《计算机集成制造系统杂志》发表论文赏析
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)。
2019年12期其他文献查阅:
工业互联网推动离散制造业转型升级的发展现状、技术体系及应用挑战
云架构下基于标准语义模型和复杂事件处理的制造车间数据采集与融合
基于聚类与改进最小二乘法支持向量机算法的汽车总装输送装备故障预警方法
基于LRFAT模型和改进K-means的汽车忠诚客户细分方法
基于0-1背包策略改进离散粒子群算法的产业链金融产品双边匹配优化模型