基于K-means算法的数据挖掘与客户细分研究

马培梁/文

大数据时代，善于从中挖掘对企业有用的信息，可以开拓 新的市场和机会。图1简单说明了数据分析的过程。

图1 大数据挖掘过程

为获得市场竞争机会，很多企业从客户细分角度出发，进行有价值的数据挖掘。客户细分是1956年美国学者温德尔史密斯提出来的。随着研究的深入，1994年Hughes提出了关于客户细分标准的RFM模型，R（Recency）代表最近一次消费，F（Frequency）代表消费频次M（Monetary）消费额度。目前大多学者用此模型进行客户细分。国内当前利用大数据进行客户细分研究很多，陈静宇（2004）提出了中间商潜在客户价值的能力空间和市场空间分析模型、客户价值立方体细分模型及需求链分析模型。毛躍霖（2015）通过建立客户流失预测模型，针对不同流失进行靶向营销，减少客户流的流失。王虹、孙红（2016）提出运用混合聚类算法应用到汽车销售公司的客户细分管理中。总的来讲，大数据挖掘和企业客户细分结合研究，可以针对细分结果的不同，使客户拥有更好产品体验。

一、客户细分及细分方法

1.客户细分

当前流行的客户细分主要特点有个性、态度、行为、忠诚度等，同时以RFM模型为基础，根据业务需要进行细分。这样就能更有效根据客户不同特征，提供给客户需要的产品。

2.细分方法

（1）K-means算法

通常被称为劳埃德算法（Lloyd's algorithm），支持没有任何先验知识情况下，对多个属性进行聚类分析，算法分为以下几个步骤：

第一步：随机选取k个样本均值点，默认为5个，记第i个均值为ui；

第二步：求取各个样本点到各均值点的距离，距离最短的归到一类；……