[发明专利]一种移动海量客户群识别的并行数据挖掘方法

权利要求书

1.一种移动海量客户群识别的并行数据挖掘方法，其特征在于，包括以下步骤：

1）建立客户价值模型

从企业数据中选取客户数据，对客户进行统计分析，将客户价值分为：基本价值BV、潜在价值PV、传递价值TV，可对客户按等级分类；其中，所述基本价值BV为客户的现有购买，对企业的贡献度；所述潜在价值PV为客户未来能够带来的价值；所述传递价值TV为客户口碑效应带来新客户的价值；

2）建立客户行为模型

对移动海量上网数据进行预处理，包括将时间分为24小时计客户上网流量占比，聚类得到时间偏好向量中心集，分类时利用该向量中心集；对具体上网地点转换为统一地点，计算地点根集合中客户地点驻留值向量，聚类得到客户地点偏好向量中心集，以对客户进行地点偏好分类；计算客户对各业务的兴趣度向量，聚类得到客户地点偏好向量中心集，以对客户进行兴趣爱好分类，对终端设备转换为价格以反映客户消费水平，利用客户产生的时间偏好向量、地点偏好向量、兴趣度向量、消费水平进行聚类，通过问卷调查形式，得到社会群体向量中心集，利用该中心集对客户进行社会群体分类；其中，中心集元素多者采用多叉树形式组织以提高分类速度；

3）结合所述客户价值模型和客户行为模型对客户进行分类，实现对购买力高、潜在购买欲望高的客户进行指定偏好业务的推广，进而实现准确营销；其中，所述客户价值模型的基本价值BV反映了客户对企业的购买力，其潜在价值PV反映了忠诚度，潜在购买欲望，其传递价值TV反映了感染其他客户行为能力信息；所述客户行为模型则反映了客户自身在上网行为上的偏好。

2.根据权利要求1所述的一种移动海量客户群识别的并行数据挖掘方法，其特征在于：

所述基本价值BV由业务占有率加上每月给企业带来的利润率为计算标准，其模型如下：

BVi=NiN+PiP‾,i∈[1...M]]]>

其中，BV_i是客户i的基本价值；N_i是客户i订购业务数；N是企业面向全部客户提供的所有业务总数；P_i是客户i平均每月为企业带来的利润；P是客户人均的平均每月带来利润，即对每个客户平均每月为企业带来利润求平均值；M是企业客户总数；

所述潜在价值PV由月平均持有业务数和平均业务接纳率构成，其模型如下：

PVi=Σj=1tSNijt+SPTiSPT]]>

其中，PV_i是客户i的潜在价值，t是入网时长，即选用企业的服务开始时刻到现在的月数；SN_ij是客户i在第j个月所保持的企业业务数量；SPT_i是客户i在入网期间所接纳并订购推送业务的业务个数；SPT是企业在客户i入网期间向该客户推送的业务总数；

所述传递价值TV由与该客户通信的那些客户的数量变化率来表示，其模型如下：

TVi=Σj=1t(xij-xi(j-1))]]>

其中，TV_i表示客户i的传递价值，x_ij表示客户i在入网第j个月所通信过的属于本企业的客户的数量。