吴倩倩, 何友全

(1.重庆交通大学 经济管理学院，重庆 400074； 2.重庆交通大学 信息科学与工程学院，重庆 400074)



基于K-medoids算法的RFAT客户细分

吴倩倩1, 何友全2

(1.重庆交通大学 经济管理学院，重庆 400074； 2.重庆交通大学 信息科学与工程学院，重庆 400074)

客户的精准定位、相应的营销手段和策略，以及对公司客户的专业管理，是企业发展的重要环节。以传统零售行业为研究对象，在RFM模型的基础上，引入RFAT模型分析客户信息，比较K-means和K-medoids两种算法对企业客户的聚类分析结果，最后利用RFAT模型和K-medoids算法对客户精准定位，企业可根据定位结果针对不同客户采取相应的营销策略。

客户细分；聚类分析；RFM模型；K-medoids

随着客户关系管理发展的愈加成熟，以客户为中心的营销思想也越来越被企业所重视。企业需要有效运用客户资源，从客户的消费信息中得到更加有用的信息，分析客户与企业之间的关系，对客户的消费行为分析，为客户提供个性化服务。在客户细分方面，最常用的是RFM模型，RFM模型是通过客户的购买行为、购买频率以及花费成本三个指标描述客户对于企业的价值。徐翔斌在RFM模型的基础上，添加了商品利润因子，提出了RFP模型，得出的结果比RFM模型对客户细分更加准确[1]。蔡淑琴使用客户偏好建模和客户聚类的二阶段客户细分方法对客户进行自动聚类[2]。笔者在RFM基础上，引入RFAF模型分析客户信息，并结合K-medoids算法对客户精准定位，定位结果可为企业决策提供参考。

一、技术路线和模型背景

(一)客户分类模型介绍