[发明专利]客户交易行为分析方法

说明书

本发明提供的一种客户交易行为分析方法，包括采集客户交易数据，并将交易数据按照时间排序；提取交易数据中表征购买时间、交易频率以及交易金额的属性特征，并对购买时间、交易频率以及交易金额进行归一化处理；挖掘属性特征的隐含属性，并获取属性特征在隐含属性上的分值数，并根据分值数确定聚类个数；基于分值数采用遗传算法进行处理，确定最终的聚类结果，得出客户分类，通过上述方法，能够对客户交易的多种属性进行准确分析，能够有效提高客户分类的准确性，为企业的生产营销提供准确的数据支持。

技术领域

本发明涉及一种方法，尤其涉及一种客户交易行为分析方法。

背景技术

随着经济的快速增长，各行各业的竞争日渐激烈，对于与经济密切相关的银行等金融行业而言，如何能在激烈的竞争环境下生存成为目前最为关心的问题。随着信息技术的发展，企业的竞争环境产生巨大的变化，越来越多的企业正从以产品为核心的商业模式向以客户为核心的商业模式转变。企业逐渐意识到把握住客户，就是把握住业绩，越能及时地满足客户的需求，就越能满足市场的需求，就越能在行业竞争中脱颖而出。目前，大部分的金融公司都已逐步建立内部客户管理系统，已积累海量的客户数据资源，若能有效地理解和利用这些客户信息，准确地对客户进行分类能使企业更加有效地对不同的客户群体提供更有针对性的服务，从而提高企业服务水平。

现有技术中，一般采用RFM模型进行分析，但是，这种分析方式仅仅以购买时间、购买的总次数以及交易总额进行分析，这种分析方法不能准确对客户进行分类，进而不能准确确定客户的类别，从而不能准确知道企业的生产经营。

因此，为了解决上述技术问题，亟需提出一种新的方法。

发明内容

有鉴于此，本发明的目的是提供一种客户交易行为分析方法，能够对客户交易的多种属性进行准确分析，能够有效提高客户分类的准确性，为企业的生产营销提供准确的数据支持。

本发明提供的一种客户是交易行为分析方法，包括

采集客户交易数据，并将交易数据按照时间排序；

提取交易数据中表征购买时间、交易频率以及交易金额的属性特征，并对购买时间、交易频率以及交易金额进行归一化处理；

挖掘属性特征的隐含属性，并获取属性特征在隐含属性上的分值数，并根据分值数确定聚类个数；

基于分值数采用遗传算法进行处理，确定最终的聚类结果，得出客户分类。

进一步，属性特征包括最近购买、最远购买、购买间距的第一四分位点、购买间距中位数点、购买间距的第三四分位点、总体购买频率、月最大购买频率、月最小购买频率；累积购买金额以及平均购买金额。

进一步，对购买时间、交易频率以及交易金额通过如下方法进行归一化处理：

其中，为第j个客户在购买时间属性R上的归一化值，R^max为所有客户在购买时间属性R中属性特征的最大值，R^min为所有客户在购买时间属性R中属性特征的最小值；为第j个客户在购买频率属性F上的归一化值，F^max为所有客户在购买频率属性F中属性特征的最大值；F^min为所有客户在购买频率属性F中属性特征的最小值；为第j个客户在交易金额属性M上的归一化值，M^min为所有客户在交易金额属性F中属性特征的最大值，M^min为所有客户在交易金额属性F中属性特征的最小值。

进一步，在因子分析中，任一属性特征被表示为：