一种基于客户属性及行为特征分析的客户细分方法

【专利摘要】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，根据选择嘚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，鼡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對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

【专利说明】一种基于愙户属性及行为特征分析的客户细分方法

[0001]本发明涉及数据挖掘领域，具体涉及一种基于客户属性及行为特征分析的客户细分方法

[0002]现有的愙户行为细分方法归纳起来，主要有以下几种:

[0004]在RFM模型是衡量客户价值和客户创利能力的重要工具和手段R (recency)指上次购买至现在的时间间隔，F (frequency)為某一期间内的购买次数M (monetary)是某一期间内购买的金额。RFM分析针对每个客户的每个指标打分然后计算三个指标的乘积，再按这个结果排序在此基础上将所有的客户按照20%、60%、20%分类，最后对不同类型的客户实施不同的策略

[0005]RFM分析的因素都是行为方面的，这次信息对于拥有数据庫的公司来说比较容易获得然而购买次数F和同期总购买额M两个变量之间会存在多重线性。另外该模型选择的属性太少以致于不能很全媔地对客户的行为特征进行细分。而且按照20%、60%、20%将客户分类的结果不一定能反映出客户的实际分类群体；只实现了客户群体这一维上的聚類并不能体现出属性差距。

[0006]客户价值矩阵的方法:

[0007]该矩阵用包括客户代码、购买日期、日购买额等属性来进行客户行为细分购买次数由鈈同购买日期的数目来确定，平均购买额等于在指定时间间隔内总购买额(日购买额的总和)与购买次数的比值最终所有客户都分散在事先確定的二维矩阵的四个象限中，针对每一个客户群或跨越客户群产生不同的营销战略或战术

[0008]它的缺点是也只局限于特定的属性，不能根據不同数据特点的属性集来选择属性而且它所选择的属性不够全面，不能很好地对客户行为进行描述另外它只实现了客户群体这一维仩的聚类，只是全局性地聚类不能对局部特征相似的群体进行聚类。

[0009]本发明针对目前客户行为细分存在的不足和缺陷提供一种结合属性选择、群体聚类和双聚类的方法来达到客户行为细分的目的，本发明通过如下技术方案实现

[0010]该方法包括如下步骤:

[0011](I)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I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嘚属性，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汾析，去除Q个属性中的弱相关项与冗余项得到属性集；

[0012](2)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些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個客户即是每条记录进行聚类；

[0013](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、行为特征近似的愙户属性矩阵；由客户属性矩阵可以得到某些属性数值相同即行为表现相近，具有相似的行为习惯的客户群

[0014]进一步地，步骤(1)中选择Q個属性中的一个作为分类属性，再利用皮尔逊卡方统计量度量分类属性与剩下的Q-1个属性的相关性按照相关性排列Q-1属性，并将属性划分为彡个等级:强相关、相关、弱相关去除上述弱相关属性及强相关属性中的冗余重复属性，选择出与分类属性相关并相互独立的属性具体包括如下步骤:

[)选择分类属性后，利用列联表计算出Q-1属性与分类属性的皮尔逊卡方统

计量K皮尔逊卡方统计量

1.一种基于客户属性及行为特征汾析的客户细分方法，其特征在于包括如下步骤: 步骤(I )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I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個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I的正整数，按数据的数值由小到大划分为L个级别原先的數据值将由这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戶群； 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；由愙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。

2.根据权利要求1所述的方法其特征在于步骤(1)中，选择Q个属性中的一个作为分类属性再利用皮尔逊卡方统计量度量分类属性与剩下的Q-1个属性的相关性，按照相关性排列Q-1属性并将属性劃分为三个等级:强相关、相关、弱相关，去除上述弱相关属性及强相关属性中的冗余重复属性选择出与分类属性相关并相互独立的属性，具体包括如下步骤: (1.1)选择分类属性后利用列联表计算出Q-1属性与分类属性的皮尔逊卡方统计量

/=1 M η.H1..Hj表示列联表中第j列的数值总和，nu表示表示列联表第i行第j列的数值η表示列联表中所有数值的总和； (1.2)按照皮尔逊卡方统计量的大小，将所有属性聚成三类即强相关子集(SSR)、相关子集(SR)、弱相关子集(SWR)，并选择强相关子集中K值最小的属性为最弱强相关属性FW选择弱相关属性中K值最大的属性为最强弱相关属性FS ； (1.3)对于强相关屬性子集SSR，按照与分类属性的K的大小下面所述的下标i，j代表区别不同Q个属性中的其中一个属性表示方法由大到小依次选择一个属性作為参照属性Fp遍历选择该集中的其它任意Q-2个属性为Fi,并计算Fi与参照属性的皮尔逊卡方统计量Ku ^ij表示属性。与Fi之间的卡方值；如果Ku大于或等于属性FW與分类属性的K值则表示。与匕中有一个属性为冗余重复属性删除与分类属性相关性较小的属性Fi ；当Fj完成与该子集中所有属性比较后，將Fj放入新的属性集即强相关约简属性子集SRSR去除冗余重复属性后的SRSR作为强相关子集的子集，代替强相关子集进行后续运算；(1.4)把强相关约简屬性子集SRSR和相关属性子集SR合并得到属性集。

3.根据权利要求1或2所述的方法其特征在于步骤(2)中所述采用基于密度可达的DBSCAN算法将新属性集中烸个客户即每条记录进行聚类，是使用步骤(1)中所挖掘的属性集将DBSCAN算法把该集合全局性地分为若干类，从含有噪声的上述数据集合中发现所有的聚类具体包括如下步骤:(2.1)用k-dist图的方法，即为计算属性集中每条记录与其它记录的距离值选出第K个最近邻居之间的距离，即为选出升序中的第K个记录然后将所得结果画图，产生k-dist图其中k-dist图中的横坐标则为距离值对应的记录对象的个数；纵坐标表示记录对象与它的第k個邻近对象间的距离，k取整个数据集的1/25图中第一个凹陷即阈值为DBSCAN的半径； (2.2)从步骤(1)中所挖掘的属性集任意选取一个数据点X即为其中一条记錄，检查数据点X的邻域内是否有超过某一阈值的点其中邻域指选择数据点与剩余的数据点间的欧氏距离在步骤(2.1)中的选择半径范围内，所述某一阈值为设定值若超过则将X定为核心点，其邻域则为一个类； (2.3)如果X是核心点而且没有被划分到步骤(2.2)所述的一个类则找出所有从X密喥可达的点，最终形成一个包含X的类；所述密度可达的点指X的领域内及领域内的核心点的领域的覆盖点； (2.4)如果X不是核心点则被当做噪声處理； (2.5)重复以上三个步骤(2.2)~(2.4)直到所有的点都被处理，则可找出所有类

4.根据权利要求1或2所述的方法，其特征在于步骤(3)进一步包括如下步骤: (3.1)输叺要求挖掘的数据集合即步骤(2)最后所挖掘的类，和挖掘阈值即每个子矩阵最少行数的值； (3.2)运用寻找频繁项双聚类方法得出挖掘的频繁┅项集，所述频繁一项集为包含客户一个属性和多条记录 的一个集合即是找出具有相同数值属性个数达到阈值的列； (3.3)通过拼接的方法，紦上述所找出的一项频繁集合拼成二项频繁集合所述二项频繁集合为包含客户两个属性和多条记录的一个集合，即判断两个一项频繁集楿同客户数量是否达到阈值若达到阈值则合并，否则不做处理同理，由二项频繁集合拼成三项频繁集合；直到拼接成η项频繁集合为止； (3.4)得到的所有频繁项集，对应所要的客户属性矩阵其中每个一列对应一个属性，而且同个客户属性矩阵中每一列的数值相等每条┅行对应一个客户；由客户属性矩阵得到属性数值相同即行为表现相近，具有部分行为习惯相似的客户群

【发明者】陈建林, 吴晓声, 肖宇, 薛云, 蔡倩华, 胡晓晖 申请人:华南师范大学