论文部分内容阅读
随着我国加入WTO保护期尾声临近,国内越来越多的垄断行业开始逐步开放市场。中国的烟草行业也将在未来的几年内面临全面开放市场,进入国内市场国际化的全面自由竞争局面。为了应对当前的严峻局面,国家烟草专卖局将提高顾客满意度作为行业改革的工作重点,把“优质服务”贯彻于改革工作的全过程。采用先进的客户关系管理方法将客户分类,为不同类别的客户提供差异化的服务,是提高客户满意度的重要手段。 烟草企业在经营过程中已经积累了大量的订单数据和客户资料数据,在这些数据中蕴涵了丰富的信息。数据挖掘技术是对大量数据进行分析,发现数据中隐藏知识的一种技术。利用数据挖掘技术对订单数据进行分析,采用聚类的方法将客户进行细分,从而达到指导相关部门、人员,对不同客户采取差异化服务的目的。 本文采用数据挖掘技术,利用SPSS统计软件,以某烟草配送中心的订单数据和客户资料数据为数据源,用聚类的方法对客户群进行细分。在数据挖掘之前,首先对原始数据进行数据预处理,经过数据连接变换、错误值和缺失值处理、增加统计字段之后,得到符合数据挖掘需要的数据。建立RFM分析模型,采用k-means聚类算法,通过对RFM模型中三个字段——“Recency”(最近一次消费)、“Frequency”(消费频率)、“Monetary”(消费金额)进行聚类分析,得到了将客户按照RFM模型中三个要素进行细分的结果。 聚类分析结果表明,可将客户群细分为四类,分别是:VIP客户、重要客户、普通客户、小客户。通过数据挖掘和数据分析,发现这四类客户在地理位置、订烟行为、订烟品种等方面存在着明显的差异,这些差异在VIP客户和小客户之间最为明显。这些差异的发现,为烟草企业对不同客户提供差异性的服务提供了依据。另外,对于RFM模型中“Recency”字段进行数据挖掘和分析后,发现有极少数客户在很长时间内没有从烟草公司订过烟。这个结果可以为烟草公司“非法销售卷烟”的预警信息系统提供依据,从而对此类客户进行重点监管,以便及时发现非法销售卷烟的客户。