[发明专利]基于聚类分析的用户价值分类方法和装置

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于聚类分析的用户价值分类方法和装置。

背景技术

随着关系营销理念的不断发展，客户关系管理受到越来越多企业的重视，企业的经营重点纷纷由产品转向客户。如何对庞大的客户群体进行有效管理已经成为许多企业不可回避的问题。有效识别客户价值及特征，在此基础上实施针对性的管理，是客户关系管理的重心与关键问题。客户是企业生存与发展的基础，随着客户关系管理的日渐完善，获取并保持优质的客户成为企业关注的焦点，也因此成为营销理论研究者关注的热点。在获取与保持客户的研究中，如何衡量客户的价值成为一个关键的问题。现有的用户价值模型中，大多将用户在每个指标特征下的指标值乘以按经验赋予的指标特征的权重，将乘积相加得到该用户的价值得分，将得分按照一定的分位数划分，得到用户最终的价值分组。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

现有的用户价值模型在指标特征的选择上过于繁琐，以至于每次加工都耗费大量的时间成本和数据库资源；

按经验为每个指标特征赋予权重，容易产生由于指标特征的权重配比较大或较小而导致的用户的价值分组不准确；

现有的用户价值模型按照一定的分位数划分用户的价值分组，划分方式过于主观、武断。

发明内容

有鉴于此，本发明实施例提供一种基于聚类分析的用户价值分类方法和装置，能够客观、准确地进行用户价值分类。

为实现上述目的，根据本发明实施例的一个方面，提供了一种基于聚类分析的用户价值分类方法，包括：

根据用户在每个指标特征下的指标值，确定每个用户的原始特征向量；

对所述每个用户的原始特征向量进行因子分析，将因子得分满足设定规则的公共因子作为因子变量；基于每个用户在所述因子变量下的取值，确定每个用户的综合特征向量；

对所述每个用户的综合特征向量进行聚类，确定每个用户的分类。

可选地，按照因子得分从高到低的顺序排列所述公共因子，得到公共因子序列；

将所述公共因子序列中前n个公共因子作为因子变量；其中，1≤n＜k，k为公共因子的个数，n、k为整数。

可选地，对所述每个用户的原始特征向量进行因子分析之前，进一步包括：

通过数据清洗，识别所述指标值是否为异常值，并且，

若所述指标值是异常值，剔除所述指标值。

可选地，通过箱形图进行数据清洗。

可选地，对所述每个用户的原始特征向量进行因子分析之前，进一步包括：

判断所述指标特征是否为负向指标，并且，

若所述指标特征是负向指标，对所述负向指标下的所述指标值进行正向化处理。

可选地，按照如下方法对所述负向指标下的所述指标值进行正向化处理：

获取所述负向指标下的最大指标值；

以所述最大指标值与所述指标值的差值，作为正向化处理之后的所述负向指标下的指标值。

可选地，对所述每个用户的原始特征向量进行因子分析之前，进一步包括：对所述指标值进行标准化处理。

可选地，按照如下方法对所述指标值进行标准化处理：

获取一指标特征的最大值和最小值；

以所述指标值与所述最小值的差值和所述最大值与所述最小值的差值的比值，作为标准化处理之后的该特征指标下的指标值。

可选地，采用肘部法则确定聚类的中心点个数。

可选地，对所述每个用户的综合特征向量进行聚类分析，包括：

选择每个聚类的中心点的中心值；

通过迭代更新每个中心点的中心值，在每次迭代过程中：基于每个用户的所述综合特征向量与每个中心点的中心值确定每个用户与每个所述中心点的距离，将每个用户归入与其距离最短的所述中心点所在的类；更新每个中心点的中心值；

若更新前后每个所述中心点的中心值保持不变，则迭代结束。

根据本发明的再一个方面，还提供了一种基于聚类分析的用户价值分类装置，包括：

采集模块，用于根据用户在每个指标特征下的指标值，确定每个用户的原始特征向量；

分析模块，用于对所述每个用户的原始特征向量进行因子分析，将因子得分满足设定规则的公共因子作为因子变量；基于每个用户在所述因子变量下的取值，确定每个用户的综合特征向量；

聚类模块，所述聚类模块对所述每个用户的综合特征向量进行聚类分析，确定每个用户的分类。