基于LRFAT模型和改进K-means的汽车忠诚客户细分方法
来源：计算机集成制造系统杂志2019年第12期北京时间：
作者：任春华,孙林夫,吴奇石
单位：1.西南交通大学信息科学与技术学院2.宜宾学院计算机与信息工程学院3.美国新泽西理工学院大数据中心
摘要：为实现工业互联网时代的汽车客户精准营销,需要对客户资源进行聚类和有效管理。针对汽车忠诚客户数量少、潜在价值高以及数据分布不均等特点,提出一种改进的客户细分LRFAT模型（基于RFM模型）。为提高客户聚类的准确性和稳定性,受密度峰值聚类启发,提出一种层次K近邻密度峰值初始聚类中心选取方法,将选取的初始聚类中心作为K-means的初始聚类中心,在此基础上采用改进的K-means对汽车忠诚客户进行细分。通过某整车制造厂的汽车销售应用实例,验证了模型和算法的有效性,同时针对不同的客户群进行了详细的分析,并给出了相应的营销建议。
关键词：汽车忠诚客户,客户细分,LRFAT模型,密度峰值聚类,K-means聚类
基金资助：国家重点研发计划资助项目（2017YFB1400303）。
