愛(ài)華網(wǎng)???? 好的客戶(hù)關(guān)系管理意味著需要預(yù)見(jiàn)到顧客的需求還有態(tài)度的變化，及時(shí)向顧客提供和滿(mǎn)足其潛在的需求，或是在顧客還未流失的時(shí)候及時(shí)發(fā)現(xiàn)其不滿(mǎn)意的地方并加以改進(jìn)，令顧客滿(mǎn)意。作為客戶(hù)關(guān)系管理的核心及基礎(chǔ)，客戶(hù)細(xì)分對(duì)企業(yè)的戰(zhàn)略戰(zhàn)術(shù)管理提供多方面多層次的信息支持。 正如摘要所提到的通常的客戶(hù)細(xì)分。如果客戶(hù)數(shù)據(jù)中本身含有類(lèi)別屬性，則可以通過(guò)訓(xùn)練分類(lèi)器將待分類(lèi)的客戶(hù)劃分到某一客戶(hù)類(lèi)中去；如果客戶(hù)數(shù)據(jù)中不含有類(lèi)別屬性，則可以通過(guò)諸如聚類(lèi)的算法，將特征相似的客戶(hù)劃分為一類(lèi)客戶(hù)群，但皆不會(huì)反映出客戶(hù)群的變化情況。本文通過(guò)發(fā)現(xiàn)頻繁項(xiàng)集從而挖掘出所謂感興、趣的細(xì)分群，我們把這個(gè)感興趣的細(xì)分群定義為那些呈現(xiàn)出某些變化情況的細(xì)、。 一、頻繁項(xiàng)集及支持度軌跡 1.頻繁項(xiàng)集 一個(gè)屬性-值的配對(duì)就是一項(xiàng)，一些屬性-值配對(duì)的集合就是項(xiàng)集，因?yàn)槲覀兯P(guān)、注的項(xiàng)集覆蓋量（或者說(shuō)支持度）比較大，所以把它稱(chēng)為頻繁項(xiàng)集。形式上，數(shù)、據(jù)集中所有項(xiàng) 的集合，用 來(lái)表示，那么一個(gè)子集 ， 就是項(xiàng)集。每個(gè)客、戶(hù)記錄數(shù)據(jù)，其實(shí)也是一個(gè)項(xiàng)集，我們用 表示。因此，當(dāng) 的時(shí)候，我們就、說(shuō)客戶(hù)數(shù)據(jù) 覆蓋或者支持項(xiàng)集 。某個(gè)項(xiàng)集 的頻率，是用它的支持度sup( )來(lái)度量的，用P( )或者P( )表示。例如，我們有一個(gè)數(shù)據(jù)集，包含了關(guān)于客戶(hù)滿(mǎn)意度的調(diào)查結(jié)果，從中得到一個(gè)頻繁項(xiàng)集：網(wǎng)齡<5年，滿(mǎn)意度>80分。這個(gè)頻繁項(xiàng)集的支持度就是那些網(wǎng)齡在5年以下但滿(mǎn)意度的分?jǐn)?shù)高于80分的客戶(hù)的相對(duì)頻率，也就是說(shuō)，它的支持度描述了這個(gè)客戶(hù)細(xì)分群的相對(duì)規(guī)模。接下來(lái)，我們將頻繁項(xiàng)集和客戶(hù)細(xì)分群這兩個(gè)詞作為同義詞。 2.支持度軌跡 頻繁項(xiàng)集的變化則是通過(guò)在一定時(shí)間里其支持度的變化反映出來(lái)。我們將一段時(shí)間軸[t0,tn]分割成n>1個(gè)不相交的區(qū)間[ti-1,ti]，[ti-1,ti]≈[ti,ti+1]。令Ti∈[ti-1,ti]，D(Ti)是Ti時(shí)的客戶(hù)數(shù)據(jù)，原則上Ti+1Ti≈TiTi-1。則對(duì)于同一個(gè)頻繁項(xiàng)集 ，sup( ,Ti)則是 在D(Ti)上的支持度，序列H( )=(sup( ,T1),sup( ,T2),...sup( ,Tn))則是 的支持度軌跡，這個(gè)支持度軌跡則是接下來(lái)用來(lái)發(fā)現(xiàn)那些我們感興趣的變化模式的基礎(chǔ)。如剛才的例子，我們發(fā)現(xiàn)頻繁項(xiàng)集“網(wǎng)齡<5年，滿(mǎn)意度>80分”的支持度軌跡有逐漸向下的趨勢(shì)，這就可以解釋為，網(wǎng)齡在5年以下但滿(mǎn)意度高于80分的客戶(hù)數(shù)量正在逐漸減少。 二、步驟 1.提取頻繁項(xiàng)集 本文細(xì)分群的提取就是頻繁項(xiàng)集的提取，我們的任務(wù)就是把一些項(xiàng) 的集合找出來(lái)形成項(xiàng)集 ，滿(mǎn)足一定覆蓋量要求的項(xiàng)集 就是頻繁項(xiàng)集，而覆蓋某項(xiàng)集 的所有客戶(hù)的集合就形成了一個(gè)細(xì)分群。接下來(lái)，對(duì)于每個(gè)項(xiàng)集 ，我們計(jì)算出其支持度sup( ,Ti)（若某個(gè)sup( ,Ti)小于我們預(yù)定的覆蓋量，則不記錄它），形成支持度軌跡H( )。 2.支持度軌跡變化分析 我們關(guān)注兩種變化：穩(wěn)定的變化和呈現(xiàn)出某種趨勢(shì)的變化，不關(guān)注不規(guī)律的變化（認(rèn)為是環(huán)境的因素造成的）。如果在一定時(shí)間范圍內(nèi)某個(gè)軌跡呈現(xiàn)出向上的增長(zhǎng)或者向下的減少，這種增長(zhǎng)或減少是逐漸的，我們就說(shuō)它是一種趨勢(shì)。一個(gè)軌跡只能是過(guò)去和現(xiàn)在的情況的反映，但是呈現(xiàn)某種趨勢(shì)的軌跡，在環(huán)境不變的情況下，則可以據(jù)此對(duì)未來(lái)的情況做出一個(gè)估計(jì)。對(duì)于某種客戶(hù)細(xì)分群，企業(yè)通常都有一個(gè)對(duì)趨勢(shì)的期望，要么期望其“膨脹”，要么期望其“縮小”，但是當(dāng)企業(yè)的期望與實(shí)際情況有出入的時(shí)候，企業(yè)就會(huì)知道應(yīng)該在戰(zhàn)略和策略上做出調(diào)整了。對(duì)應(yīng)的，如果在一定時(shí)間范圍內(nèi)某個(gè)軌跡呈現(xiàn)的情況為，其值總是在一個(gè)水平上上下波動(dòng)，就像價(jià)值規(guī)律一樣，我們就說(shuō)它是穩(wěn)定的變化。在環(huán)境不變的情況下，亦可以據(jù)此對(duì)未來(lái)的情況做出一個(gè)估計(jì)。對(duì)于企業(yè)來(lái)說(shuō)，往往很多客戶(hù)細(xì)分群呈現(xiàn)出穩(wěn)定的變化，就是他們所期望的。 3.興趣評(píng)估 在一次具體實(shí)驗(yàn)中，我們可能會(huì)發(fā)現(xiàn)很多感興趣的細(xì)分，但不是對(duì)每個(gè)頻繁項(xiàng)集我們都有同樣的興趣，這就引出了一個(gè)興趣度的概念，其實(shí)就是我們主觀(guān)上給某=個(gè)頻繁項(xiàng)集對(duì)于我們的興趣程度打個(gè)分，以表示我們對(duì)它的關(guān)注度。我們給出了一個(gè)啟發(fā)式的度量方法：如果一個(gè)頻繁項(xiàng)集呈現(xiàn)出的實(shí)際變化模式與企業(yè)最初對(duì)頻繁項(xiàng)集變化模式的估計(jì)有較大差異，那么分?jǐn)?shù)自然就較高。接下來(lái)，我們給出一些反映差異的情況： （1）最初估計(jì)是穩(wěn)定的變化，但實(shí)際是有趨勢(shì)的變化； ?。?）最初估計(jì)是有趨勢(shì)的變化，且變化的速度比較緩慢，但實(shí)際出現(xiàn)了某些突變或是速度較快的情況； ?。?）最初估計(jì)是有趨勢(shì)的變化，且變化的速度比較快，但實(shí)際的變化比較不明顯。 因此，最初的估計(jì)與實(shí)際的情況差異越大，分?jǐn)?shù)就越高，這樣的頻繁項(xiàng)集或者細(xì)分，就越是企業(yè)需要關(guān)注的，或者說(shuō)需要引起重視的，以便企業(yè)及時(shí)做出調(diào)整，采取措施。 我們將此方法運(yùn)用到某企業(yè)的實(shí)際客戶(hù)數(shù)據(jù)中，發(fā)現(xiàn)了很多感興趣的客戶(hù)細(xì)分群和趨勢(shì)并提出了一些建設(shè)性的策略，在此不贅述。本文旨在提出這個(gè)新的方法，希望對(duì)企業(yè)在與客戶(hù)打交道的過(guò)程中能有所幫助。 [1]杜修平,王中.基于決策樹(shù)的證券客戶(hù)流失模型[J].計(jì)算機(jī)應(yīng)用與軟件 [2]張玲芳,張婧.基于RFM模型和協(xié)同過(guò)濾的電子商務(wù)推薦機(jī)制[J].江蘇科技大學(xué)學(xué)報(bào):自然科學(xué)版
愛(ài)華網(wǎng)本文地址 » http://www.klfzs.com/a/9101032201/56387.html
