數(shù)據(jù)挖掘應(yīng)用案例：rfm模型分析與客戶細(xì)分-資料下載頁
2025-04-17 01:34本頁面
【正文】 權(quán)重； 這里我們采用加權(quán)方法：WR=2 WF=3 WM=5的簡(jiǎn)單加權(quán)法（實(shí)際情況需要專家或營(yíng)銷人員測(cè)定）；具體選擇哪種聚類方法和聚類數(shù)需要反復(fù)測(cè)試和評(píng)估，同時(shí)也要比較三種方法哪種方式更理想！下圖是采用快速聚類的結(jié)果：以及kohonen神經(jīng)算法的聚類結(jié)果：接下來我們要識(shí)別聚類結(jié)果的意義和類分析：：其中Twostep兩階段聚類特征圖：： 結(jié)果還不錯(cuò)，我們可以分別選擇三種聚類方法，或者選擇一種更易解釋的聚類結(jié)果，這里選擇Kohonen的聚類結(jié)果將聚類字段寫入數(shù)據(jù)集后，為方便我們將數(shù)據(jù)導(dǎo)入SPSS軟件進(jìn)行均值分析和輸出到Excel軟件！ 輸出結(jié)果后將數(shù)據(jù)導(dǎo)入Excel，將R、F、M三個(gè)字段分類與該字段的均值進(jìn)行比較，利用Excel軟件的條件格式給出與均值比較的趨勢(shì)！結(jié)合RFM模型魔方塊的分類識(shí)別客戶類型：通過RFM分析將客戶群體劃分成重要保持客戶、重要發(fā)展客戶、重要挽留客戶、一般重要客戶、一般客戶、無價(jià)值客戶等六個(gè)級(jí)別；（有可能某個(gè)級(jí)別不存在）； 另外一個(gè)考慮是針對(duì)R、F、M三個(gè)指標(biāo)的標(biāo)準(zhǔn)化得分按聚類結(jié)果進(jìn)行加權(quán)計(jì)算，然后進(jìn)行綜合得分排名，識(shí)別各個(gè)類別的客戶價(jià)值水平；至此如果我們通過對(duì)RFM模型分析和進(jìn)行的客戶細(xì)分滿意的話，可能分析就此結(jié)束！如果我們還有客戶背景資料信息庫(kù)，可以將聚類結(jié)果和RFM得分作為自變量進(jìn)行其他數(shù)據(jù)挖掘建模工作！
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1