基于聚類分析的電子商務(wù)客戶細(xì)分系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著網(wǎng)絡(luò)的不斷普及，企業(yè)想要在電商領(lǐng)域占有一定份額，客戶資源是其獲得勝利的核心因素，故企業(yè)的銷售模式逐漸以產(chǎn)品為中心轉(zhuǎn)向以客戶為中心的模式。對于不斷增加且呈現(xiàn)多樣化趨勢的消費數(shù)據(jù)，傳統(tǒng)的基于一維屬性的統(tǒng)計學(xué)方法的客戶細(xì)分方式已逐漸顯露其弊端，取而代之的是采用相適應(yīng)的數(shù)據(jù)挖掘算法對量多且復(fù)雜的數(shù)據(jù)信息實現(xiàn)精準(zhǔn)而高效的客戶細(xì)分。該客戶細(xì)分方式憑借對現(xiàn)有客戶的保留和對潛在客戶的挖掘，分析并預(yù)測出未來市場消費趨勢，以達(dá)到企業(yè)最終差異化營銷的目標(biāo)

2、。
　　為了實現(xiàn)上述目標(biāo)，本文采用數(shù)據(jù)挖掘中的聚類分析方式運用于某服裝電子商務(wù)企業(yè)進行客戶細(xì)分，具體采用改進的基于近鄰傳播算法的K-means算法來實現(xiàn)系統(tǒng)的設(shè)計與實現(xiàn)。文中詳細(xì)介紹了新算法的改進過程、實現(xiàn)流程以及通過實驗驗證其算法改進后的有效優(yōu)勢，具體表現(xiàn)在對數(shù)據(jù)集中的噪聲點進行有效排除，并獲取較為精準(zhǔn)的初始聚類中心，同時極大的提升了聚類的準(zhǔn)確率和各聚類之間的緊密度，實現(xiàn)了更令人滿意的聚類效果。
　　本論文的研究工作和成果

3、如下：
　　1、介紹了客戶細(xì)分的相關(guān)理論，包含其概念，研究背景以及實現(xiàn)意義，并詳細(xì)分析了客戶細(xì)分中所使用的一般方法及相應(yīng)步驟，通過對客戶細(xì)分方法的詳細(xì)探究，描述了電商領(lǐng)域中的該項技術(shù)的特征及不斷完善的過程。
　　2、介紹了客戶細(xì)分所應(yīng)用的數(shù)據(jù)挖掘技術(shù)的概念、功能以及常用的方法，并對其中的聚類分析算法的相關(guān)原理及主要的聚類方法進行了系統(tǒng)的概述。
　　3、詳細(xì)介紹了經(jīng)典的K-means算法及通過引入AP算法，并對其中的K-

4、means算法的聚類準(zhǔn)則函數(shù)和AP算法的相似性度量進行了相應(yīng)的改進，以便于實現(xiàn)對K-means算法的聚類個數(shù)和聚類中心的有效初始化，以及聚類收斂條件精確度的提升，最終生成改進的基于近鄰傳播算法的K-means算法，將其應(yīng)用于實驗驗證，與前者算法進行對比，得出了能實現(xiàn)更佳聚類結(jié)果的結(jié)論。
　　4、進行電子商務(wù)網(wǎng)站客戶細(xì)分系統(tǒng)的設(shè)計，敘述了電子商務(wù)網(wǎng)站客戶細(xì)分系統(tǒng)的整體模型，詳細(xì)分析了電子商務(wù)網(wǎng)站客戶的需求分析，包含其特點及相應(yīng)的系統(tǒng)