模糊聚類(lèi)算法的客戶(hù)關(guān)系論文范文
本站小編為你精心準(zhǔn)備了模糊聚類(lèi)算法的客戶(hù)關(guān)系論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。
傳統(tǒng)的模糊聚類(lèi)算法也存在一些問(wèn)題：（1）難以判斷離群點(diǎn)的歸屬（2）提前確定劃分類(lèi)別數(shù)目和權(quán)重因子(3)因?yàn)镕CM算法的收斂性，很容易陷入局部極小點(diǎn)或者鞍點(diǎn)，從而得不到全局最小值。
1.1減少離群點(diǎn)的作用為了減小離群點(diǎn)對(duì)聚類(lèi)中心的干擾，給隸屬矩陣添加一個(gè)權(quán)重因子，讓隸屬度低的點(diǎn)對(duì)聚類(lèi)中心起的作用比較小，把隸屬度調(diào)整為。
1.2對(duì)劃分類(lèi)別書(shū)的確定人為確定劃分類(lèi)別不太準(zhǔn)確，有可能讓聚類(lèi)過(guò)程很緩慢。我們把聚類(lèi)的有效性函數(shù)添加到FCM算法中，利用有效性函數(shù)來(lái)決定劃分類(lèi)別數(shù)的值。改進(jìn)的模糊聚類(lèi)算法如下所示。
2實(shí)驗(yàn)
數(shù)據(jù)是采用隨機(jī)抽取的50個(gè)樣本信息，由于客戶(hù)的數(shù)據(jù)有17個(gè)參數(shù)：公司年齡、行業(yè)、規(guī)模、公司性質(zhì)、盈利情況、員工數(shù)量、信譽(yù)度、年銷(xiāo)售量、產(chǎn)品市場(chǎng)定位、新產(chǎn)品數(shù)量、流動(dòng)資金、平均訂購(gòu)規(guī)模、年采購(gòu)量、購(gòu)買(mǎi)渠道、主要客戶(hù)、對(duì)待產(chǎn)品的態(tài)度、對(duì)待服務(wù)的態(tài)度，各個(gè)數(shù)據(jù)的量綱不同，或者量綱相同，但是數(shù)量級(jí)不同，直接用原始數(shù)據(jù)計(jì)算會(huì)出現(xiàn)“大數(shù)吃小數(shù)”的現(xiàn)象，所以，在實(shí)驗(yàn)之前，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。
應(yīng)用改進(jìn)模糊聚類(lèi)算法，設(shè)定加權(quán)參數(shù)為2，停止閾值為0.0001，差異度采用歐幾里得距離公式計(jì)算。下表列出了聚類(lèi)中心陣和聚類(lèi)結(jié)果的檢測(cè)指標(biāo)。實(shí)驗(yàn)得到的劃分矩陣表明用戶(hù)對(duì)各個(gè)類(lèi)別的隸屬程度，對(duì)其中兩組用戶(hù)數(shù)據(jù)分析：用戶(hù)1：0.0013，0.9263，0.0722，0.0002，0.0000用戶(hù)2：0.1475，0.8451，0.0001，0.0056，0.0017隸屬度矩陣的每列數(shù)據(jù)表示該客戶(hù)對(duì)一個(gè)類(lèi)別的隸屬程度，每一列之和為1，表示該客戶(hù)對(duì)所有類(lèi)別的隸屬度之和為1。根據(jù)樣本判定的選擇原理，該客戶(hù)數(shù)據(jù)對(duì)某個(gè)類(lèi)別的隸屬度大，我們就認(rèn)為該客戶(hù)屬于這個(gè)類(lèi)別。從上面數(shù)據(jù)可以看出。用戶(hù)1對(duì)類(lèi)別2的隸屬度為0.9263，我們認(rèn)為用戶(hù)1屬于第2類(lèi)，樣本2對(duì)類(lèi)別2的隸屬度為0.8451。我們認(rèn)為用戶(hù)2屬于第2類(lèi)，同時(shí)樣本2對(duì)類(lèi)別1有0.1475的隸屬度，所以用戶(hù)2還具有類(lèi)別1的特征。
本實(shí)驗(yàn)把企業(yè)的客戶(hù)劃分成不同的種類(lèi)，區(qū)別出不用種類(lèi)的特點(diǎn)。下表對(duì)5類(lèi)用戶(hù)進(jìn)行了的特征進(jìn)行了總結(jié)：對(duì)于表2的分析結(jié)果，我們可以看到采用近度、頻率和金額度作為客戶(hù)分類(lèi)的參數(shù)，從劃分出的類(lèi)別能看出不同客戶(hù)類(lèi)別對(duì)企業(yè)的忠誠(chéng)度，對(duì)企業(yè)利潤(rùn)的貢獻(xiàn)大小和客戶(hù)估計(jì)要流失的可能性。這次實(shí)驗(yàn)是根據(jù)客戶(hù)的消費(fèi)記錄進(jìn)行聚類(lèi)的，客戶(hù)最近的消費(fèi)記錄對(duì)結(jié)果的影響很大。企業(yè)通過(guò)CRM，能挖掘出對(duì)企業(yè)利潤(rùn)貢獻(xiàn)大的客戶(hù)，對(duì)不同的客戶(hù)類(lèi)別，實(shí)施不同的經(jīng)營(yíng)策略，提高客戶(hù)對(duì)企業(yè)的滿意度，吸引能給企業(yè)帶來(lái)巨大利潤(rùn)的客戶(hù)，留住現(xiàn)有的客戶(hù)，避免客戶(hù)的流失，提高企業(yè)的經(jīng)濟(jì)效益。本文改進(jìn)的模糊聚類(lèi)算法能夠?qū)崿F(xiàn)初始化聚類(lèi)類(lèi)別參數(shù)自動(dòng)生成，減少了人工干預(yù)初始化聚類(lèi)數(shù)目的影響，有比較好的聚類(lèi)結(jié)果和收斂速度。
作者：李克威單位：天津職業(yè)大學(xué)網(wǎng)絡(luò)中心
