聚类算法在证券公司CRM中客户细分的应用

摘要

在聚类分析应用于证券公司客户关系管理中的客户细分,传统k-mean算法能够实现客户的自动聚类,但是传统的k-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动.为消除这种敏感性,本文提出一种优化初始聚类中心的方法,先计算每个数据对象所在区域的密度,选择相互距离最远的k个处于高密度区域的点作为初始聚类中心,在实际业务中由于欧氏距离公式计算数据对象距离具有一定局限性,本文提出新的聚类距离公式.实验表明改进后的k-means算法和新的聚类距离公式能产生质量较高的聚类结果.