[发明专利]基于聚类算法的电商平台的客户分类方法与决策方法

说明书

本发明具体涉及一种基于聚类算法的电商平台的客户分类方法与决策方法，包括步骤一：采集用户购买的商品的数据用户在电商网站上的购买商品几率进行集合汇总；步骤二：对步骤一中获取的数据集进行预处理，从而得到每个客户的价值向量；所述价值向量由LCRFMD六个指标组成：采用聚类算法根据LCRFMD六个指标对客户进行自动聚类分群，将客户细分成k类，对应k个客户群，k为设定的类别数且为大于1的自然数。步骤四：根据自动聚类细分的群，选择与之相适应的营销模型。步骤五：将所选择的营销模型进行计算并输出结果。本发明采用基于聚类算法计算提高了分析的可靠性，数据标准化处理进一步解决了数据形式一致性问题，降低了系统的复杂度。

技术领域

本发明属于数据挖掘技术领域，具体涉及一种基于聚类算法的电商平台的客户分类方法与决策方法。

背景技术

在互联网+潮流下，企业市场最大的变化在于中间环节遭遇全面挤压，供应链条不断缩短，供应商与直接客户的关系日益拉近。集买家保障、卖家保障，风控为一体的B2B2C电子商务模式，能够帮助商户与买家建立互信，保障其在严密防护下安心地开展在线交易。B2B2C模式将供应商、采购商、银行(支付系统)和保险四个角色，通过电子平台一键完成。由于电子平台规模增大，客户背景、行为特征的不同，对用户再次使用产品行为进行准确有效的预估，是企业优化营销资源分配、定向推送服务广告的重要依据。

发明内容

1、所要解决的技术问题：

本发明根据电商平台商品推荐的需要提供一种基于聚类算法的电商平台的客户分类方法与决策方法，通过该方法提高了分析的可靠性，数据标准化处理进一步解决了数据形式一致性问题，降低了系统的复杂度。

2、技术方案：

一种基于聚类算法的电商平台的客户分类方法与决策方法，其特征在于：

步骤一：采集用户购买的商品的数据，并将用户在电商网站上的购买商品几率进行集合汇总；所述用户购买的商品的数据包括用户名、商品类别、商品名、价格、数量、时间、支付方式和浏览次数。

步骤二：对步骤一中获取的数据集进行预处理，包括数据清洗、属性规约以及数据变换，从而得到每个客户的价值向量；所述价值向量由LCRFMD六个指标组成：L表示客户注册时间到本监测时间前的天数，C表示在从注册时间到本监测时间前用户购买商品的类别数，R表示客户在本次监测之前中最后一次购买的时间距本次监测的天数，F表示客户在本监测时间前的购买次数，M表示客户在本消费类别中在分析观测窗口内的累计花费，D表示客户在本本监测时间前每次购买商品所享受的平均折扣金额。

步骤三：采用聚类算法根据LCRFMD六个指标对客户进行自动聚类分群，将客户细分成k类，对应k个客户群，k为设定的类别数且为大于1的自然数。

步骤四：根据自动聚类细分的群，选择与之相适应的营销模型。

步骤五：将所选择的营销模型进行计算并输出结果。

进一步地，所述步骤一还包括预设一定的时间间隔对客户进行分类或者预设客户注册的时间长短进行分类。

进一步地，：步骤二中数据变换的过程为：数据流入标准化模块，其将流入的数据处理成具有统一格式的数据；指标计算模块，其根据不同的价值向量计算方法进行向量计算。

进一步地，步骤三中对客户的细分类过程包括：31 将所有客户的LCRFMD向量组成样本集，初始情况下通过计算从样本集中选取出k个LCRFMD向量作为聚类中心；32逐个将样本集中的LRFMD向量按最小距离原则分配给k个聚类中心，形成k个种群；33重新构建每个种群的中心点，使其作为种群新的聚类中心；若每个种群新聚类中心与旧聚类中心的距离均小于阈值，则计算结束，以当前的k个种群作为分类结果，否则转为执行步骤32。

3、有益效果：