[发明专利]一种顾客的分类方法及系统

说明书

本发明公开了一种顾客的分类方法及系统，涉及顾客分类领域，该方法包括：获取历史数据；根据所述历史数据和预设特征维度指标，生成对应的特征维度数据表，所述特征维度数据表中包含了多个顾客的特征维度数据；根据所述特征维度数据表，建立分析样本池；采用因子分析算法对所述分析样本池中的特征维度数据进行降维，得到对应的因子得分数据表；根据所述因子得分数据表，采用聚类算法对顾客进行分类。本发明的同时采用因子分析算法的降维效果和聚类算法进行分类，突破了常规顾客分类方法中对于可考虑特征维度的数量限制，且两个算法的结合使用，提高了分类结果的精度和准确性。

技术领域

本发明涉及顾客分类领域，尤其涉及一种顾客的分类方法及系统。

背景技术

顾客细分是零售企业常用的按一定标准对顾客进行分类。现有的零售企业顾客细分方法通常由业务人员根据业务需求，通过业务经验或商业直觉，主观地选取切分维度及标准，对顾客进行分类。

一个简单的例子如下所示：1.业务需求：建立一个顾客细分以区分顾客价值；2.选取切分维度：顾客全年消费金额；3.确定切分标准：全年消费金额大于1000元为高价值，小于200元为低价值。4.对顾客进行分类：A顾客的全年消费1200元，为高价值顾客；B顾客的全年消费800元，为中价值顾客；C顾客的全年消费180元，为低价值顾客。

现有的顾客细分方法主要存在以下缺陷：

1.切分维度和标准的选取较为主观，完全取决于业务人员的业务经验与直觉；2.主观的条件切分对可考虑的维度数量有较大限制，现有零售商顾客分类通常只考虑单个维度或2-3个维度的交叉；3.顾客细分的不同类别需根据业务经验或商业直觉事先定义。

发明内容

本发明的目的是提供一种顾客的分类方法及系统，减轻业务人员分类的负担，且提高分类的准确性。

本发明提供的技术方案如下：

一种顾客的分类方法，包括：获取历史数据；根据所述历史数据和预设特征维度指标，生成对应的特征维度数据表，所述特征维度数据表中包含了多个顾客的特征维度数据；根据所述特征维度数据表，建立分析样本池；采用因子分析算法对所述分析样本池中的特征维度数据进行降维，得到对应的因子得分数据表；根据所述因子得分数据表，采用聚类算法对顾客进行分类。

在上述技术方案中，同时采用因子分析算法的降维效果和聚类算法进行分类，突破了常规顾客分类方法中对于可考虑特征维度的数量限制，且在分类过程中考虑和尝试尽可能全面的特征维度，减少主观性。

进一步，所述的根据所述因子得分数据表，采用聚类算法对顾客进行分类具体为：1)从所述因子得分数据表中选择k个顾客的因子得分数据作为质心，k为大于等于1的整数；2)根据所述因子得分数据表中其他顾客的因子得分数据计算到每个质心的距离，将其他顾客分到距离最近的质心的类；3)根据各类中所属的顾客的因子得分数据重新计算各类的质心；4)迭代2)～3)，直到3)中重新计算出来的每个质心的误差均小于预设阈值。

在上述技术方案中，那家了聚类算法的计算过程，预设阈值的设置保证了分类结果的精度。

进一步，所述的获取历史数据包括：加载原始数据；对所述原始数据进行清洗、数据准确性检查、数据映射和标准化编号处理，得到所述历史数据。

在上述技术方案中，对原始数据进行预处理，提高了历史数据的准确性和后续调用的便捷性。

进一步，所述的根据特征维度数据表，建立分析样本池包括：将特征维度数据表中存在异常值的顾客的特征维度数据删除，建立所述分析样本池。

在上述技术方案中，将存在异常值的顾客的特征维度数据删除，避免特殊顾客的行为对分类结果造成异常干扰。