自组织映射神经网络(SOM)在客户分类中的一种应用

2004年3月系统1.程理论与实践第3期文章编号；1000- 6788 (2004) 03-0008-07自组织映射神经网络(SOM)在客户分类中的一种应用陈伯成9梁冰，周越博，林析泉，赵延(淸华大学经济管理学院，北京100084)摘婆：对口组织神经网络在客户分类中的应用进行了探讨讨论了客户分类的概念、指标选取、分类方 法选取.S()M(Self Organization Map)聚类方法，给出了一种基于SOM的客户分类方法，即：给出RFM (近度.Recency;频度.Frequency:值度.Moncntarv)的指标根据综介指标的计算和ft个指标的相对学 习结果变化趋势将客户分类.并进行了模拟计算将模拟结果分类以验证算法.关键词：客户分类；口组织映射；口组织；神经网络 中图分类号：F2O7. 7文献标识码：AAn Application of SOM Neural Network in Customer ClassificationCHEN Bo-cheng, IANG Bing, ZHOU Yue-boJJN Xi-quan, ZHAO Yan(School of Economics & Management fsinghua University Beijing 100084 China)/Xhstract: An SOM (Self Organization Map) neural network application in customer classification is studied. First the concept target selection classification method of customer classificationis discussed then SOM clustering method is described and a customer classification method based on the SOM is given: taken RI;M (Recency Frequency Moncntarv) as target indexes then classifying customer by calculating the integrated target index and analyzing each target index relative varying trend. Finally the simulation is made and the simulation result is classified in Order to verify the arithmetic. 1Key words: customer classification; SOM : self organization: neural network-X2L. - .e1前曰客户分类是企业了解客户的雨耍手段它棊于企业对客户具有的价值的认知将客户划分为不同的重 耍等级并以此制定客户的差别化服务政策通过政策的实施将客户分类的结果作用丁企业实践.对丁何接面対最终消费右的行业來说，客户分类有着車耍的作用，而对菜些行业，如基丁传统的销售 和服务模式下的制造业來说原先一鮫不|工接接触最终消费者，然而网络化环境和电子商务模式止任深刻 地改变企业传统的商贸业务形成了对传统营销策略和市场理念的巨大冲击和挑战并大大拉近了客户与 企业的距离同时采用了先进制造技术的企业大大提高了个性化敏捷设计和生产的能力定制化生产的 出现使企业与客户之间建立r h接联系在这种情况下有效的客户分类可以使企业将有限的资源不均等 地分配到具有不同价值的客户身上，从而更有效的利用生产资源优化客户资产.本文的工作：提出一种客户分类的方法，选择客八分类评价指标和客八分类算法，构建基丁该客八分 类方法的模型.2简单综述2. 1 CRM软件业务模型中的客户分类在CRM业务模型的客八分析流程中，客八分类和客八细分是客户的识别阶段的两个重耍手段.本文 的概念：客户细分指基丁客户需求价值的划分目的是向不同的客戸提供不同的产品和服务满足个性化收稿日期：2003-01-08资助项目:国家自然科学基金(70231010)作者简介：陈伯成(1955)男山东副教授硕七.研究方向：决策支持、模拟、企业管理软件 #系统匸程理论与实践2004年3月服务的需耍；客户分类则是基丁客户贡献价值的划分日的是向具有不同巫耍程度的客户投入不同成本的 努力，满足差别化服务的需要.常见的客户分类方法有以下两种：1）基于客户利润率的分类：客户利润率是将每次客户交易的毛利减去成本求和.随着企业对客户远 期利润贡献价值的关注利用客户终身价值取代传统的客户利润率进行计算的方法也开始采用文献1 提出了一种从开发新客户所需成本的角度來开展客户分类的数学方法.2）基丁指标组合的客户分类方法：基于指标组合的客戸分类方法通常做法是设多个客八评价指标. 如客户忠诚度、客户信用度等并根据指标的取值进行组合获得多种客户类型与基丁客户利润率的分类 方法相比.这种分类方法对客户的划分依据更加全面合理当然其所需的客戸信息源也更多计算过程更 加复杂.常见的客户细分方法主要基于两种思路：1）先基丁预先指定的行为分类（例如：谁选择了什么品牌）后根据各个群体中由客户的地理、社会、 心理信息加以描述的客户背景特征來分析客户与产品间可能存在的联系；2）基于簇的划分根据客户对丁产品的知识、态度、使用以及反应等方而的相似程度将客户划分为不 同群体.基丁簇的划分通过定义细分的分类指标结合细分算法实现许多学者利用这种方法对不同行业 不同渠道的客户市场进行了细分，而这种细分指标也可以在客户分类上采用.如果把客户细分的方法引入客户分类中综合客户的利润贡献和行为倾向划分客户的等级和类熨就 可以获得对客户更加全而的视图.2.2客户分类指标的选取本节的客户分类对彖选定为个人客户而非企业客户，因此以下的客户分类指标选取是针对企业的个 人客户进行的.在客户分类的指标组合分类法中利用客户利润率、忠诚度和信用度的组合來划分客户较为常见.而 客户忠诚度乂可通过多种衡帚依据如再次购买倾向2-化口碑效应5】、客户份额等进行衡帚.其中口 碑效应为客户的主观态度，较难通过客观分析获得；而耍学握客户份额则涉及到客户隐私实际可行性较 低；因此常用的办法还是基丁客户行为的客户购买倾向分析.在客户行为分析中RFM指标是较为常用的评价指标.近度（Recency）衡星从最近一次购买到当前 的时间.近度时间太长被广泛认为是客户行为己经发生变化的信号；频度（Frequency）衡最在一段给定的 时间内客户购买的次数用以识别更加经常接触企业的客户；值（Monentary）衡最购买的平均金钱价 值7】木文的应用采用RFM作为分类衡帚指标，以客户的RFM行为作为对客户忠诚度和客户利润率的 模拟衡最.2.3客户分类算法的选取在客户细分的方法中基丁簇的划分更加适合用丁客户分类.形成簇集通常采用聚类技术常用的聚 类技术主要有：1）基于分区的方法.其基本思路是首先列举出不同的分区然后根据某种标准对不同的分区进行评 价.常用的方法有K-Means方法.K-Prototvpcs方法.K-Medoids方法、PAM方法XLARA方法、基丁密 度的方法等.2）基丁层次的方法.其基本思路是通过某种标准创建数据（对象）集合的层次分解结构.常用的方法 有BIRCH方法等.3）基于模型的方法.其棊本思路是对每个类簇假设一个模型并寻求相互之间模型的最佳合适程 皮.常用的方法有神经元网络方法（如SOM）方法、统计方法（髙斯混合模型方法、白动归类方法）.在这些方法中利用神经元网络方法进行客户市场细分在近儿年中得到了广泛的重视和大最的应用. 如Davies等人分析了银行的不同客户群体对丁门动取款机的不同期望，以便实施一个聚类战略. Dasgupta等人根据客户的生活方式差异，归纳了潜在客户区隔的各|特征此外在文献11 13中也 分别对神经网络在客户细分上的应用进行了研究，特别是文献14给出了 SOM在银行监管中应用的例 子.3自组织映射神经网络（SOM）算法H组织映射（Self Organization Map, SOM ）神经网络是较为广泛应用于聚类的神经网络它是由 Kohonen提出的一种无监督学习的神经元网络模型主要功能是将输入的n维空间数据映射到一个较 低的维度（通常是一维或者二维）输出同时保持数据原有的拓扑逻辑关系与其他类型神经网络的区别在 于：它不是以一个神经元或网络的状态矢量反映分类结果的而是以若干神经元同时（并行）反映分类结 果这种特征映射神经网络通过对输入模式的反复学习使连接权矢最的空间分布能反映输入模式的统计 特性叫SOM网络可以采用各神经元（特征参数）之间的鬥动组织去寻找各类型间固有的、内在的特征，从而 进行映射分布和类别划分.所以S（）M神经网络对丁解决各类别特征不明显、特征参数相互交错混杂的、 非线性分布的类型识别问题是非常有效的HQ SOM神经网络的这种特性对丁基丁客户行为的客门细分 和分类研究也是和当有效的因为客户行为识别本身也是一种复杂多变的问题.SOM网络由输入层和输出层（Kohonen层）组成.输入层中的每一个神经元通过权与输出层中的每-个神经元相联如图1所示.图】SOM网络结构输入层的祕经元以一维的形式排列.输入神经元的个数由 输入欠屋中的分凰个数决赵.输出层的神经元一般以一维或者 二维的形式排列，计输入层的神经元数量为输出层神经元 数量为加一般要求m n输入的样本总数为第个输入样本用矢量表示为：X=（丹9疋，N 9疋）每个输出神经元的输出值记为y J=l,2,9刃.与第j个 输出神经元相联的权用欠暈表示为：SOM聚类的方法是为每个输入神经元寻找对应的输出神经元，办法是通过寻找输入矢帚和权矢磺的最佳匹配來确泄一个获胜神经元，这个获胜神经元与输入的样本具有最近的欧氏距离.即若e为第”个样 本的获胜单元，则有：| X* 比 | 14(2): 26 32.LioDasglipta C G Dispensa G S. Ghosc S. Comparing the predictive performance of a ncllral network model with some traditional market response models J . International Journal of Eorccasting 994 10(2) : 235 244.11Mazancc J A. Classifying tourists into market segments : a neural network approach. Journal of I ravelTorllismMarketing 1 992 1(1): 39 5912Balakrislinan IV S Copper M C Jacob V S ct al. Comparative performance of the ESCL ncllral net and K-mcans algorithm for market segmentation j European Journal of Operational Rcscarcli 1996 93(2) : 346 35713KE Fish. JH Bames MW Aiken Arlificinl neural networks-a new methodology for industrial market segmentation J Industrial Marketing Management 199524(5) : 431 43&14熊熊张维.商业银行监管的SOM神经网络的分类方法J系统工程理论与实践.2002. 22(6):26-32.15 Kohoncn T. Self-organized formation of topologically correct feature maps j Biological Cybernetics 1982 4316(1)： 59-69.均野,李楠.应用自组织映射神经网络进行模拟电路故障诊断的仿頁研究J.系统仿真学报.2001, 13(5)： 582-17584胡春涛.刘文理李徳发.SOM神经网络在储层流体识别中的应用J成都理工学院学报.199623(増)：29 Q 11804.美jAbhijit SPandya, Robert B Macy.神经网络模式识别及其实现M徐勇.刑涛，等译北京:电子工业出版 社,1999.自组织映射神经网络（SOM）在客户分类中的一种应用S丈献傩喪作者：陈伯成,梁冰,周越博,林析泉,赵延作者单位：淸华大学纟面?理学院，北京,100084刊务系统工程理论与实践2疋|曰PXU|英文刊名：SYSTEMS ENGINEERINGTHEORY & PRACTICE年，卷（期）：2004, 24（3）被引用次数：21次参考文献（18条）1 赵国庆客八矢系竹理中的客八分艾方汰研究期刊论文L交徽机电学院学报2001 (04)2Haemoon Oh Service quality, customer satisfaction, and customer value： a holistic perspective 1999(01)3. Niren SirohiEW MclaughlinDR Wittink A model of consumer perceptions and store loyalty intentions for a supermarket retailer 1998(02)4. Kent Eriksson. A L Vaghult Purchasing behavior and relationship substance in professional services 2000(04)5. M Kiely Word-of-mouth marketing 1993(09)6Jill Griffin Customer Loyalty 19957. Stone Bob Successful Direct Marketing Jkthods 19918. 陈国青.雷凯 息系统的组织管理建模20029. F Davies. L Noutinbo. B Curry ATM user attitudes： a neural network analysis 1996(02)10 Dasgupta C GDispense G SGhose S Comparing the predictive performance of a neural network model with some traditional market response models 1991 (02)11. Mazanec J A Classifying tourists into market segments: a neural network approach 1992(01)12 Balakrishnan P V S. Copper M C. Jacob V S Comparative performance of the FSCL neural net and K- means algorithm for market segmentation 1996(02)13. KE Fish. JH Barnes. MW Aiken Artificial neural netwoirks-a new methodology for industrial market segmentation 1995(05)14. 熊熊.张维商业银行监管的SO*神经网络的分类方法期刊论文系统丁秤理论与实践2002(06)15Kohonen T Self-organized formation of topologically correct feature maps 1982(01)16. w 辿 应用n组织映射神经网络进行模拟电路故障诊断的仿貞研究期刊论文系统仿真学报2001(05)17. 胡春涛.刘文列.乍徳发SO)(神经网络在储层流体识别中的应用1996(zl)18. Abhijit S Pandya. Robert B Kacy.徐勇.荆涛神经网络模式讲别及氏实现19991学位论文比玮 堆于数折挖撼的信用卡欺诈行为识别模型的研究2008着催济和可？湎发岷以及个从金融由场的不断开放.存国政府枳极检金Sffih化丐国除化的播施.而以信用I：作为媒介的交易行为不斷 徽增.但是，伴誑发卡址的大袒增长和交易*的不断提高信用坠現快速增氏的坦势.且欺诈手法不使银行很灌迅速竹效的从大It 交易记录中觉衆出欺诈交易由此帯來门才大的风险和损失。因此.迫切需耍一个能对佶用卡交易进行快速判断和准确识别的模里或系统来辅助银 行的工作木文针对我国眾行信川I：交易中杵逊庄的耿床问题.依扳数辦挖掘技术.构建倍川I：械诈行为识别仗忆 为我国浪行的信川代风阻讦理捉供 技术支持本丈沖先简单介绍J我国信用R域脸许理的现状.分析了欺诈风険的成冈和识别1%范儉略.然庙 运用门纽织映射（SOM）神经M络绎法和组合M理.构建认门诚；挖抑的WIj(m川 汕卩别模怙UISOII网络算法IMWMt庞大的样木集进行初步的分类处理.以JWSizmj准确性.然JB4M到的练子 聘与欵诈样本结合形成新的子如 接着根卅2门；：厂 耳次利川so网络订川j讪hi得到的以个Pftffiftift 行分类绘后釆用投票法将分类结果融合.从向建芒信用”客八分类的组合離型 A此基咄上依托中国银行卜属相关支行的倍用卡交易具体数据 对构建的欺诈识别模空进行分析.验证了该模取的实际运用效果2. 期刊论文刘晓冰.土宇畚畅静泮.郝应光.LIU Xiaof ing. WANG Yu-chun YANG Jing-ping. HAO Ying-guang 钢铁企业客户评价指标体系与分类方法研究-计算机集成制造系统2009,15(8)向钢铁企业N接客户的客价伯评价指标休系针对fl细织映射神紳网络聚炎口法冇权(ft 初始化方面的不足，捉出了 冲以J K-means改迥的|组织映射的聚类灯法.运用圧次分析法和雇J K-.ean賊进的门组织映射聚炎!？法.汝计了 住 客八分类方法.通过对可能出现的客八类空进疔分析，捉出f相应的客户关系发展建汕域品通过应用实例验证r该评价指标体系和分类方法的可行 性和有效性.3. 学位论文李慧君面向大规模左制的客户关系管理研究2006大戏模定制尼新世纪企业竞争的询沿问逸随林全球化和竞争的加WL激削的山场竟争川客八需求的*样性使产品的更新越來越快随祥人规模 宦制的推厂，币场进步H变为丿-一 J的対等竞争，客八对定制产AM更人的选择自山，幺门的件II川始变得更Du突出.曲向人规模定制的客户关系管理逐渐成了一个新的硏究课題.木文疗先介绍炳的世界观并由此引出大规模定制与客户关系讦理的创題：然后分析和讨论了大规模定制和客户关系管理以及二者Z间的关系 .并俺工而向大規模定制的客户关系计理的H标：2品.本文将针对而向大规模定制的客户关系计理的H标展开一系列的硏究.百文垢用工程的i与方法，从客户Kos的施体出发建工nm大 mt制的客八关集管理模型右这个蟆显中在基j II殂织映射神 经网络的RTF客八分炎的基lL匕过对客户价值的分析，构建了多客户价值模型，幺八价值变动指标：构适企业利汹的动态蟆型并设利洞的静杰以及动态指标：针对十前社会责任的问収把社会讶任納入到企业决策的范国z内，并创建了社会责任指标论文4对客户关系管圖r价 的 响因素分析并建并W对删汁算方法的IM上构雄了间向人戏板定制的客户关来管理!紿即价棚H.然心论文对面向址制的客户X?理综合评价模型的应川举例进f亍了说明.4. 期刊论文曹云忠皋于SO)(和粗糙集理论的客八分类研究-商场现代化2009, (1)客户分类足企业客户关系肯科的敢咚4刪.木Z给出了 种提取客八分类规则的厉尢利用门组织映射神絆网络对客户购买WHRF1 (RecencyFrtqutncy Montary)iitj聚：价化并利HJfilttM论完成規则捉为客户分矣提供种新的思路.通过实例険i E了这种厅法能够有效地対客门进行细分、喪取分类規則，并捉筒了分类准倫性.5. 期刊论文杨杰.王卫平.Yang Jie.Wang Weiping垒j：客八价値和TGSOK网络方法的客八分类-价值匸程2005, 24(3)以客户为屮心足现代企业经皆的指导思考它耍求市现客门资甌通过研究客户确定市场，强化与高价伉客户的关系因此，客户价值对企业而言 KS.木文IT先对企业客户价值进行了定性和定盘的分析，U以定量分析K在对场客户价(ft相关性堆行标冷化Z阪采川 i 1细純*射神经网络(TGSOM)对客户进行分类预测兀中客户价血相关M性的标准化，足采/IJIGSOBM络进行客八分类的关健步SL6. 学位论文陈华M j -fl组织神经网络的数据挖掘应用研究2008fl组织映射(Sdrgaiuzmg lUps： SOM)神紆网络以及它的冷种变体是fl繭城涼行的无监仰学习的人I神经网络法.SO网络尼个新的仃效的岛细数据可现化和聚1 U它能把高维数抑;集Z何的我杂的II线性的统汁关联转变成个低维空不的简单儿何关集 口组织神经网络技术与数据挖掘的结合为数折挖掘理论和方法的研究指出了 一条新道路“本文在分析数抵挖拥以冲技术的第砒上杵就研究了人1 神经网络技术在数据挖期中的W用.忤先介绍了数抑;挖釧及I组织神经网络的些基本如识、槪念等.分析了数据挖捌中便用的外种方法。然后対门组织神经M络的主翌枳型及儿贰法逬厅了分类挽讨并H.若朿讨论了电信宽带客户聚类分析方法同时给出了阜H1组织待征映射的宽 带客户煨炎篦袪.构建了宽带客户分类帮.益后根据十祁的数据挖釧研究状况.进行了 总结利展型 关制词：自纽织神经网络聚类独极快掘附信门引证文献条)1. 杨纪讦我国并省区煤炭生产数值分布的门组织分类期刊论文广州化工2009(9)2. 壬维兵刘苗客户分类方法综述期刊论文现代商业2009(3)3. 杜修平.那沙墅小波变换和SO)(聚类的汕券板块划分期刊论文-华南金融电脑2008(9)4. IH玲.支芳和.陈逍志皋f模糊神经网络的客户分类小丿細处期刊论文-生产力研究2007(12)5. 韩旭明.于明.1：丽敏双获胜节点SO)及戏在TSP中的应川期刊论文计算机丁程与设汁20听(11)6. 陈们成估堆.李英杰类CRM模型的构建及其销借策略分析期刊论文背理科学学报2007(2)7. 薛丽思.仲伟俊朋于SO)(神经网络的族金业绩分类评价期刊论文统计与决策2006(22)8. 空.谢阳群垠J支持向吐机的外贸企业客八分类方法应用研究期刊论文-怙报科学2006(7)9. 林盛肖旭肚于RFN的电信客户市场细分方法期刊论文哈尔滨丁业大学学报2006(5)10. 王家华.李志刃.周冠武MH Matlab的门组织神经网络在油气肚识别中的爪汕拘I究期刊论文卜电脑知识9技术(学术交流)2006仃2)11. 赵艳霞个人银行业务CRM及其数据挖1的应用研究学位论文硕士 200612. 何革世纪人通讯设备公可基于i斗法的销售H理研究学位论文硕I: 200613. 蔡淑琴喻友平.卜庆国支持客戶识别9维系的销传漏斗模盘研究期刊论文中国管理科学2005(2)14. 赵宏戍.畅皎平.陈宗娇面向客八盂求细分的数据挖掘研究期刊论文卜科技管理研究2005(11)15. 于龙振.戴更新.杨昭堆于区间数信息的客门分类方法一客八资产价ffi体系的构建号山用期刊论文-价值 工程 2005(10)16. 赵宏心.杨皎平.陈宗娇面向客八需求的神经网络挖掘方法期刊论文7；理评论2005(11)17. 乍宏祥CRM系统中客八价值及客八细分研究学位论文硕I: 20051&秦文波塢于人神经网络的知识冲突识别模型学位论文碩I: 200519. 罗媛客户关系管理中客八分类方法的研究学位论文硕I: 200520. 许保荣皋于遗传神经网络模型的客戸分类竹理应用研究学位论文硕I; 200521. 门柑斌而向客八智能的时间序列数据挖掘技术研究学位论文博I: 2005本文链接：http： /! g. wanfangdata. com. cn/Periodical_xtgellysj200403002. aspx授权便用：代汉理工人7r(whlgdx),授权匕：81el6a57-ab61-12ee-8121-9dfb01379dl6下载时间:2010年9月24日