[发明专利]一种基于加权RFM模型的电商平台客户细分方法

权利要求书

1.一种基于加权RFM模型的电商平台客户细分方法，其特征在于，包括以下步骤：

步骤1、从电商平台客户数据库中提取客户消费数据，并对客户消费数据进行数据清理，对数据清理后的客户消费数据集进行向量化处理，获得客户集X＝{x₁,x₂,…x_i,…x_n}，1≤i≤n，n为客户个数；所述客户消费数据包括客户编号、订单编号、购买时间和消费金额；

步骤2、根据数据清理后的电商平台客户消费数据，计算每位客户最近一次消费的时间间隔R指标、规定时间段的消费频率F指标和规定时间段的消费总金额M指标；对R、F和M指标分别进行Z分数标准化变换得到x_ir、x_if和x_im，记为客户x_i的三个属性值；

步骤3、将步骤2得到的客户x_i的三个属性值作为输入数据，确定加权欧氏距离公式，去除客户集X中所有孤立点，得到客户集X'＝{x₁',x₂',…x_i',…x_m'}，1≤i≤m≤n；

步骤4、使用Canopy算法对步骤3得到的客户集X'进行粗聚类得到中心点集合；

步骤5、利用步骤4得到的中心点集合作为K-means算法的初始聚类中心进行聚类，得到k类电商平台客户群；

步骤6、计算聚类后每类电商平台客户群的R、F和M指标的平均值，将每类电商平台客户群的R、F和M指标的平均值与全体电商平台客户的R、F和M指标的平均值进行比较，得到每类电商平台客户群的RFM类型。

2.根据权利要求1所述的一种基于加权RFM模型的电商平台客户细分方法，其特征在于，还包括以下步骤：

步骤7、采用层次分析法计算R、F和M各指标权重系数分别为μ_r、μ_f和μ_m，确定每个客户的综合价值的加权计算公式，根据每个客户的综合价值的加权计算公式计算得到每个客户的综合价值。

3.根据权利要求2所述的一种基于加权RFM模型的电商平台客户细分方法，其特征在于，还包括以下步骤：

步骤8、计算每类电商平台客户群的综合价值平均值，并将k类电商平台客户群按照综合价值平均值由高到低进行排序。

4.根据权利要求1所述的一种基于加权RFM模型的电商平台客户细分方法，其特征在于，步骤3具体包括：

步骤3.1、确定加权欧式距离公式，如公式(1)所示，计算任意两个客户点之间的加权欧式距离；

其中，ω_ir、ω_if和ω_im为客户x_i的三个属性值的权值，ω_ir、ω_if和ω_im的表达式分别为公式(2)、公式(3)和公式(4)，如下：

使用公式(5)计算所有客户点之间的平均加权欧式距离：

使用公式(6)计算任何一个客户点x_i的密度参数：

即以客户集X中任一客户点x_i为圆心，平均加权欧式距离MeanDist(X)为半径，圆内客户点的个数即为x_i的密度参数；其中，当z＞0时，u(z)＝1；当z≤0，u(z)＝0；

使用公式(7)计算客户点密度的平均值：

步骤3.2、若客户点x_i满足公式(8)，则该客户点为孤立点，从客户集X中删除该点；

Dens(x_i)≤a×MDens(X) (8)

步骤3.3、删除客户集X中所有孤立点后，得到客户数据分布相对集中不包含孤立点的客户集X'＝{x₁',x₂',…x_i',…x_m'}，1≤i≤m≤n。