[发明专利]客户分类方法、装置、计算机设备和存储介质

说明书

本申请涉及一种客户分类方法、装置、计算机设备和存储介质。所述方法包括：获取客户历史数据，基于所述客户历史数据提取分类指标的数据，所述分类指标包括客户首单时间、最近一次下单时间、消费频率、消费金额、重泡比平均值以及保价费用，建立以所述分类指标为基础的客户价值分析模型，将提取的分类指标的数据输入所述客户价值分析模型中，得到客户分类结果。上述客户分类方法、装置、计算机设备和存储介质，在传统RFM模型分类方法的基础上增加了三个维度的指标，分类针对性更强，分类更加准确。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种客户分类方法、装置、计算机设备和存储介质。

背景技术

信息时代的来临使得企业营销焦点从产品中心转变为客户中心，客户关系管理成为企业的核心问题。客户关系管理的核心问题是客户分类，通过客户分类，区分低价值客户、高价值客户，企业针对不同的客户制定优化的个性化服务方案，采取不同的营销策略，将有限的营销资源集中于高价值客户，实现企业利润最大化目标。

互联网的快速发展，物流行业借助电商行业快速崛起，物流行业在我国经济中的地位稳步提升，随着物流企业客户规模的增大，客户背景、行为特征的不同，准确的客户分类结果是企业优化营销资源分配的重要依据，客户分类越来越成为客户关系管理中亟待解决的关键问题之一。随着机器学习方法的深入，统计分析，数据挖掘已广泛应用于客户群分类识别研究中，然而较少有研究应用于零担物流客户群体的识别分类。

传统的客户分类主要采用RFM模型分类方法进行分类，但RFM模型分类方法中用于分类的指标的选取较为宽泛，分类不够准确。

发明内容

基于此，有必要针对RFM模型分类方法中用于分类的指标的选取较为宽泛，分类不够准确的技术问题，提供一种客户分类方法、装置、计算机设备和存储介质。

一种客户分类方法，所述方法包括：

获取客户历史数据；

基于所述客户历史数据提取分类指标的数据，所述分类指标包括客户首单时间、最近一次下单时间、消费频率、消费金额、重泡比平均值以及保价费用；

建立以所述分类指标为基础的客户价值分析模型；

将提取的分类指标的数据输入所述客户价值分析模型中，得到客户分类结果。

在其中一个实施例中，所述客户历史数据包括客户编号、首单时间、运单量、运费金额、报价费用、下单天数、最大下单间隔、平均下单间隔、重量、体积、所处行业以及运费支付形式。

在其中一个实施例中，所述基于所述客户历史数据提取分类指标的数据之前还包括：

对所述客户历史数据进行数据清洗、属性规约和/或数据变换。

在其中一个实施例中，所述对所述客户历史数据进行数据清洗、属性规约和/或数据变换之前还包括：

对所述客户历史数据进行缺失值与异常值分析；

所述对所述客户历史数据进行数据清洗的步骤包括：

清除所述客户历史数据中的包括缺失值和异常值的数据。

在其中一个实施例中，所述建立以所述分类指标为基础的客户价值分析模型之前还包括：

对所述分类指标进行Z-score标准化处理。

在其中一个实施例中，所述建立以所述分类指标为基础的客户价值分析模型包括：

从所述分类指标的训练集中选择初始质心；

从所述分类指标的训练集中选择与所述初始质心的欧氏距离最远的点作为第二质心；