[发明专利]一种基于CRFM模型的计量行业客户细分方法

说明书

技术领域

本发明涉及数据挖掘领域，尤其涉及一种基于CRFM模型的计量行业客户细分方法。

背景技术

利用数据挖掘技术提取客户的交易行为特征，逐渐成为各行业制定差异化营销策略，提高客户忠诚度，促进客户价值最大化的重要战略手段。为了解不同客户群体的消费行为，客户细分等技术被广泛利用。目前，国内计量机构没有一个比较完整的客户细分系统，以统一整合计量客户资源。

在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的，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，其是通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况，其中，R(recency)指上次购买至现在的时间间隔，F(frequency)为某一期间内的购买次数，M(monetary)是某一期间内购买的金额。单一的RFM模型并不能满足每一类客户关系的管理，也无法全面地对客户的行为特征进行细分，鉴于此，本发明提出一种基于改进的RFM模型(CRFM模型)的计量行业客户细分方法，实现计量行业利润最大化。

发明内容

本发明要解决的技术问题，在于提供一种基于CRFM模型的计量行业客户细分方法，可结合计量行业实际业务需求，实现客户细分，为定制个性化服务提供依据。

本发明是这样实现的：一种基于CRFM模型的计量行业客户细分方法，包括如下步骤：

步骤S1、对计量客户的历史样本数据进行抽取；

步骤S2、对抽取的样本数据进行预处理；

步骤S3、定义并计算CRFM模型中的指标值，并对这些指标值进行归一化处理，所述指标值包括最近送检时间R、送检频率F、检测金额M和平均送检周期C；

步骤S4、基于CRFM模型的指标值，利用K-Means算法对计量送检客户进行聚类；

步骤S5、计算聚类后的不同客户群的各个指标的平均值，与聚类前的所述样本数据对应的各个指标的平均值进行比较，并根据这些指标值的变化创建客户分类矩阵，对客户群进行价值分类。

进一步的，所述步骤1中历史样本数据包括客户基本档案信息和客户送检交易记录信息，所述客户送检交易记录信息包括送检单位代码、器具名称、送检日期、检测金额和检测周期。

进一步的，所述步骤2中的预处理进一步包括：

S2.1、缺失值处理，在抽取的样本数据中，对存在缺失的数据进行填充处理；

S2.2、异常值处理，对抽取的样本数据中超出指标阈值范围的数据，通过同类型数据结合插值算法进行修正处理；

S2.2、数据转换处理，把抽取的样本数据根据需要转换为与算法匹配的形式。

进一步的，所述步骤3进一步包括：

S3.1、定义CRFM模型的指标值，包括最近送检时间R、送检频率F、检测金额M和平均送检周期C，其中，所述最近送检时间R和送检频率F由送检时间计算得到，所述送检金额M为各送检器具检测金额之和，所述平均送检周期C根据客户对应的送检器具的周期取平均值得到。

S3.2、采用最小最大值法，零均值法或小数点标定法对各个指标进行归一化处理。

进一步的，所述步骤4进一步包括：

S4.1、确定聚类数k，通过设置k的取值范围，对取值范围内的每一个k值进行聚类计算，之后计算类内误差平方和，根据类内误差平方和选取其中最佳聚类数k；

S4.2、初始化聚类中心点，从计量客户送检数据样本集中随机选择k个样本作为k-means聚类的中心点，将聚类中心点作为各聚类的代表；

S4.3、迭代计算最优聚类中心，通过迭代方法，不断计算新的聚类中心点，直至所有样本数据均与中心点之间的距离最小；

S4.4、输出分群数据，根据上述计算得出的最优聚类中心得到每个样本数据所属的聚类中心。

进一步的，所述步骤5具体为：计算聚类后的不同客户群的各个指标的平均值，与聚类前的所述样本数据对应的各个指标的平均值进行比较，建立价值-潜力矩阵与CRFM模型中四个指标值的对应关系，通过各个客户群对应的四个参数的变化规律，分析客户的价值和潜力属性，将客户分为高价值高潜力客户、高价值低潜力客户、低价值高潜力客户和低价值低潜力客户四类群体。

本发明具有如下优点：通过引入周期变量创建价值评估模型，使其更贴合计量行业的特点和需求，通过总金额和平均送检周期可构建客户价值矩阵来简化基于CRFM模型分析的客户细分过程，并利用不同等级客户价值差异定制优化的个性化服务方案，提高计量行业利润。