一种基于客户属性及行为特征分析的客户细分方法

摘要

本发明公开基于客户属性及行为特征分析的客户细分方法，其包括三个步骤：（1）数据预处理，根据选择的评价属性，对所有属性与评价属性之间进行相关性分析，去除属性集中的弱相关项与冗余项从而达到数据简化的目的。（2）群体聚类，用K-means算法将每个属性的原始数据划分为三个级别，再由基于密度可达的DBSCAN算法进行客户聚类，将所有客户大体上分为高，中，低三个等级。（3）行为特征聚类，用双聚类分别对步骤（2）的三个等级的聚类结果做行为特征聚类，采用基于了基于apriori的双聚类。通过上述步骤的结合完成对客户的行为特征细分。本发明能提供更为全局性的属性为行为特性分析提供基础，提高分类的精确性和细致性。

主权项

一种基于客户属性及行为特征分析的客户细分方法，其特征在于包括如下步骤：步骤（1），数据预处理：首先，获取航空公司的会员数据矩阵，共有P个样本，每个样本有Q个属性，P、Q为大于1的正整数，其中每行代表一位客户亦为一条记录，每列代表客户的属性，其中每个元素代表公司对一个客户的行为评分；选择Q个属性中的一个作为分类属性，对剩下的Q‑1个属性与分类属性之间进行相关性分析，去除Q个属性中的弱相关项与冗余项，得到属性集；步骤（2），群体聚类：用K‑means算法将上述得到的属性集中的每个元素的原始数据聚成L类，L为大于1的正整数，按数据的数值由小到大划分为L个级别，原先的数据值将由这L个级别代替，得到新的属性集；然后采用基于密度可达的DBSCAN算法将新属性集中每个客户即每条记录进行聚类，得到若干类的客户群；步骤（3），行为特征聚类：用基于apriori的双聚类分别对步骤（2）的聚类结果做行为特征聚类，得到属性值相同、行为特征近似的客户属性矩阵；由客户属性矩阵得到属性数值相同，即相应行为表现相近，具有部分行为习惯相似的客户群。