[发明专利]一种基于K-means的医疗消费客户自动分类方法

说明书

本发明公开了一种基于K‑means的医疗消费客户自动分类方法，包括步骤：S1、从客户数据库中统计提取数据；S2、按照CRM(Customer Relationship Management)方法，根据客户的年消费频率和客户的年消费总金额构建客户分类模型；S3、使用步骤S2的客户分类模型，获取每个客户的特征向量；S4、使用机器学习K‑means算法对步骤S3中求得的特征向量进行聚类；S5、使用步骤S4所得的聚类结果作为客户分类的结果，从而实现对客户的分类。本发明使用机器学习的相关算法，根据客户的消费频率和消费总金额，对客户进行自动分类，本发明使得对客户的分类包括分类标准完全由机器完成，节省了人力物力。

技术领域

本发明涉及机器学习和数据挖掘的技术领域，尤其是指一种基于K-means的医疗消费客户自动分类方法。

背景技术

随着计算机存储能力和计算能力的高速发展和成熟，大量数据的存储和计算成为可能。同时，利用机器学习算法对数据进行处理的方式也越来越普遍。通过机器学习算法，对现存的大量数据进行分析，可以挖掘出数据中的隐藏的关系，从而利用这些关系设计具体方案来提高了各个领域相关产业的效率和收益，其中就包括了医疗商场和数据挖掘的结合。

医疗商城中有大量的客户数据，利用这些数据对客户进行分类，对不同类别的客户提供更佳有针对性的服务，能够给医疗商城带来更多的收益。但是，直接人工地对大量的客户进行分类是不现实的，往往会存在存在这样一些问题：1)不同的人在对客户进行分类的过程中存在有主观因素的影响；2)对客户的分类标准的制定同样收到制定人的主观因素影响；3)人工对客户信息进行分类需要消耗大量的时间和精力，造成医疗商城资源的浪费。

发明内容

本发明的目的在于克服现有技术的人工分类的客观条件不足，提出了一种基于K-means的医疗消费客户自动分类方法，利用数据挖掘技术对线下医疗消费客户进行自动分类，具体是使用机器学习的相关算法，根据客户的消费频率和消费总金额，对客户进行自动分类。本发明使得对客户的分类包括分类标准完全由机器完成，节省了人力物力。

为实现上述目的，本发明所提供的技术方案为：一种基于K-means的医疗消费客户自动分类方法，包括以下步骤：

S1、从客户数据库中统计提取数据；

S2、按照CRM(Customer Relationship Management)方法，根据客户的年消费频率和客户的年消费总金额构建客户分类模型；

S3、使用步骤S2的客户分类模型，获取每个客户的特征向量；

S4、使用机器学习K-means算法对步骤S3中求得的特征向量进行聚类；

S5、使用步骤S4所得的聚类结果作为客户分类的结果，从而实现对客户的分类。

在步骤S1中，从客户相关的数据库中，通过查询获取客户的基本信息和通过聚合函数统计出每个客户的年消费频率和年消费金额，以此作为自动分类方法的输入数据。

在步骤S2中，使用客户的年消费频率为横坐标，以年消费总金额作为纵坐标，构建出客户客户分类模型。

在步骤S2中，所述的CRM方法是一种用于改善企业和客户之间关系的新型管理方法，其中客户关系管理中的一个重要环节就是客户细分，所述客户细分实质是一种将一个大的客户群或者消费者群体划分成多个分类群体的方法，这些群体中同属于一个分类群体的客户或者消费者的彼此特性相似。

在步骤S3中，利用步骤S2中建立的客户分类模型，获取每个客户的特征向量，此处的输入数据恰好包含客户分类模型的两个维度，因此直接以步骤S1中的每一个客户的数据输入作为该客户的特征向量。