在全球網(wǎng)際賣方競爭中，“客戶”已升級為如今買方市場激烈競爭下企業(yè)興衰成敗的關(guān)鍵。在激烈的市場競爭中，以客戶為中心的銷售策略已經(jīng)成為企業(yè)和商家的共識。CRM是一種旨在改善企業(yè)與客戶之間關(guān)系的新型管理方法。包括的主要內(nèi)容有客戶識別、客戶關(guān)系建立、客戶保持，客戶流失控制和客戶挽留。企業(yè)通過對整個客戶群體進(jìn)行分類，并以此來獲取不同客戶群體的需求，并針對不同類型的消費群體制定相應(yīng)的營銷策略。發(fā)掘新客戶群和增長迅速的客戶群體，以制定相應(yīng)的產(chǎn)品和銷售服務(wù)計劃，開拓新的市場。在市場競爭獲得主動地位，并提高企業(yè)市場競爭力。
1 蟻群算法原理
蟻群算法最早是由意大利學(xué)者M(jìn).Dorigo，及其導(dǎo)師Colorni于1991年提出的。其靈感來源于螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為。蟻群算法是繼神經(jīng)網(wǎng)絡(luò)、遺傳算法、免疫算法之后的又一種新興的啟發(fā)式搜索算法。模擬螞蟻群體智能的人工蟻群算法具有分布計算、信息正反饋和啟發(fā)式搜索的特點。最初的蟻群算法用來解決的是組合優(yōu)化問題。在這十多年時間里，基本蟻群算法得到了不斷發(fā)展和完善，現(xiàn)在其應(yīng)用領(lǐng)域已擴(kuò)展到多目標(biāo)優(yōu)化、數(shù)據(jù)分類、數(shù)據(jù)聚類、模式識別等各個方面。
2 聚類分析
聚類是將一組對象分成若干個群體，每個群體構(gòu)成一個簇，使得簇內(nèi)對象盡可能具有最大相似性。簇間的對象盡可能有最大相異性。聚類分析是將數(shù)據(jù)分類到不同簇的過程，目標(biāo)就是在相似的基礎(chǔ)上收集數(shù)據(jù)來分類。聚類分析被應(yīng)用于很多領(lǐng)域，在商業(yè)上，聚類分析為客戶關(guān)系管理提供了重要的分析手段，從客戶的購買信息里找出不同的客戶群特征，以發(fā)現(xiàn)不同的客戶群，從而有助于市場分析人員制定針對性的營銷方案。
3 蟻群聚類算法在CRM中的應(yīng)用
隨著蟻群算法研究的興起，人們發(fā)現(xiàn)采用蟻群算法模型進(jìn)行聚類，更加接近實際的聚類問題。將蟻群算法用于聚類分析，其靈感源于螞蟻堆積他們的尸體和分類他們的幼體。基于蟻群算法的聚類方法，從原理上可分為兩種：一種是基于蟻堆形成原理來實現(xiàn)數(shù)據(jù)聚類；另一種是運(yùn)用螞蟻覓食原理，利用信息來實現(xiàn)聚類分析。Deneubourg等基于蟻群聚類現(xiàn)象建立了一種基本模型，Lumer E和Faieta B將該模型推廣到數(shù)據(jù)分析范疇，其主要思想是將待聚類的數(shù)據(jù)隨機(jī)地散布在一個二維平面內(nèi)。然后在該平面上產(chǎn)生一些虛擬螞蟻，對其進(jìn)行聚類分析。具體過程，首先將數(shù)據(jù)對象隨機(jī)地投影到一個平面上，然后每只螞蟻根據(jù)該對象在局部區(qū)域的相似性而得到的概率．決定是否“拾起”、“移動”或“放下”該數(shù)據(jù)對象。經(jīng)過有限次迭代，平面上的數(shù)據(jù)對象按其相似性而聚集，最后得到聚類結(jié)果和聚類數(shù)目。
算法描述過程如下：
(1)初始狀態(tài)下螞蟻個數(shù)為n_ant；最大迭代次數(shù)為M；局部區(qū)域邊長為s，參數(shù)為α，c等。
(2)將數(shù)據(jù)對象投影到一個二維平面，即給每個數(shù)據(jù)對象隨機(jī)地分配一對坐標(biāo)值(x，y)。
(3)每只螞蟻初始化隨機(jī)地選擇一個對象。
(4)參數(shù)v取三種類型值之一，常數(shù)、隨機(jī)數(shù)或遞減隨機(jī)數(shù)。當(dāng)v為常數(shù)時，所有螞蟻在任何時刻以同樣速度運(yùn)動；當(dāng)v為隨機(jī)數(shù)時，螞蟻的速度為一個范圍從1～vmax的隨機(jī)數(shù)；當(dāng)v為遞減隨機(jī)數(shù)時，螞蟻剛開始運(yùn)動時的速度較快，以便迅速聚類，然后其值以隨機(jī)的方式逐漸減小，以使聚類結(jié)果更為精細(xì)。
(5)For i＝1,2,...,M；For j＝1,2,...,n_ant
①根據(jù)式(1)計算對象的平均相似性；
式中：SI(oj)表示對象的平均相似性；α為相似性參數(shù)；v為螞蟻運(yùn)動速度；vmax為最大速度；Neighgxs(r)表示地點，r周圍以s為邊長的正方形局部區(qū)域；d(oi，oj)為對象oi，和oj在屬性空間中的距離。
②如果螞蟻未負(fù)載，根據(jù)式(2)計算“拾起”概率：
Pp＝1－Sigmoid[SI(oj)] (2)
若Pp大于某隨機(jī)概率，而同時該對象未被其他螞蟻“拾起”，則螞蟻“拾起”該對象，隨機(jī)移往別處，并標(biāo)記自己有負(fù)載；否則，螞蟻拒絕“拾起”該對象，而隨機(jī)選擇其他對象；
③若螞蟻為有負(fù)載狀態(tài)，由式(3)計算“放下”概率：
Pd=1－Sigmoid[SI(oi)] (3)
若Pd大于某一隨機(jī)概率，則螞蟻“放下”該對象，并標(biāo)記自己無負(fù)載，再重新選擇一個新對象。
(6)For i=1,2,...,n
①如果某個對象是孤立的或其鄰域?qū)ο髠�數(shù)小于某一常數(shù)，則標(biāo)記該對象為孤立點；
②否則給該對象分配一個聚類序列號，并遞歸地將其鄰域?qū)ο髽?biāo)記為同樣的序列號。
可通過以上描述算法對企業(yè)客戶信息進(jìn)行聚類分析。首先從客戶消費基本信息表中取出主要屬性值，如年齡、性別、消費金額等，其次將上述算法中的參數(shù)灌值。然后聚類分析，可發(fā)現(xiàn)比較突出的客戶群，從而市場分析人員可以進(jìn)行有針對性的營銷策略和制定操作方式，提供有針對性的服務(wù)，提高公司的綜合服務(wù)水平，并可以降低業(yè)務(wù)服務(wù)成本，取得更高的收益。
4 結(jié)語
企業(yè)的競爭重點，正在經(jīng)歷著從以產(chǎn)品為中心向以客戶為中心的轉(zhuǎn)移。客戶關(guān)系管理作為一種全新的管理、經(jīng)營理念，越來越引起商家的重視。現(xiàn)代企業(yè)50％以上的銷售額來自一小部分的重要客戶，而其余的大部分客戶對企業(yè)是微利的。因此，企業(yè)要想獲得最大程度的收益，就必須對自己擁有的客戶進(jìn)行有效的差異分析，并根據(jù)這種差異來區(qū)分不同價值的客戶。通過從數(shù)據(jù)倉庫當(dāng)中進(jìn)行數(shù)據(jù)挖掘正逐漸成為CRM中最核心的部分。用蟻群聚類算法解決CRM的客戶聚類分析問題是可行的。這在支持企業(yè)決策方面有著極為重要的理論參考價值和實際應(yīng)用意義，可以幫助高層管理者更好地管理企業(yè)，使企業(yè)得到更好的發(fā)展，實現(xiàn)客戶資源價值和企業(yè)投入回報的同步最大化。
核心關(guān)注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://www.hanmeixuan.com/
本文標(biāo)題：蟻群聚類算法在客戶關(guān)系管理中的應(yīng)用
本文網(wǎng)址：http://www.hanmeixuan.com/html/consultation/1083935677.html
相關(guān)文章
