唐 欣

（北方民族大学数学与信息科学学院， 银川 750021）

0 引 言

互联网技术的快速成长，带动了电商、教育、医疗以及生物科技等领域的不断突破创新，大数据成为生活中不可或缺的一部分，使得交通出行、网上购物、线下支付等一系列活动简便快捷。 信息多元化，数据挖掘与获取信息密不可分，通过数据清洗、转换以及集成等方式来挖掘有效信息。 聚类分析是数据挖掘常用的聚类方法，利用同一类簇相似性高，不同类簇相似性低的行为准则划分数据，市场研究人员也常常将这一方法运用到客户细分中。

20 世纪50 年代中期，美国学者温德尔史密斯根据市场细分准则提出了客户细分的概念［1］。 即基于某一标准，将企业库中的所有客户划分为多种类型的客户群的过程［2］。 利用聚类分析对客户划分的方法，能够挖掘更多有用信息，帮助企业了解客户的消费行为、习惯以及购物偏好等相关信息，达到更好地为客户提供个性化、差异化服务与体验的目的，进而有针对性地制定营销策略，促进公司持续健康发展。

不同的企业往往会制定不同的客户细分准则，挖掘客户特点，建立与客户之间的联系，实现公司利益最大化。 Wang L 等［3］人从生命周期的角度出发，认为客户在生命的不同阶段会产生感知差异，而这种差异往往会带来不同的消费行为；王璀璨等［4］从客户价值的角度出发，优化客户关系管理系统，实现对电商企业的客户细分；Hughes 等［5］从客户行为的角度出发，通过建立RFM 模型（R代表最近一次消费时间、F代表消费频率、M代表消费总金额），了解客户消费行为习惯，做出不同价值分类，为企业更加有针对性地管理提供新思路。……