基于聚类分析的电子商务企业客户细分研究

摘要

近年来，随着互联网技术与互联网思潮的兴起，各种互联网企业在中国大地上蓬勃发展，其中互联网电子商务产业的发展尤其引人注目，而它们之间的竞争也尤其激烈。客户需求多样化等原因也促使电子商务企业把更多的精力放在更好地服务客户上面，他们在竞争中逐渐意识到客户才是一个企业最核心的资源，只有满足客户需求的企业才能更好的发展。但是企业的资源是有限的不可能同时服务于所有客户，所以为了保障企业利益的最大化，企业必须有效的将客户分类，把资源更多地投放到对企业更有利的客户身上去。然后根据不同的客户属性，制定不同的营销方案和销售策略服务不同类型的客户，这样才能最大化企业利益，为企业创造更大价值。
　　本文在借鉴和参考国内外学者对客户细分和聚类分析研究成果的基础上，针对某互联网电子商务公司的实际情况，选取了该公司客户的消费数据，运用K-means聚类算法， Kohonen神经网络聚类算法与两步聚类算法以及改进的K-means聚类算法等四种聚类方法分别对该公司客户进行了聚类分析。结合公司实际情况运用了图示法和各种检验方法对聚类方法进行了检验，结果显示相比较于其他三种算法，两步聚类在实际情况和理论检验中都有较好的表现。对客户划分成5类，针对每一类分别进行分析，找出每一类的特点与不同，并针对不同特点的客户群体制定出不同的营销策略，为公司提供建议，以便公司更够差异化进行营销和管理，以节约成本达到效益最大。

目录

1 绪 论

1.1 研究背景

1.2 研究的目的与意义

1.3 国内外研究现状综述

1.4 国内外聚类分析在客户分类中的研究综述

1.5 研究内容，框架与创新点

2 数据挖掘相关理论介绍

2.1 数据挖掘的定义

2.2 数据挖掘的对象

2.3 数据挖掘的一般过程

2.4 数据挖掘的基本方法

3 聚类相关理论介绍

3.1 定义数据的相似性

3.2 聚类方法的分析

3.3 k-means算法

3.4 K-means 算法的不足

3.5 K-means算法的优化—Kohonen网络聚类

3.6 Two_step 聚类

4 CRISP商业流程

5 互联网电商的客户分类研究

5.1 业务理解

5.2 数据理解

5.3 数据的检查和清洗

5.4 数据的分析与整合

5.5 数据的描述性分析

5.6 互联网电子商务公司客户分类模型的建立

5.7 改进的k-means聚类尝试

6 总结与建议

7 结 语

致谢

参考文献