文献类型：期刊文章

作　　者：蒲晓川[1,2] 黄俊丽[2,3] 祁宁[2,4] 宋长松[2]

PU Xiaochuan;HUANG Junli;QI Ning;SONG Changsong(School of Information Engineering,Zunyi Normal University,Zunyi 563006,Guizhou Province,China;Graduate School of Management of Technology,Pukyong National University,Busan 48513,South Korea;School of Management,Zunyi Normal University,Zunyi 563006,Guizhou Province,China;School of Economics and Management,Hexi University,Zhangye 734000,Gansu Province,China)

机构地区：[1]遵义师范学院信息工程学院,贵州遵义563006 [2]国立釜庆大学技术管理学院,韩国釜山48513 [3]遵义师范学院管理学院,贵州遵义563006 [4]河西学院经济管理学院,甘肃张掖734000

出　　处：《吉林大学学报（理学版）》

基　　金：贵州省科学技术基金(批准号:黔科合LH字[2016]7023号);教育部高等教育司产学合作协同育人项目(批准号:201801232042;201802341052)

年　　份：2021

卷　　号：59

期　　号：5

起止页码：1245-1251

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：为解决企业客户价值体现问题,提出一种TFA客户细分改进模型,以客户发展空间T、购买频次F和平均购买额A为指标,充分体现客户的价值和发展空间.首先,引入局部密度值ρ和信息熵H,改进K-means聚类算法,以优化传统K-means聚类方法初始聚类中心的选取问题;其次,通过搭建机器学习框架,对选取人工数据集及真实数据集进行聚类实验,验证模型的有效性.实验结果表明,该模型能有效分类客户,充分反映客户价值及其发展空间,并通过改进聚类算法提升了算法效率.

关 键 词：客户分类 客户发展空间  K-MEANS算法 初始聚类中心 密度信息熵  

分 类 号：TP391]