搜索
K-Means算法在客户细分中的应用研究作者：邢留伟学位授予单位：西南财经大学相似文献(10条)1.学位论文叶强客户关系管理中基于数据挖掘的客户细分研究2003该文将从客户关系管理中客户细分问题的特点出发,探索基于数据挖掘的客户细分理论与方法及客户细分系统构架,为客户关系管理提供新的支撑技术与应用方法.该文首先对客户关系管理中的客户细分问题进行了框架性研究,提出了客户细分的空间逻辑模型与客户细分的数据-功能-方法模型(DFM模型),并在此基础上提出了以客户细分为核心的客户关系管理系统的系统构架.其次,该文分析了客户关系管理中客户细分问题的特点,指出由于客户数据具有噪声性、时变性、非确定性和非一致性,将现有的数据挖掘方法直接运用于客户细分中时,常常存在很多不足.为适应客户细分问题的这些特点,该文在对原有数据挖掘技术改造的基础上提出了三种新的分类模型,即基于支持度-显著度构架的关联分类模型、遗忘人工神经网络分类模型及动态多分类器融合分类模型,这些新的客户细分方法弥补了现有方法存在的不足,提高了客户细分的可靠性.为适应客户行为规律的复杂性和隐含性,并克服现有数据挖掘方法往往缺乏严格的统计学支持的缺点,该文在对关联分类模型进行改进的基础上,提出了一种基于支持度-显著度构架的关联分类模型.基于该模型的客户细分方法,可以保证所发现知识的统计显著性,并提高了隐含规则的发现能力.最后,在上述研究工作的基础上,该文设计了一个面向客户细分的数据挖掘原型系统.该系统初步实现了数据的导入、预处理、模型建立和模型使用等功能.该文结合一个实例,在该原型系统的支持下,分析了面向客户细分的数据挖掘在客户关系管理中的应用.2.期刊论文方安儒.叶强.鲁奇.李一军.FANGAn-ru.YEQiang.LUQi.LIYi-jun基于数据挖掘的客户细分框架模型-计算机工程2009,35(19)数据挖掘技术在客户关系管理领域的应用较广泛,能提高客户细分能力.针对目前客户细分研究缺乏统一研究框架的问题,分析现有的客户关系管理系统构架及其与客户细分的集成关系,对客户细分问题进行构架性研究,提出一种基于数据挖掘的客户细分框架模型,包括空间逻辑模型和数据-功能-方法模型.3.学位论文骆庆基于数据挖掘的信用卡客户细分应用研究2005数据挖掘是从大规模的数据中抽取非平凡的、隐含的、未知的、有潜在使用价值的信息的技术。随着信息技术的不断发展，各行业的数据规模也不断庞大，与此同时，数据挖掘技术不断成熟向应用领域方向发展。随着信用卡业务的快速拓展，数据挖掘技术应用于信用卡数据分析将成为一种必然的趋势。本论文总结了我国银行卡产业的发展历程，分析了我国银行卡产业目前存在的问题，从而提出了国内发卡银行实施客户细分的必要性，并分析了国内外发卡银行实施客户细分的情况。在阐述数据挖掘的主要概念、解决的问题及使用的方法、过程及工具等的基础上，介绍了笔者如何运用SAS的数据挖掘工具EnterpriseMiner对某银行的银行卡客户数据进行数据挖掘建模分析。最后阐述了在数据挖掘的基础上对银行卡客户细分系统进行分析和设计的过程。本论文主要分为四章．第一章主要分析了国内发卡银行实施客户细分的必要性。本章首先介绍了银行卡的基本概念及分类：接着对客户细分的理论进行了简单介绍，并分析了银行卡客户细分的意义及细分的标准；最后总结了国内外发卡银行在实施客户细分方面的情况。第二章简单介绍了数据挖掘的基本概念，分别阐述了数据挖掘解决的各类问题及使用的各种方法。在综合对比分析几种流行的数据挖掘方法论的基础上归纳总结了数据挖掘分析的一般过程。第三章是本论文的核心部分．主要是阐述笔者运用数据挖掘技术对某银行的银行卡客户数据进行数据挖掘分析的过程。介绍了笔者如何运用EnterpriseMiner对农行银行卡客户数据进行数据挖掘分析，其中。对于银行卡客户预测性细分采用了决策树方法，对银行卡客户聚类采用了Kohonen自组织特征映射神经网络方法。利用相应数据挖掘方法进行了客户细分系统的分析和设计：介绍了客户细分系统的开发背景、主要功能及开发环境的选择，然后按照软件工程的基本思路依次介绍了系统的功能结构设计、业务流程分析、数据库设计及系统界面设计等。第四章是针对第三章利用数据挖掘技术的设计的客户细分系统进行了分析和总结。虽然该系统最后还未完成，但是通过对该系统设计的研究，可以更深入的理解数据挖掘技术在客户细分中的应用。4.学位论文赵晓倩基于数据挖掘的中小企业客户细分研究2009客户细分理论产生于第二次世界大战后，经过若干年的发展，客户细分的理论和方法不断完善，而且被广泛地应用于营销实践。基于数据挖掘的客户细分，以庞大的客户数据为基础，通过识别不同客户群体的特征，从而达到科学的客户认知、风险管理、个性化营销和服务的要求。与传统的客户细分方法相比，基于数据挖掘的客户细分能够考虑客户更多的行为属性，提高细分精确度。目前已在银行、电信、零售业等诸多领域得到了广泛应用。本文在深入研究中小企业特征的基础上，将数据挖掘技术引入到中小企业客户细分中。目的是探讨在中小企业不能提供完备数据的情况下，进行客户细分的可行性和有效性。在理论上，本文首先研究客户细分的相关理论和方法，并介绍了数据挖掘技术工具，为中小企业客户细分的研究作理论铺垫；其次研究我国中小企业的概况，对中小企业客户细分的必要性和可行性进行分析，并对客户细分在中小企业中的整体功能做了详细设计。在实践中，聚类分析是数据挖掘中的一个重要研究领域，本文针对经典的K-means算法作了细致、全面的分析，设计出一个基于该算法的客户细分模型。将该模型应用到某个具体中小型企业的客户细分中，得到了比较理想的细分结果，并以此为基础针对不同客户群提出营销建议，进而建立了一个稳定的决策支持系统模型，为该公司业务的推广提供决策支持。本文的研究为提升中小企业的市场竞争能力提供了新的思路，为数据挖掘技术在中小企业客户细分的实用化做出了有益的尝试。5.学位论文史永平基于数据挖掘的我国商业银行个人理财客户细分研究2009随着我国金融市场的开放，外资商业银行开始涉足我国城乡居民的个人理财业务，商业银行的个人理财业务正形成更为激烈的竞争局面。以产品为主导的个人理财产品经营理念逐渐被以客户和市场为中心的理念所取代。在这一背景下，研究如何对商业银行个人理财客户进行细分、如何多角度识别客户、深入挖掘客户需求、定位目标市场具有重要的现实意义。对目标个人理财客户提供针对性的产品和服务，并建立客户忠诚度是目前我国商业银行面临的重要课题。br 本文从我国商业银行个人理财业务的现状出发，提出了基于数据挖掘的商业银行个人理财客户细分模型，用于银行建立理财业务决策支持系统，为银行理财业务实践提供营销支持。本文首先回顾了现阶段我国理财业务的发展情况，分析了进行理财客户细分的必要性，并对传统的客户细分理论、实现客户细分的信息技术工具进行了综述，提出了建立基于数据挖掘的客户细分的思想。同时，本文在分析银行理财客户细分目标和客户细分挖掘方法的基础上提出了基于K-meauls聚类算法的挖掘流程结构，并全面分析了我国商业银行理财客户细分维度，提出从客户行为的角度对其进行细分，构建了与整个客户购买过程相关的指标体系以及用于描述客户细分结果的客户价值体系。最后，本文以A银行广州市分行的个人理财业务为例，对研究模型进行了应用。br 本文所构建的挖掘方法在A银行广州市分行的应用研究表明，该银行的个人理财客户可分为五类，细分结果对该银行具有较强的实际意义。案例分析结果显示：其一，银行从客户行为的角度出发研究理财客户细分能合理地解释银行的客户特征，对于银行开展个人理财业务具有明确指导意义；其二，个人理财客户价值评估体系是对细分体系的重要补充，一定程度上弥补了客户行为细分解释性差的缺点；其三，基于聚类分析的数据挖掘方法在商业银行个人理财客户细分中有较强的实用性和良好的应用前景，能够指导商业银行开展个人理财业务的营销实践。6.会议论文邓晓梅.裘江南基于数据挖掘的电信增值业务中客户细分模型2005随着国内电信市场竞争的加剧,电信业务一个重要特点是针对用户的个性化需要展开的,这种新的经营模式依赖于对客户准确的细分.本文分析了电信增值业务中客户细分的现状,简述了应用数据挖掘进行电信行业客户细分的理论,并在此基础上建立了一个标准的功能结构模型,详细分析了细分过程中数据的准备和处理,方法的选择和应用两大难点,以指导电信增值业务中客户细分项目的实践.并通过一个小灵通短信业务中的客户细分的实现过程,验证了它的应用和效果.7.学位论文程照星数据挖掘在电信企业客户细分中的应用2004随着电信市场竞争的不断加剧，如何针对不同的客户群实施差异化营销和服务，如何对客户进行细分和分类已成为当前电信企业的迫切需求。本文讨论了当前电信企业客户细分工作的现状和发展趋势，分析了将数据挖掘技术应用到电信企业中的必要性和可行性，提出将数据挖掘聚类分析应用到电信企业的客户细分工作。数据挖掘(DataMining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。本文论述了数据仓库和数据挖掘的基本理论；分析比较了当前数据挖掘领域通常采用的主要方法；深入研究了数据挖掘聚类分析中的K-Mean快速聚类算法；给出将其运用到电信客户细分的建模过程。K-Mean快速聚类算法是在数据挖掘聚类算法中最常用的一种，它通过计算样本与初始中心点的距离，不断调整中心点的位置，使中心点到部分样本间的距离和达到最短，从而实现样本的“聚集”和“分类”。结合重庆移动通信有限责任公司的管理体制和业务模式，遵循CRISP-DM标准定义的商业数据挖掘过程，本文详细论述了建模所涉及的商业理解、数据理解、数据准备、建立模型、模型评估和模型发布等过程。首先将客户的各种消费行为描述数据进行K-Mean快速聚类，再结合市场业务的经验，将客户按行为分为十余种组间差异巨大，而组内差异小的行为分组。最后在建立的电信企业客户细分模型基础上采用B/S模式的计算机体系结构，结合软件工程的思想，设计开发了“重庆移动智能营销系统”，实现了数据挖掘在电信企业客户细分工作的实际应用，实现了电信运营商针对不同的客户群进行差异化营销，差异化服务的目的，达到了提高电信企业核心竞争力的效果。8.学位论文侯文喆基于数据挖掘的银行信用卡客户细分研究2008国内外信用卡市场竞争的加剧，要求国内银行信用卡业务的运营模式逐步向以客户为中心、以数据为中心、以信患为基础的国际先进模式转变，客户细分成为这种科学经营模式的前提和基础.目前我国银行对信用卡客户的细分方法还是基于经验或者简单的统计方法，但是无法满足业务发展的复杂分析需求.随着数据挖掘技术在信用卡管理中应用的深入，采用数据挖掘技术进行有针对性地客户细分变得十分重要和紧迫.这篇文章研究对象是银行信用卡客户细分模型，主要针对银行在具备大量的信用卡数据中凭借数据挖掘技术，选择合理的客户细分方法，设计科学的客户细分模型，以指导银行进行有针对性地信用卡产品或服务设计，提高客户满意度，最大化客户价值，建立以客户为中心的营销战略。这篇文章研究内容如下：首先，提出研究背景及意义，确定研究目标与方法；其次，研究客户细分的相关理论和方法，并介绍了数据挖掘技术工具，为信用卡客户细分的研究作理论铺垫；第三，结合信用卡客户细分的应用现状，对常用的细分方法进行了总结并构造了基于K-means聚类算法和决策树方法的数据挖掘模型，并通过数据加以实证研究；最后，提出了一些关于信用卡的个性化营销方式.这篇文章探索了银行如何应用数据挖掘技术和方法，实现准确、有效的信用卡客户细分，为银行信用卡客户细分问题的数据挖掘提供系统的理论与方法。对我国信用卡业务在以客户为中心的管理理念背景下，利用信息技术提高竞争力具有一定的指导意义与应用价值.9.期刊论文李春宏.LIChun-hong基于数据挖掘方法的中小型企业客户细分的案例研究-云南师范大学学报（自然科学版）2007,27(3)以中