电子技术杂志社

摘要：阐述在传统K-means聚类算法的基础上，改进RFM模型，引入轮廓系数改进K-means聚类算法，检验其可行性，最后对方法进行实证检验，对细分后的结果进行特征分析。与肘部法相比，利用轮廓系数选择K值更加直观有效，能提高客户细分的准确性。

关键词： 数据分析; RFM模型; 轮廓系数; K-means聚类算法;

专辑： 工程科技Ⅱ辑;信息科技;经济与管理科学

专题： 航空航天科学与工程;计算机软件及计算机应用;交通运输经济;企业经济

分类号： F562.6;TP311.13;F274

相似文献

[1] K-means聚类算法在民航客户细分中的应用[J]. 杨倩倩;生佳根;赵海田.电子设计工程,2015(12)

[2] 基于K-means聚类的快递企业客户细分方法[J]. 覃文文;戢晓峰.世界科技研究与发展,2011(06)

[3] 基于K-Means算法的中小企业客户细分研究[J]. 孙金华;孟昭睿;谢彦麒.电子商务,2014(03)

[4] 优化K-means算法在客户细分中的应用研究[J]. 童婉迪.景德镇学院学报,2021(03)

[5] 基于改进K-means算法的电子商务客户细分研究[J]. 靖立峥;吴增源.中国计量大学学报,2020(04)

[6] 基于K-Means聚类分析的电商学生客户细分研究[J]. 张玉琨.商场现代化,2022(08)

[7] 基于K-means算法的电子商务客户细分研究[J]. 卢丹丹.时代金融,2014(23)

[8] 基于K-means算法的数据挖掘与客户细分研究[J]. 马培梁.市场研究,2019(11)

[9] K-means算法在农资网站客户管理中的应用[J]. 王玉珍;丁申宇.枣庄学院学报,2020(05)

[10] 基于K-means的大数据相似重复记录检测[J]. 张平;程新莲.现代信息科技,2022(08)