基于密度信息熵的K-Means算法在客户细分中的应用

作者：蒲晓川; 黄俊丽; 祁宁; 宋长松

来源：吉林大学学报(理学版), 2021, 59(05): 1245-1251.

DOI：10.13413/j.cnki.jdxblxb.2020190

• 客户分类
• 客户发展空间
• K-means算法
• 初始聚类中心
• 密度信息熵

为解决企业客户价值体现问题,提出一种TFA客户细分改进模型,以客户发展空间T、购买频次F和平均购买额A为指标,充分体现客户的价值和发展空间.首先,引入局部密度值ρ和信息熵H,改进K-means聚类算法,以优化传统K-means聚类方法初始聚类中心的选取问题;其次,通过搭建机器学习框架,对选取人工数据集及真实数据集进行聚类实验,验证模型的有效性.实验结果表明,该模型能有效分类客户,充分反映客户价值及其发展空间,并通过改进聚类算法提升了算法效率.

• 单位
  河西学院; 经济管理学院; 遵义师范学院