客户细分中聚类的应用 小论文发表

客户细分中聚类的应用 小论文发表 客户细分中聚类的应用 摘 要:客户细分是企业识别客户类别、把握客户特征的重要方法。文章简单 介绍了当前常用的客户细分的方法,针对电信企业提出了基于客户价值和客户行 为的客户细分模型，采用K-means算法对电信企业客户进行聚类，并提出提升各 类客户价值相应的策略。 关键词:K-means 算法 客户细分 聚类 中国分类号:F724 文献标识码:A Application Clustering Of Customer Segmentation 1，2Zhao Fang Fang (1. School of Information Engineering,Jiangnan University) (2. Jiangyin Polytechnic College) Abstract: Customer segmentation is important way to identify of client business category and grasp features of customers. Article briefly describes the current methods commonly used in customer segmentation, targeting telecom companies was proposed based on customer value and customer segmentation model of customer behavior, using K-means algorithm to cluster the telecommunications business customers. then proposed the appropriate strategy to improve the types of customer value. Keywords: K-means algorithm, segmentation model of customer , Clustering 在激烈的市场竞争中，企业可以通过客户细分更清晰地识别不同客户群体及 其需求。客户细分是将一个大的客户或消费者群体划分成一个个细分群体，而这 些群体中同属一个细分群的客户或消费者彼此特性相似，而隶属于不同细分群的 客户或消费者是不同的。简而言之，客户细分是根据客户属性划分的客户集合。 通过客户细分,企业可以更好地识别客户群体,区别对待不同的客户,采取差异化 的营销策略,达到最优化配置客户资源的目的。 1.客户细分的方法 1.1常用的几种客户细分方法介绍 (1)基于人口统计的客户细分。是以人口统计变量(如年龄、性别、家庭成 员人数、家庭生命周期、收入、职业、职位、教育、地域) 等要素作为细分的基 础将市场划分成不同的客户群体。(2)基于客户行为的客户细分是一种以客户 行为数据为基础、以信息技术为支撑的细分方法，其依据客户历史的交易行为来 预测客户将来的消费模式。不同的消费动机就会导致不同的消费需求, 客户细分 的目的就是针对不同需求的客户群体提供差异化的服务。(3)基于客户忠诚的 细分方法将客户忠诚度作为一个关键的影响因素，认为保持忠诚客户能够为企业创造出更多的利润。(4)基于客户生命周期的客户细分动态地描述了客户关系在不同阶段的总体特征。不同的阶段的客户的行为特征和为公司创造的利润不同，所以依据客户生命周期进行客户细分也就成为一种重要的细分方法。将客户关系的发展划分为考察期、形成期、稳定期、退化期四个阶段，称为四阶段模型。(5)基于客户价值的客户细分体现了以客户价值(客户为企业创造的价值)为基础的细分思想，企业可以根据盈利能力即利润的大小为对其客户进行评价，将客户划分为高、中、低端客户，来划分不同的细分市场，针对不同价值的细分市场制定相应的资源配置和保持策略。 各种客户细分方法都有其适用性也都存在一定的局限。人口统计细分根据客户的属性特征对客户进行细分，这种方法简单粗糙，反映不出真正的客户质量。基于客户价值的细分理论，能够很好地评估客户的价值，在实施过程中看似差异化实是一刀切的营销策略，反映不出客户的具体行为特征。基于客户忠诚度的客户细分，忠诚度的大小也很难度量，一般要通过间接分析的方式得出。基于客户行为的客户细分能够识别出客户的具体行为特征，但是却忽略了对客户价值的判定。基于客户生命周期的客户细该方法不足之处在于难以识别相同生命周期阶段的客户差异，还需结合有关客户属性综合评估客户价值。 (电信企业的客户细分模型构建 2 2.1电信企业的客户细分矩阵的设计 结合电信企业的客户实际情况，笔者认为客户价值细分能够识别出企业的价值客户，在此基础上，客户行为细分能够对客户的行为特性进行更细致的区分。将两种细分方法融合，以客户价值分组为横坐标，以客户行为分组为纵坐标，即得到了基于客户价值和客户行为的客户细分矩阵，如图1。 图1 基于客户价值和客户行为的客户细分矩阵 2.2 电信企业的客户细分变量的选取 依据此来模型评价客户，企业更深入的掌握客户价值基础上的客户的行为特征。以更深入的合理地分配自身的资源，对企业进行决策和运营有很大的指导意义。本文从客户的价值属性和行为属性两方面选取能比较容易量化和对比的属性作为客户细分的参数。其中:客户的价值属性为: ARPU值(客户连续3个月内的平均通信费用)。客户的行为属性如下:本地通话费、漫游费、长途费、短信费、增值业务费用(GPRS上网、手机报、彩信、彩铃)。 3(聚类的方法 本论文研究的电信企业的客户细分，采用K-means法。K-Means法是一种典型的分割聚类算法，由于其算法的简单性以及算法实现的简便性，因此在数据挖掘中应用最为广泛。K-Means方法的处理如下:首先，随机或按照某种先验 知识选择K个对象，每个对象初始地代表了一个簇的平均值或中心。对剩余的每个对象，根据其与各个簇的中心的距离，将它赋给最近的簇。然后重新计算每个簇的平均值。这个过程不断重复，直到目标准则函数收敛。 通常采用的目标准则函数为平方误差准则，其定义如下: p为空间中的点，表示给定的数据对象，是簇的平均值。 这个算法尝试找出使平方误差函数值最小的k个划分。K-means算法使得各聚类本身尽可能紧凑，而各聚类之间尽可能的分开。 4(电信客户聚类结果分析 激烈的市场竞争使得电信企业必须划分和选取细分市场以及在市场中定位，从而才能更好地满足客户需求和提高客户满意度，最终赢得更多的市场份额。结合前文的细分变量从某市电信运营商的业务系统所选取100000客户数据，采取K-means法进行聚类。结果如下: 客户类别 1 2 3 4 5 细分变量 本地通话费 18.39 32.48 8.77 5.28 78.29 长途通话费 4.96 73.61 4.37 2.81 30.64 漫游费 2.58 64.29 3.15 1.64 9.76 短信费 12.68 20.61 34.74 9.56 18.35 增值业务费用 4.65 16.28 12.88 2.13 9.37 Arpu 48.26 239.76 65.51 32.28 179.39 客户比重 40.38% 9.15% 19.53% 16.24% 14.7% 表1-客户细分结果表 经过上述一系列的处理之后，得到了基于客户、价值行为的客户细分结果，将各类客户特征得分析如下: (1)第一类客户群(大众稳定型客户) 该类客户人均消费为不高，客户数量比较大，客户数量占总体样本的40.38%。是主要客户群体。该客户群的特征是漫游需求很少，以本地通话行为主，入网时间比较长，有较高的忠诚度。针对此类客户，在向他们提供高质量的电信业务和良好服务的同时，可以根据其入网时间长短，向他们提供不同程度的优惠活动，以挽留这些忠诚的老客户。与此同时，建议采取一些鼓励措施，以提升他们的月消费额度为主。如:提供各种体验式服务，提高他们的消费需求的积极性。 (2)第二类客户(商务型客户) 该客户群比例小，人均消费远高于总体水平，其特征是漫游费和长途费都非常高，属于经常出差的商务型客户，是电信企业的高价值客户。针对此类客户的特点，应该着重提高服务质量，除了推广相关的漫游套餐以外，还应该向他们推广语音信箱、航信通、手机证券、手机地图、预定酒店等高附加值的增值业务，另外可以向他们提供免费的天气预报、新闻等信息服务，以增加客户满意度。 (3)第三类客户(短信型客户) 该类客户的人均消费与总体消费水平接近，客户数量占总体样本的19.53%，该类客户在短信和新业务上的消费比较高，而长途费、漫游费和市话费水平都比较低。此类客户主要是以年轻人为主，对电信运营商新推出的增值业务比较关注， 特别是非常热衷于基于短信应用的增值业务产品。因此，可向这类客户推广彩信、彩铃、歌曲下载等新业务。可以采用先免费试用一段时间，然后再收费的模式，重点培养他们对新业务的消费习惯。 (4)第四类客户(节俭型客户) 该类客户的人均消费远低于总体水平，客户数量占总体样本的16.24%。该类客户的显著特点是各项业务费用都很少，以本地被叫居多，入网时间也比较短，不关心新技术和新业务，对运营商的贡献度最低。针对此类客户，应该刺激他们的主动通话需求，向他们推广办理亲情号码业务，提升他们的月消费水平。 (5)第五类客户(本地优质型客户) 该类客户人均话费远高于总体水平，客户数量占总体样本的14.70%。该类客户的行为特征是本地通话和长途通话较多，主要是以本地通话为主，各项消费都很高。针对此类客户，主要以提高服务质量为主。为了提高客户忠诚度，给他们制定更加优惠的资费标准，如:“150打300”包月优惠活动。同时还可以向他们推广一些高端的增值业务，如WAP、手机报和随E行等业务。此外，提供更多更完善的个性化服务，如免费的天气预报。 结束语 基于客户价值和行为的客户细分模型，可以清晰地反映出各类客户价值、行为特征。根据客户细分结果，电信企业可针对各个类别的客户采取差异化的营销策略，能够提高企业资源的利用效率，从而实现企业和客户之间的双赢。 【参考文献】 [1] 赵恒.数据挖掘中聚类若干问题研究[D]. 西安电子科技大学，2005,17-30 [2] 李朝娟.基于聚类技术的客户细分模型[D]. 哈尔滨工业大学, 2006,2-3 [3]魏彩慧:基于客户价值和客户行为的电信企业客户细分研究 [D]合肥工业大学2009,17-22