基于KFAV 的中国铁路货运客户细分方法研究

来源：交通运输系统工程与信息杂志2017年第3期北京时间：

作者：张斌，彭其渊

单位：西南交通大学交通运输与物流学院，成都610031

摘要：中国铁路货物运输由于诸多因素的影响，在客户和货源数量上受到了冲击，需要在客户关系管理及营销等方面不断完善，其中客户细分是精确营销的重要手段.本文提出了基于RFM模型的，新的客户分类KFAV模型，并对货运客户价值进行了计算.之后引入了局部密度值ρ和斥类值δ，对传统K均值(K-means)聚类方法在初始聚类中心选取方面进行了优化.通过搭建hadoop 集群环境，采用spark 计算框架，对选取的大量货票数据进行仿真.仿真结果显示，基于KFAV模型的铁路货运客户细分方法更加具有针对性，并且改进的K均值聚类方法提升了算法的效率，同时基于大数据分析的spark+hadoop 平台极大地降低了客户细分的运行时间.

关键词：铁路运输,KFAV模型,K均值算法,客户细分,RFM模型