基于LRFAT模型和改进K-means的汽车忠诚客户细分方法
为实现工业互联网时代的汽车客户精准营销,需要对客户资源进行聚类和有效管理.针对汽车忠诚客户数量少、潜在价值高以及数据分布不均等特点,提出一种改进的客户细分LRFAT模型(基于RFM模型).为提高客户聚类的准确性和稳定性,受密度峰值聚类启发,提出一种层次K近邻密度峰值初始聚类中心选取方法,将选取的初始聚类中心作为K-means的初始聚类中心,在此基础上采用改进的K-means对汽车忠诚客户进行细分.通过某整车制造厂的汽车销售应用实例,验证了模型和算法的有效性,同时针对不同的客户群进行了详细的分析,并给出了相应的营销建议.
汽车忠诚客户、客户细分、LRFAT模型、密度峰值聚类、K-means聚类
25
TP391(计算技术、计算机技术)
国家重点研发计划资助项目2017YFB1400303
2020-03-28(万方平台首次上网日期,不代表论文的发表时间)
共12页
3267-3278