论文部分内容阅读
近年来，随着全球经济一体化、金融一体化进程的不断加剧，市场竞争日趋激烈。企业的管理模式已经逐渐从以产品和规模为中心的粗放型模式转向以客户为中心的集约型模式。二十一世纪以来，保险行业是中国发展最快的行业之一。随着中国对保险市场的逐步开放，国内、国际两方面的竞争日趋激烈。在激烈的竞争环境下，保险公司的客户，尤其是能够为公司提供较大贡献的优质客户，是企业生存并快速发展的关键资源。由于不同类别客户的需求往往有很大的差别，因此，识别这些类别客户的消费特征和需求差异，并通过合适的营销手段加以满足，显得十分重要。客户细分方法可以指导企业在明确的战略、业务模式下和专注的市场的条件下，根据客户的价值、需求和偏好等综合因素对客户进行分类。因此，保险企业应该采用客户细分方法，对不同的客户采用不同的营销策略，以获得客户，赢得市场竞争。
客户细分的方法有很多种，如基于人口统计学的方法、基于行为的方法、基于心理的方法等，不同的细分方法有不同的适用范围。随着信息技术的发展，国内的部分保险公司开始考虑使用信息技术来进行客户的细分。而数据挖掘作为一种新兴的信息技术，相对于传统的客户细分方法有着一定相对优势，得到越来越多保险公司的青睐。尤其是数据挖掘研究中的聚类和模糊聚类算法，被广泛的应用在许多行业的客户细分中，并取得了不错的效果。但是，目前在保险行业客户细分中的应用，却较为少见。
聚类和模糊聚类算法的理论研究起步较早，已存在很多相关的研究。目前模糊聚类算法大致分为三大类：基于模糊关系的分类法、基于划分的模糊聚类算法和基于神经网络的模糊聚类算法。其中，基于划分的模糊聚类算法研究成果较多，应用较为广泛，而模糊C．均值是其中较为经典的算法。目前，存在很多改进算法，通过不同的方式来弥补模糊C-均值的缺陷。如通过改变算法中的度量方式，放宽聚类的归一化条件，引入熵等等。但是，这些改进模糊聚类算法在保险行业客户细分中的应用，研究较少。因此，本文希望尝试设计一种改进的模糊聚类算法，以提高聚类算法在保险行业客户细分领域应用的有效性。
本文首先对客户细分理论的研究现状和常用的三种客户细分方法进行分析比较，并简单分析目前客户细分理论在保险行业的应用现状。然后对数据挖据在保险和客户细分中的应用现状进行简单分析，揭示目前聚类以及模糊聚类技术在保险行业客户细分领域较为空白的现实情况。其次，深入研究和分析了聚类算法、基于划分的模糊聚类算法、聚类有效性函数以及特征选择技术的研究现状，结合以上三种算法的优点，给出了改进的基于划分的模糊聚类算法框架，以尝试改善基于划分的模糊C-均值算法在最佳聚类数的选择和数据特征权重值赋予两方面的缺陷。之后在该框架的基础上，将模糊C-均值算法，Xie-Beni聚类有效性函数和ReliefF特征选择算法相结合，研究设计了一种改进的基于划分的模糊聚类算法。再次，本文对保险客户的细分关键指标的选择进行分析，并对实际保险客户数据进行标准化。最后，文章实现了改进的模糊聚类算法。通过实证研究，将其应用在保险行业的实际客户数据中。并将改进算法与其它两种聚类算法的聚类有效性进行比较，得出该改进算法在保险行业的客户细分领域更为有效的结论。在本文的最后部分，对模糊聚类在保险客户细分中的应用进行总结，提出目前研究所存在的问题，并对未来进一步的研究方向做出展望。