[发明专利]一种基于顾客游逛行为的客群分类方法

说明书

本发明公开一种基于顾客游逛行为的客群分类方法，包括如下步骤：步骤1，对商场进行区域划分；步骤2，利用wifi定位信息得到顾客每次到访商场在各区域的停留时间数据；步骤3，对步骤2得到的数据进行有效性判断，得到顾客在各区域的有效游逛占比；步骤4，对有效游逛占比进行主成分处理，得到顾客的特征向量；步骤5，对特征向量进行聚类，对聚类结果进行决策树模型的训练与测试，得到分类模型：步骤,6，不同的类别数对应测试结果不一样，处理测试结果，确定最优类别数，对应的分类模型即可对到访商场顾客进行分类。此种方法可利用顾客在商场内的停留行为信息，对顾客进行较好的分类。

技术领域

本发明属于客户分类技术领域，涉及一种商场客群分类方法，特别涉及一种基于顾客游逛行为的客群分类方法。

背景技术

现有的商场客群分类方法主要有以下几种：

1)人工发放调查问卷，询问到访商场的顾客来访商场的时间偏好、来访频次等信息。但局限在于，一般的调查问卷能获得的最多只有数百人的信息，而且需要商场安排一定的预算，这远不足以了解来访一个大型商场的客群分类。

2)通过商场的会员信息来对客群分类，用会员每次来消费的信息(包括时间、消费金额)来分群。但是局限性在于，一般商场的会员数相比来访商场的总客流数会很少，一般只有几个百分点。这样的采样率远远达不到能对顾客来访商场有一个充分和准确的了解。

发明内容

本发明的目的，在于提供一种基于顾客游逛行为的客群分类方法，其可利用顾客在商场内的停留行为信息，对顾客进行较好的分类。

为了达成上述目的，本发明的解决方案是：

一种基于顾客游逛行为的客群分类方法，包括如下步骤：

步骤1，对商场进行区域划分；

步骤2，利用wifi定位信息得到顾客每次到访商场在各区域的停留时间数据；

步骤3，对步骤2得到的数据进行有效性判断，得到顾客在各区域的有效游逛占比；

步骤4，对有效游逛占比进行主成分处理，得到顾客的特征向量；

步骤5，对特征向量进行聚类，对聚类结果进行决策树模型的训练与测试，得到分类模型：

步骤,6，不同的类别数对应测试结果不一样，处理测试结果，确定最优类别数，对应的分类模型即可对到访商场顾客进行分类。

上述步骤1中，对于长条形商场，将每一层划分为左中右三个区域。

上述步骤3中，对步骤2得到的数据进行有效性判断的具体内容是：去掉各区域内总停留时长小于时间阈值的数据，然后计算出各区域有效停留的门槛时间，将各顾客在每个区域的停留时长与该区域的有效停留门槛时间进行比较，若停留时长大于门槛时间，则判定顾客在该区域的停留为有效游逛。

上述计算各区域有效停留的门槛时间的方法是：对每个区域r，所有停留时长的序列为t＝(t₁,t₂,…,t_n)，计算这个序列的中位值，将该中位值作为该区域有效停留的门槛时间，其中，下标n表示顾客所有做过停留的区域数量。

上述步骤4中，对有效游逛占比进行主成分处理，得到顾客的特征向量的具体内容是：设主成分线性方程是：

在R语言平台调用包“pscych”，对每位顾客在各区域的有效游逛占比的矩阵X，调用函数fa.parallel(X)，得到主成分的个数N；调用该包中的princomp函数，得到主成分与原样本各区域之间线性关系的系数矩阵；