基于数据挖掘的客户价值预测方法.pdf

1
2 2 2
2
Š
Š
第27卷第12期东北大学学报( 自然科学版) Vol 27 ,No. 12
2 0 0 6 年 12 月 Journal of Northeastern University (Natural Science) Dec. 2 0 0 6
文章编号: 1005 3026 (2006) 12 1393 04
基于数据挖掘的客户价值预测方法
赵晓煜, 黄小原
(东北大学工商管理学院, 辽宁沈阳 110004)
摘要: 提出了一种利用聚类和分类等数据挖掘技术预测客户价值的新方法·通过对客户历
2 2
史交易数据的分析,获得能够综合反映老客户忠诚度和价值度的指标·基于该指标对老客户进行
聚类,将老客户划分为若干个不同价值的客户群,即为每个老客户赋予一个价值等级标号·利用朴
素贝叶斯分类方法来预测新客户(或潜在客户) 的价值,并依据预测结果来制定相应的重点客户发
展战略·实例验证了该方法的有效性和可行性·
关键词: 数据挖掘;客户价值;聚类;朴素贝叶斯分类;预测
中图分类号: F 224 文献标识码: A
在当前的竞争环境下,企业正在由以产品为 Wansbeek 给出了关于这三个指标的定义: ①最
中心转向以客户为中心·为了更有针对性地开展近购买时间 R (recency) , 即从上次购买到当前的
市场营销活动,企业特别关注如何识别和保留那时间间隔, 该值越小意味着客户再次购买的可能
些高价值的客户·因此,准确评估和预测客户价性越大; ②购买频率 F (frequency) , 即客户在某
值、正确选择目标市场成为企业能否有效进行客一时间段内总的购买次数, 购买频率越高表示客
[1 ]
户关系管理的关键· 户越忠诚; ③总购买金额 M (ary value) , 即
随着信息技术的快速发展和企业信息化程度某一时间段内客户的消费总额, 该值越大意味着
的日益提高,企业收集、处理和运用客户数据的能客户对公司的利润贡献越大, 公司越应关注该客
[5 ]
力大大增强,这为进行客户行为的深入分析创造户·
了良好的条件·近年来,数据挖掘技术被广泛应用这里,将与企业的交易历史超过一定时长(如
于营销领域,成为了获取客户知识、支持营销决策一年) 的客户称为老客户,而将最近(如一个月内)
[2 ,3 ]
的重要手段·本文提出了一种基于数据挖掘才与企业进行首次交易的客户称为新客户·设定
的客户价值预测方法,该方法通过对老客户交易以前的某个时间点为查询的起始点,利用企业信
数据的分析来预测新客户的价值水平,从而为企息系统中保存的客户交易数据可以获得每个老客
业制定客户发展战略提供依据· 户的 RFM 指标·为了获得能够综合反映客户忠
诚度和价值度的指标需要进一步对三个指标进
1 基于客户忠诚/ 价值指标的老客,
行合成,因为三个指标的量纲不同,所以需要先对
户聚类
各指标进行规范化处理·为了避免 R , F , M 指标
1. 1 基于 RFM 分析计算客户忠诚/ 价值指标中的孤立点对规范化结果的影响,采用 z score 变
最近购买时间( recency ) 、购买频率量规范化方法·以对最近购买时间 R 指标的规范