摘要
数据挖掘是一门融合了诸多技术特点的一个多学科交叉领域,其目的是从海量的有噪声应用数据中,利用科学有效的方法提取出隐含在其中的具有潜在应用价值的信息。本研究利用数据挖掘中经典的聚类分析算法K-means,从某航空公司的62988条客户信息中构建出具有现实意义的五种客户价值类别。通过分析每一种类别客户的消费特点,将其划分成重要保持客户、一般客户,重要发展客户、重要挽留客户以及低价值客户五种类别。该分析能够有效地指导航空公司针对不同价值的客户制定个性化的服务,最终达到将有限的资源集中于高价值客户的目的,实现客户与航空公司的互利共赢。
引文
[1]董阳光.基于apriori算法的关联规则超市购物推荐算法研究.中国战略新兴产业,2017:40~42.
[2]朱建平,张润楚.数据挖掘的发展及其特点.统计与决策,2002:71~72.
[3]李明江,唐颖,周力军.数据挖掘技术及应用.中国新通信,2012:66~67+74.
[4]邹国锋,傅桂霞,李海涛.多姿态人脸识别综述.模式识别与人工智能,2015,28:613~625.
[5]向洋乐.大数据背景下互联网购物推荐算法应用研究.中国战略新兴产业,2018:101.
[6]兰军,严广乐.基于客户特征分群的银行客户流失分析.技术经济与管理研究,2014:105~108.
[7]王千,王成,冯振元.K-means聚类算法研究综述.电子设计工程,2012,20:21~24.
[8]吴夙慧,成颖,郑彦宁.K-means算法研究综述.现代图书情报技术,2011:28~35.
[9]王勇,唐靖,饶勤菲.高效率的k-means最佳聚类数确定算法.计算机应用,2014,34:1331~1335.
[10]冯波,郝文宁,陈刚.K-means算法初始聚类中心选择的优化.计算机工程与应用,2013,49:182~185+192.