基于改进K-means算法的RFAT客户细分研究

• 作者: 刘芝怡 陈功
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 客户分类 购买时间 购买频次 平均购买额 购买倾向 K-means算法 初始聚类中心 聚类数
• 年，卷（期）: 2014,（4）
• 页码范围: 531-536
• 页数: 6页
• 分类号: TP39
• 字数: 5105字
• 语种: 中文

摘要

为了解决传统K-means算法对初始聚类中心敏感和聚类数目事先难以确定的问题,提出了一种改进的K-means算法。改进算法利用最大距离等分策略来选取初始聚类中心,并利用一种评价函数来自动确定聚类数,减少了算法结果对参数的依赖。将改进算法应用到某企业客户分类中时,为提高分类结果的表征性,提出了以客户最近购买时间( Recency )、购买频次(Frequency)、平均购买额(Average Monetary)和购买倾向(Trend)作为客户价值细分变量的RFAT( Recency,frequency,average monetary and trend)模型,对客户RFAT值进行了聚类分析,并提供了针对不同客户群的营销策略。实证研究表明,该文所提出的改进算法和模型可以有效地对企业客户进行分类,能充分反映客户的当前价值和增值潜能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘芝怡	常州工学院计算机信息工程学院	19	89	5.0	9.0
2	陈功	常州工学院电子信息与电气工程学院	33	103	6.0	8.0