文献类型：期刊文章

作　　者：刘芝怡[1] 陈功[2]

机构地区：[1]常州工学院计算机信息工程学院,江苏常州213002 [2]常州工学院电子信息与电气工程学院,江苏常州213002

出　　处：《南京理工大学学报》

基　　金：江苏省自然科学基金(BK20130245)

年　　份：2014

卷　　号：38

期　　号：4

起止页码：531-536

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSCD、CSCD_E2013_2014、EI、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

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。

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

分 类 号：TP39]