场细分和目标市场选择提供理论参考。

基于PPC-GA的细分模型在用电客户划分中的应用

将PPC-GA应用于供电企业客户群细分问题,主要从客户的购电水平、信用状态、发展潜力和用电特征等几个方面进行描述和细分.得出具有代表性的3个中心点,实现了对客户的细分和精细营销.

Loop细分模型的边界拼接算法

为解决细分曲面之间的光滑拼接问题,提出一种满足边界条件的Loop细分算法,利用此算法可以完成两个细分模型的拼接,使得两个细分模型在具有相同细分格式条件下的极限曲面可在拼接处达到C2连续,而在边界的奇异点处达到C1连续.

基于细分模型的深度图像超分辨率重建方法

深度相机在最近几年越来越流行,然而受限于设备,通过深度相机获取的深度图像分辨率不高。文章提出了一种新的方法来提高这类图像的分辨率。首先通过细分模型构建目标分辨率图像的边界图,并通过“节点压缩算法”生成光滑的边界图;其次在该边界图的基础上,利用改进的联合双边滤波来重建高分辨率深度图像。该文提出的方法不仅降低了边界的锯齿现象,且具有良好的保形性。实验结果表明,该方法优于经典的方法。

图书馆读者细分模型的分析与建立

由于单一的读者属性细分方式很难满足个性化服务的需要,提出了4种不同的细分方式,利用系统聚类算法建立了图书馆读者细分模型,并通过大量图书馆流通数据的训练,验证了模型的有效性和实用性。

基于企业目标的市场细分模型

市场细分是企业战略营销的起点。传统的市场细分是从客户的视角出发，目的是识别和描绘有着不同的产品或服务需求的客户群，着眼于将总需求分割为用一些公用特征确定的相对同质的细分，并以此来解释和预测客户的反映（Kelly E．Fish）。市场细分最初是被用于针对特殊需求的目标客户群，强调产品差异的广告决策，此后的市场细分研究被用于新产品概念的设计（创新、定价）、新产品市场导人（渠道选择、新业务流程）等新的市场营销领域。

客户细分模型的建立

以客户终身价值和客户期望值两个变量为依据,建立客户细分模型,可以有效了解不同消费群体的需求情况,选择最合适企业发展的目标客户市场.本文将客户细分为亲密型客户、安全型客户、危险型客户和陌生型客户四种类型,并具体分析了各客户类型的特点.

电力客户细分模型及系统构建

针对当前电力营销的精准化需求,结合目前的信息化技术,提出一种基于细分客户模型的营销服务系统。对此,文章首先对结合客户细分的相关理论,构建基于聚类分析构建客户细分模型,进而通过该模型,完成对不同类型电力客户的分类;然后结合B/S模式和ASP.NET开发技术,对该辅助决策营销系统进行开发,最后给出部分功能。由此通过上述的开发,为科学划分电力客户,预防电力企业风险等具有一定的借鉴作用。

针对PRT的大规模场景的自适应网格细分

针对Pre-computed Radiance Transfer(PRT)全局光照算法的特点,提出了一种针对大规模场景的模型细分方法。基于PRT的全局光照算法的渲染结果和模型的精细程度密切相关,对于小规模的场景,可以使用比较精细的模型以得到很好的绘制结果,但对于大规模场景,对整个模型都使用精细的网格是十分浪费资源和不可接受的。通过加入PRT算法中计算的一些权重值,对模型中影响全局光照效果很大的地方进行精细的细分,对全局光照效果影响很小的地方进行较粗的细分或者不细分,从而实现既能提升全局光照效果,又不会过量增加模型规模的自适应网格细分。