基于LRFMC模型的客户价值数据挖掘方案

杨雄　徐鑫荣

摘要：人工成本永远是企业运营预算的重中之重，数据挖掘可以有效发现数据中包含的客户价值，提供不同客户群体的针对性服务，合理布局和提高现有客服人员的资源效率。基于RFM模型提出了LRFMC客户价值评价模型，通过对比特征值的权重，利用K-means聚类算法，将客户群体按不同特征进行分类，根据客户价值等级，针对高价值优质用户和低价值潜在用户展开数据分析。

关键词：客户价值;聚类分析;LRFMC模型;数据挖掘

中图分类号：TP311        文献标识码：A

文章编号：1009-3044（2021）06-0022-04

数据挖掘终极目标是为了发现数据更多的价值，在大数据时代下[1]，不单单只是将数据的量提升到一个前所未有的地步，还将数据的时效性进一步地延长了，数据之间已经不再是最开始的因果关系，而是潜藏着彼此之间重要的相关性[2]。换句话说，数据挖掘的真正目的不单单是挖掘数据的现有特征，而是通过分析关联性，探索出更深层次的价值，从而为企业带来利润。作为商业数据的挖掘，不单单需要优质的算法，还需要一些贴近业务的数据模型。从算法的完善到整个模型的建立，现阶段的数据挖掘，也从对数据本身和算法的关注，逐渐变成了对整个业务模型的关注，数据挖掘的核心也不单单只是对算法的追求，还包括了数据模型的建立和数据的应用[3]。

在目前数据研究领域[4]，虽然数据挖掘已经是一个热门话题，但很难在中小型企业真正地实施起来，更多的是在为大型企业或者政府机关服务[5]。……