论文部分内容阅读
随着市场竞争日益激烈,企业正从“以产品为中心”的模式向“以客户为中心”的模式转变。企业需要借助客户分析来制定有效的营销策略,客户分析属于归纳研究,出发点是现实世界的数据、模型以及从这些要素中得出的理论。客户分析需要通过调查、访问、问卷、取样等多种途径搜集客户数据信息,而这些数据经常受到噪声污染,噪声数据的存在干扰客户分析的结果。因此,选择抗干扰性强的分析方法便成为客户分析首先要解决的问题。
作为CRM客户分析阶段的关键环节之一,客户细分根据购买者需求、特点和不同行为等要素,将市场划分为若干相异群体。而传统的细分方法需预先指定细分类别数,实施中又敏感于噪声,大大降低了细分的客观性。同时在客户分析的另一关键环节——客户特征提取中,现有的方法在处理定性数据时的数据转换容易造成重要信息丢失,且特征提取对噪声数据敏感,所提取的特征规则缺乏稳定性。客户细分和特征提取在客户分析中是两个相辅相成的环节,有时甚至需要交替进行。在企业的营销活动中,细分不是目的,而充分理解和认识客户特征、深入挖掘客户需求并全面满足其终身体验才是其根本目的,尤其在体验经济大行其道的时代,这点就愈发明显。细分便于寻找目标客户群,而特征提取对于识别客户,锁定目标客户起着重要的作用。建立能够将二者有机结合的客户分析模型,对于显著提高企业营销决策的竞争力具有重要价值。因此,探索新方法,研究客户分析中存在的上述问题,不但具有理论价值,也具有实际意义。
自组织数据挖掘以数据分组处理为核心技术,其独特的非物理模型建模思想,使其在处理噪声数据方面具有显著优势。借鉴其他数据挖掘理论,自组织非参数模型不但保持了对噪声样本分析建模的抗干扰性,而且具有与其他数据挖掘方法相结合后的新功能。例如,利用外补充原理,客观聚类方法通过基于多准则的竞争模型筛选,使其能自动确定最优聚类指标和聚类数目,将其运用于客户细分中,显著提高细分结果的客观性。模糊规则归纳法结合模糊建模基本理论,既能处理定量数据又能处理定性数据,保证了客户分析时信息的完备性。可见,基于自组织数据挖掘理论建立模型并将其应用于客户分析中,需要做深入研究。
本文广泛借鉴和吸收国内外研究成果,以自组织数据挖掘理论,外补充原理以及模糊建模理论为基础,对自组织非参数模型包括客观聚类模型,模糊规则归纳模型以及一致性外准则体系和隶属函数的选择进行了详细分析和讨论。综合外补充多准则原理以及模糊划分进行客户细分及特征提取,构建客户分析模型。主要工作如下:
(1)模型中全面、准确的刻画客户属性。本文结合客户分析的基本理论及客观聚类分析方法能处理高维数据的优势,同时考虑了客户内在属性、外在属性和消费行为等多种因素,建立客户分析的描述维度,为数据搜集与模型建立提供指标依据。
(2)遵循Aksenova揭示的自组织外准则的抗干扰特性,提出基于自组织原理的客户分析概念模型。由于客户数据来源的多样性,对不同特性的数据及分析目的,采用不同的客户数据预处理方法。同时,讨论了客户细分和特征提取在客户分析模型中的相互关系,为增强客户分析模型的抗干扰性和分析精度,在客户细分和特征提取阶段分别采用多准则及模糊划分构建概念模型。
(3)针对传统客观聚类算法在客户细分模型筛选中一致性准则失效的情况,讨论了准则失效的因为,设计并优化了外准则体系,给出多准则客观聚类客户细分模型。多准则体系利用偶极子进行模型筛选,寻找类的最优个数及变量组成。通过归纳的方式寻找最优的聚类体现了算法的客观性,增强了非物理模型的聚类能力,从而得到最优的客户细分群体。在国际标准数据库中的相关数据集上,对算法分别进行了抗干扰性和聚类有效性分析。此外,通过典型行业的标准数据集进行实证对比分析,为客户细分提供参考步骤。
(4)细分的最终目的是客户特征提取及关键客户的识别。考虑到对具有较多共同特征的客户群体直接进行特征提取会降低建模精度,参照模糊建模的基本步骤,提出首先对群内样本进行模糊划分形成特征子集,然后再赋予隶属函数进行规则提取的方法。本文提出在自组织特征提取模型中所采用的模糊划分算法基于α-cuts的等价关系和模糊集理论,新算法发挥了自组织建模与模糊建模相结合的优势,从而有效降低了传统特征提取的模型误差。
(5)准确的特征提取可以为营销活动提供有效的决策支持。从降低特征提取误差的角度考虑,提出对细分客户群(特征子集)自动定义并分别赋予隶属函数的算法,取代了传统模糊规则归纳法所采用的对所有输入变量使用相同隶属函数的方法。使用国际标准数据库中的相关数据,对模型的精度和抗干扰性进行分析。设计了在多共同特征及不同噪声水平下的分析实验并与传统客户分析方法对比,通过实证对比分析,证明了本章设计的基于模糊划分的自组织模糊特征提取模型的优越性。
(6)基于以上的研究,为将多准则自组织数据挖掘模型的理论和方法与实践相结合,本章以四川省保险行业中的寿险客户为实证研究对象,与四川某保险公司客户服务部门合作,进行客户分析的问卷设计与数据调查,为实证研究打下了坚实的基础。实证研究中将本文提出的客户分析模型应用于该公司的寿险客户分析,分析结果最终证明了多准则自组织数据挖掘模型的有效性。
本文主要创造性地构建了一个客户分析概念模型,用来解决客户数据中的噪声干扰问题。其核心为多准则自组织数据挖掘模型。提出外补充原理下的一致性准则体系,弥补了传统客观聚类方法在客户细分时准则失效的不足；针对模糊规则归纳法在样本共同特征较多时提取特征规则精度偏低,提出先确定特征子集,再生成隶属函数的方法,从而达到提高模型规则提取精度的目的。为了进一步检验模型的有效性、可行性以及算法的适用性,并且为模型的应用提供有效依据,本文还进行了典型行业客户分析的实证研究。结果表明:本文提出的多准则自组织数据挖掘模型无疑对在噪声数据下的客户分析研究起到了积极的推动作用。