第一届挑战赛A1-航空客运的客户细分研究

近年来，客户关系管理（CRM）在金融、电信、电子商务等许多行业内受到了越来越高的重视。而对 CRM中任何领域的研究必需条件就是对客户进行分类，从而对不同类型的客户分别采用不同的管理策略。当前的客户关系管理主要基于RFM(Recency Frequency Monetary)模型用数据挖掘技术中的聚类方法对客户细分，但是，第一方面，该方法只选择客户属性中的R(最近一次消费)、F(消费频率) 、M(消费金额)这3个属性对客户进行分类，而客户的消费行为的影响因素是多样的，所以该方法只能对客户进行价值分类，并不能根据价值以外的客户消费特征比如行为特征进行更精确和细致的分类；第二方面，使用传统的聚类方法只能对全局特征相似的客户群体进行分类，并不能有效对局部特征相似的客户群体进行分类。针对以上问题，本文基于卡方统计量和关联规则提出了一种高效的双聚类方法，该方法基于卡方统计量得到多个有分析意义的属性集，进而基于密度的DBSCAN算法进行群体聚类,将客户大体上分为高，中，低三等，最后分别由算法进行客户行为特征聚类。该算法使用实际的某航空会员数据进行实验，实验表明，本文提出的双聚类算法的结果能够精确和细致的对航空会员进行分类，并挖掘和分析其中的信息提出相应的营销策略。