基于改进K-means算法的电子商务客户细分研究

摘要

目的:针对传统K-means算法需要人为设定K值的缺陷,提出改进的K-means算法,并将其应用于电子商务客户细分研究.方法:首先,在经典RFM模型的基础上,增加客户消费行为特征;其次,为确定最佳聚类数目,引入C H评价指标,以对K-means算法进行改进;最后,选取了包含37376个样本的电子商务客户数据集进行实证研究.结果:与拐点法相比,通过CH指标确定K值更加直观;与谱聚类相比,加入CH指标的K-means算法具有更优的聚类效果及运行效率.结论:结合C H聚类评价质量指标和K-means算法能有效提高电子商务客户细分的准确性和效率.