基于数据挖掘技术的食品连锁销售客户分类研究

摘要

随着我国国民经济发展和居民消费水平的提高,人们的消费方式日趋多样化、休闲化,休闲食品已经成为国人日常食品消费中的新宠儿。“零食世家”是在珠海扎根的最大休闲食品连锁店。企业在营销分析时,对客户数据既要有量的分析,更要有质的分析,因此挖掘客户的类型,发现客户的特征,继而对客户开展与之相适应的营销与保持策略,这对食品连锁销售企业来说有着积极和重要的意义。
　　本文在分析国内外三个重要客户分类模型的基础之上,提出了以客户平均购买额(Average monetary)、购买频率(Frequency)和客户保持时间(Hold time)作为客户价值细分变量,创建了新的AFH客户分类模型,并运用SQL Server技术对食品连锁销售的客户交易数据进行了数据预处理并构建了面向客户分类主题的数据仓库;然后从客户当前价值和客户增值潜力两个维度,对客户的A值、F值、H值和AFH综合值进行聚类分析,形成了基于客户生命周期利润(CLP)的客户价值矩阵,并提出了四类客户的不同商业策略。
　　为了有效地排除传统K-means聚类初始化过程中引入的随机性因素,提高客户聚类的稳定性,在聚类分析过程中,本研究首先运用层次聚类技术(如TwoStep)对K-means聚类中心进行初始化,然后再运用K-means聚类算法最终完成对客户分类的数据挖掘。实验结果表明,新的AFH客户分类模型具有很强的表征性,能充分反映客户的当前价值(贡献度)和增值潜力(忠诚度),能为企业提供有效的决策支持信息。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究的背景及意义

1.2 客户分类研究综述

1.3 研究的方法及内容

1.4 主要工作和创新

第二章 数据挖掘的相关理论和方法

2.1 数据挖掘的有关概念

2.2 数据挖掘的一般过程

2.3 数据仓库的有关概念

第三章 AFH客户分类模型构建

3.1 AFH客户分类模型

3.2 AFH数据预处理

3.3 AFH数据仓库

第四章 AFH客户聚类算法选择

4.1 聚类的类型

4.2 K均值聚类

4.3 凝聚层次聚类

4.4 两步聚类

4.5 AFH客户聚类算法选择

第五章 AFH数据挖掘实验与结果分析

5.1 实验原理与环境

5.2 AFH建模实现

5.3 聚类结果分析

5.4 客户价值分析

5.5 客户策略推荐

5.6 企业应用评价

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

发表论文和参加科研情况说明

致谢