基于K-Means算法的零售业商业智能应用研究

沙特国王大学学报基于K-Means算法P. Anitha，Malini M.帕蒂尔印度卡纳塔克邦努-560060，JSS技术教育学院，ISE系Visveswaraya技术大学，Belgaum-590018，卡纳塔克邦，印度阿提奇莱因福奥文章历史记录：收到2019年2019年12月16日修订2019年12月18日接受在线发售2019年关键词：近因频率货币轮廓系数商业智能细分A B S T R A C T本研究的目的是通过向零售业的商业实体提供相关和及时的数据，将商业智能应用于识别潜在客户。所提供的数据是基于系统的研究和科学的应用，分析销售历史和消费者的购买行为。作为这项科学研究的成果，精心策划和组织的数据不仅提高了企业的销售和利润，而且还为预测消费者购买行为和相关模式提供了智能见解为了执行和应用使用K-Means算法的科学方法，分析了实时交易和零售数据集数据集的值和参数分布在特定的业务交 易 持 续 时 间 内 ， 可 以 对 各 个 地 区 的 客 户 购 买 模 式 和 行 为 进 行 有 组 织 的 本 研 究 基 于 RFM （Recency ，Frequency and Monetary）模型，并使用K-Means算法部署数据集分割原则。基于轮廓系数的计算，对各种数据集聚类进行了由此获得的关于销售交易的结果与诸如销售最近、销售频率和销售量等各种参数进行比较。©2019作者由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍根据数据分割，将客户划分为具有明显相似性的个体集合。与客户细分相关的一些属性是性别、年龄、生活方式、位置、购买和收入行为。这些属性主要是基于历史购买行为进行分类的，历史购买行为可以导致特定的结果，例如，公司的销售额和利润增加。在日益激烈的竞争和日益复杂的商业环境中，细分及其系统化研究通过扩大有利可图的客户数据库来提高客户忠诚度并增强企业级的长期关系（Khalili-Damghani等人，2018年）。K-Means算法中使用的两种最突出的分割类型是定性和定量见解。在当前研究的范围内，定量洞察力用于分割聚类*通讯作者。电子邮件地址：anitha. gmail.com（P. Anitha），drmalinimpatil@gmail.com（M.M.帕蒂尔）。沙特国王大学负责同行审查明确的客户细分有助于有效分配营销资源，使公司能够瞄准特定的客户群体，并有助于与客户建立健康的长期关系。其中客户细分和数据挖掘可以应用于零售业的主要行业（Han等人， 2011年），因为它需要大量的数据，销售，运输，消费率，再交付服务和许多其他。此外，零售数据挖掘有助于在整个业务交易生命周期中识别和有效地映射客户行为和相关模式。这一终极目标带来了更好的客户服务、更有效的销售和分销策略等（Han等人，2011年）。这项工作主要侧重于跟踪客户的历史购买行为，目的是找到在特定区域可能的最大销售量。根据统计结果及指标，零售业的公司可设计各种销售及营销策略，如促销活动、延长季节性折扣或浮动销售，使优惠券能够增加销售额及提高客户保留率。为了实现上述目标，客户聚类和分割进行使用K-Means算法。它基于不同地区的RFM值。RFM可以定义为客户分析的细分，不仅提供客户频繁购买模式的信息，还提供最近购买和获得的利润（Hu和Yeh，2014）。首先，使用最近度与最近度的轮廓分析来评估聚类。https://doi.org/10.1016/j.jksuci.2019.12.0111319-1578/©2019作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com小行星1786Anitha，M.M. Patil/Journal of King Saud University- Computer and Information Sciences 34（2022）1785- 1792货币使用K均值为不同数量的集群。其次是频率与货币的轮廓分析，使用不同数量的聚类的K均值。轮廓分析是一种基于原型的方法来评估或验证集群。有效性可以是内聚的，也可以是分离的，也可以是两者的结合.在本工作中，轮廓系数结合了凝聚力和分离力。2. 文献综述从传统大众营销的角度来看，特定群体营销是常见的，也是非常必要的。客户细分是客户关系管理（CRM）价值链下各种活动的一部分（Kolarovszki等人，2016;Khalili-Damghani等人，2018; Khajvand等人，2011年）。提出了一种基于多维分割的邮区建模方法. CRM的这种设计在邮政服务公司中是有用的（Kolarovszki等人， 2016年）。提出的混合方法是预测新的实体为客户为中心的公司。本研究基于决策树方法、聚类、规则提取等方法。作者使用K-Means来预测未来的交易，基于客户在各种细分下的历史行为。为了促进这一点，混合特征选择的过滤和决策方法。本研究亦可应用于电信业及保险业之销售量预测及营业利润预测。该方法不仅在预测盈利客户方面非常有效，而且在识别新客户行为方面也（Khalili-Damghani等人， 2018年）。客户细分的概念可以应用于美容和医疗保健公司，这间接导致CRM.作者采用了两种分割方法，一种是基于RFM的分割方法，另一种是通过增加计数项参数来扩展RFM的分割方法。通过使用加权RFM计算客户生命周期价值来解释销售和营销策略（Khajvand等人， 2011年）。基于CRM和RFM模型集成的多元分析是在大规模数据中探索CRM的必要条件（Song例如，2017年）。RFM模型通过K-Means算法对客户进行聚类，预测每月的供应量。使用基于属性值的CHAID决策树来区分每个组（You等人， 2015年）。在营销和运营领域，消费者行为和订单履行之间的关系通过各种营销工具来确定，这提高了消费者服务水平（Nguyen等人，2018年）。聚类技术用于使用基于企业中的销售点电子资金转移（EFTPOS）的RFM模型对零售商进行分组（Singh等人， 2014年）。数据分析方法提出了基于客户访问商店，从整体销售数据收集的客户此外，还提出了特征选择方法，该方法将产品分类作为输入，将客户类别作为输出（Griva等人，2018; Hu和Yeh，2014）。在目前的研究中，RFM分析是使用trans-mapping数据集执行的，用于评估客户的购买偏好，并使用无监督算法（如K-均值和模糊C -均值）进行分析。此外，作者还介绍了一种新的思想，选择质心的K-Means算法和比较的结果（克里斯蒂等人， 2018年）。客户细分需要描述性变量来识别行为模式。然而，在某些领域，描述性变量是不够的。考虑到这一点，作者提出了分割方法来解决问题，从而使用数据挖掘方法获得更好的性能（Murray等人，2017年）。利用RFM模型对保险数据集进行聚类，采用K-Means和自组织SOM算法对客户特征进行聚类。它有助于识别客户需求，他们的理解和特征（Qadadeh和Abdallah，2018）。该研究表明，与传统方法相比，基于模糊和SOM的聚类方法更有效（Arunachalam和Kumar，2018）。采 用 结 合 定 性 和 定 量 方 法 的 序 贯 探 索 性 设 计 （ Arunachalam 和Kumar，2018）。客户细分也可以应用于电子药房客户，以增加电子客户的保留，这是客户忠诚度领域中基本CRM的先决条件之一（Patak等人，2014年）。由于市场的高度波动性，客户细分会在一段时间内发生变化。作者引入了“流聚类”的概念作为工具，并提出了一种新的算法来克服这个问题。流聚类的一个重要方面是识别新的集群或新兴集群，并替换旧的集群（Reynoldin和Trautmann，2019）。基于群的算法，如花polarization算法，黑洞算法，蝙蝠算法等，提出了克服大数据集的收敛速度慢的问题。还使用四个性能参数进行算法的比较分析（Kaur等人，2019年）。设计了一个框架，将电子商务研究分为三个阶段。在每个阶段，作者收集了从业者报告的问题，并提出了解决方案。概念框架包括服务关系、商业模式和技术（Yoo和Jang，2019）。被称为聚类方法的数据挖掘技术也可以用来解决时装业制造和营销问题中的各种障碍。不用说，细分对于发现客户偏好的模式非常重要（Brito等人， 2015年）。商业智能是指有助于提高业务绩效的智能技术有时，由于成本高、资源有限和许多其他因素，这种从这个角度来看，作者不仅介绍了商业智能在大公司中的作用，还介绍了如何实施小型企业的概念，以提高其盈利能力和生产力（为了留住网络游戏客户，作者提出了一种创新的细分模式。诸如表现、参与和社交互动的各种特征被认为是对玩家进行细分（Fu等人，2017年）。采用数据驱动的方法对基于购物篮数据的零售产品进行聚类。使用k均值、SOM和层次聚类方法对结果进行比较（Hol y'etal.，2017）。基于关键成功因素，综述了大数据对CRM的影响。结果显示了三个贡献，如过去的评论，五个命题和以前的贡献（Zerbino等人，2018年）。朴素贝叶斯和神经网络分类方法用于设计数据挖掘CRM框架，以增强保留客户的决策（Bahari和SudheepElayidom，2015）。在多个领域，如营销，运营，信息管理和其他领域的研究流被链接到开发一个综合框架（Sheng等人， 2017年）。3. 方法和模型本节详细阐述了拟议的目标，使用的算法和实验框架的研究的预期成果。--P. Anitha，M.M. 帕蒂尔/沙特国王大学学报-计算机与信息科学34（2022）1785-179217873.1. 聚类算法集群被理解为具有共同特征的聚类可以用于客户细分，以进行额外 的 分 析 。 文 献 调 查 显 示 （ Qadadeh 和 Abdallah ， 2018;Arunachalam和Kumar，2018），K-means的应用之一是客户细分。K-Means聚类算法是一种基于原型的分区聚类技术，它可以找到用户指定数量的聚类，这些聚类由它们的质心表示。K-Means在计算上更快，并且与其他聚类方法相比在大型数据集上表现良好。使用K均值的另一个优点是该算法比其他算法只需要一个输入参数同时也降低了数据的误分类K-Means的主要应用之一是客户细分。本工作使用K-Means算法。3.2. 拟议方法所提出的方法可以大致分为4个步骤，如图所示。1.一、相应的细节解释如下：步骤1：探索性分析和数据预处理。探索性数据分析（EDA）是指对数据进行初步探索，以便在帮助下提取或发现模式。统计数据或图形表示。在此活动中，EDA帮助识别独特的客户，前10名或更多订单的百分比，有关数据的信息，描述中的不匹配，股票代码和检查空值。此外，数据预处理应用于识别和删除丢失的客户标识号，负交易等。步骤2：a）执行RFM分析数据预处理后，检查最近的交易，频率和客户花费的金额为了创建最近变量，确定参考日期-即最后一笔交易的前一天 RFM分析是数据库营销中非常流行的客户细分和可识别技术（Christy等人，2018年）。尤其是在零售业。RFM下的每个客户都根据三个因素进行评分最近时间：指客户最后一次购买的参考日期之前的天数。近因性的价值越小，顾客光顾商店的次数就越多。频率：是指客户两次连续购买之间的时间间隔。Frequency的值越高，表示客户访问公司的次数越多。货币：这是指消费者在特定时间内花费的金额。价值越高，为公司带来的利润就越多。步骤2：b）使用欧几里德距离度量应用K-Means算法来划分RFM值的客户。K-均值被使用两次来分析最近和频繁交易的金额，如下所述：i) 根据最近交易产生的金额对客户进行划分。ii) 根据频繁交易产生的金额对客户进行分组。步骤3：a）计算轮廓分数使用轮廓得分来评估步骤2.b）中获得的聚类，轮廓得分分析所得聚类的分离程度。它位于[1，+1]的范围内如果该值接近+1，则对象（客户）被分组为远离相邻聚类，而如果该值为1，则对象（客户）可能被分配到错误的聚类或数据预处理不正确。第4步：评估群组设K =聚类数。比较K = 3和K = 5的轮廓值，以基于该值识别最佳聚类。分析后，将销售新近度与销售额进行比较Fig. 1. 建议方法的步骤。●●●b我. ..好吧.- 是 的我是说，Xp：ai-1;ai>bi2..ΣΣΣ小行星1788Anitha，M.M. Patil/Journal of King Saud University- Computer and Information Sciences 34（2022）1785- 1792金额和销售频率与销售金额从一个集群到另一个集群分别。这有助于识别具有最高销售最近度、销售频率和销售额的客户频率和销售额。3.3.数学模型m（y（i））。使用以下等式找到聚类1的轮廓系数s（i）。（二）、8>1-ai;aibib我联系我们0;ai¼bið2Þ使用K-means算法的聚类是一种用于数据分析的无监督学习方法。该算法从数据集“D”中识别“K”个质心，并将不重叠的数据点分配给每个最近的聚类。与K-means算法相比，K-means算法的类内距离最大。由于这是一种迭代方法，因此基于质心计算将数据点移动到不同的聚类按照图2所示的伪算法，下面给出了用于手动计算对象的轮廓的数学模型。考虑K个集群，每个集群包含可变对象。由于K-Means在本实验中应用了两次，因此基于客户交易数据对对象进行聚类，以获得新近度与货币价值以及频率与货币价值。K¼p1; q 1;p2q2. px; qx;p1;q1;p2q2.. . py; qy;... p 1; q 1 p z; q z其中，K =簇的数量，（p，q）=簇中的对象确定任何点，例如，{p1，q1}在簇1中。簇中的对象表示RFM值。计算平均距离{p1，q1}到同一聚类的所有对象（内部距离值a1）。计算从{p1，q1}到其他clus- ters的对象的平均距离，（一）.np1-1/ 1对其他聚类重复相同的过程，并找到从聚类1的{p1，q1}到聚类2，3的最小平均距离。. .其中，ai是从对象{p1，q1}到同一聚类中的所有其他对象的最小平均距离。bi是从{p1，q1}到所有其他聚类的最小平均距离，其中不包含{p1，q1}。计算聚类2、3的轮廓值。. n重复上述步骤。根据评估方法，具有最高轮廓值的聚类是最好的计算所有对象的平均轮廓值，以评估整个集群。3.4.分析中使用的数据集描述合成数据集的描述见表1。实时数据集是从印度的一家物流公司收集的。从一个实体零售店收集15天的客户交易，如表2所示。4. 实验、结果和讨论所提出的方法在UCI存储库获得的一年客户交易的合成数据集上实现（Chen等人， 2012年）。 该数据集由2010年1月12日至2011年9月12日的8492个客户购买信息实例组成，具有8个属性。使用数据预处理来处理缺失值、负交易、股票代码和描述不匹配。对于修改后的数据集，应用RFM分析和K-Means聚类。同样的方法也适用于实时数据集。图二. 算法-K均值。P. Anitha，M.M. 帕蒂尔/沙特国王大学学报-计算机与信息科学34（2022）1785-17921789表1数据集描述：在线零售。表3RFM值。6UnitPrice数值产品每单位价格7客户ID数字分配给的一个顾客8国家字符国家名称表2数据集描述-实时。表4K = 3和K = 5聚类的轮廓得分群集数量Recency_log Frequency_logAmount_log0 161.191479 16.761959291.852580电话：+86-510 - 8888888传真：+86-510 - 888888820.323096 48.877509 894.321423Silhouette得分的聚类3的数量是0. 3621597522019 - 05 - 23 10： 00：00SL.没有的属性名称属性的类型属性描述120.309899210.7796402019年12月29日1票据编号名义上的三至四位数的唯一编号为每笔交易分配。2StockCode Numeric六位数的唯一编号，产品3描述标称产品名称4每种产品的数量交易5日期数值生成的每笔交易的日期6UnitPrice数值产品单价7客户ID数字分配给客户的客户2019 - 04 - 28 00：00：00Silhouette得分的聚类数5是0. 3490755342计算货币价值，并且表3中示出了前五个客户的RFM结果。从表4中，计算K = 3和K = 5的RFM log。观察到，与K = 3相比，K = 5的轮廓得分矩阵的结果不太理想剪影的值接近+18客户名称客户名称相对于其他集群而言是最优的。将客户分配到不同集群的情况如表5所示。9位置客户的名义图三. 销售最近的可视化。图3表示了销售新近度的均衡分布，具有中等频繁的交易数量和最近交易中相当均匀的销售频率和K = 3和K = 5的轮廓图的可视化显示在图1A和1B中。分别为4和5。类似的分析应用于新近度和货币价值，如图6所示。表4的聚类分析表明，K = 3的客户细分比K = 5的客户细分更优。K = 3的箱形图如图1A和1B所示。6a-c.根据图6a，集群1具有最高的销售新近度。集群2的销售频率最高，如图所示在图6b中，并且有趣的是注意到，与其它集群相比，集群2也具有最高的销售额。基于RFM的实时数据的类似分析如表6所示。5. 结论和今后工作基于客户购买模式的客户细分虽然具有重要的战略意义，但同样是一项具有挑战性的任务。客户保留是在线和实体企业的另一个主要关注点。在目前的工作中，RFM模型实现合成和真实的数据集，分析客户细分。此外，聚类评价使用剪影分析K-Means聚类算法与不同数目的clusters。基于轮廓得分，可以分析销售最近度、销售频率和销售金额，并找到最优解决方案。表5集群标签的分配。客户ID新近度量频率新近记录频率测井数量_log标签5标签312413.067.0758.101384.2046933.6375866.6308173212437.02.04951.4112000.6931475.2983178.5074282112441.0367.0173.551115.9053622.3978955.1564720012488.010.01298.661552.3025854.0073337.1690891212489.0336.0334.931155.8171112.7080505.81392500SL.名称类型属性描述指数客户ID新近度量频率没有属性属性112413.067.0758.101381发票标称唯一分配的2124372.04951.411200Number对于每一笔交易。312441.0367.0173.551112上市编号标称五位数的唯一编号分配给412488.010.01298.661553描述标称每一个不同的产品。产品名称512489.0336.0334.931154数量数字每种产品的重量交易5联系我们数字每次交易由x属性南纬1790度Anitha，M.M. Patil/Journal of King Saud University- Computer and Information Sciences 34（2022）1785- 1792图四、聚类K = 3的频率与货币和相应轮廓系数值的可视化图五、聚类K = 5的频率与货币和相应轮廓系数值的可视化图六、K = 3和K = 5集群的近因与货币的可视化这一领域未来工作的范围在于研究和分析特定类别的产品，例如移动电话和配件。各种其他业务参数，例如最受欢迎的产品或特定事件期间最有效的销售技术，或不同情况可以研究区域以设计有效的业务增强。在这方面的这种进步和审议将有助于企业通过提供促销和设计创新战略来改善业务，这些战略可以证明是与竞争对手竞争的前沿。P. Anitha，M.M. 帕蒂尔/沙特国王大学学报-计算机与信息科学34（2022）1785-17921791图6a. 销售新近度图6b. 销售频率图6c. 销售额差异的可视化。表6实时数据的轮廓分数。号群集数量Recency_log Frequency_log Amount_log竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。确认作者希望感谢JSS技术教育学院，Benguelu，为开展研究工作提供设施。引用Arunachalam，Deepak，Kumar，Niraj，2018.基于利益的消费者细分和聚类方法的绩效评估：数据驱动决策的证据。专家系统应用111，11-34。Bahari，T. Femina，Sudheep Elayidom，M.，2015.一个有效的CRM数据挖掘框架，用于预测客户行为. Procedia计算Sci. 46，725-731。Sci.010.59143246.5711367395.997897Brito，Pedro Quelhas等人，2015年。客户细分在一个大型数据库中，12.000000115.43046524945.010775在线定制时装业务。罗伯Comput.积分制造36，93-100。21.0000001312.355135612006.400895Matthias，Trautmann，Heike，2019年。 客户细分基于剪影聚类3的数量得分为0.362052482事务性数据使用流聚类太平洋-亚洲会议知识发现与数据挖掘。施普林格山06.633250107.1447624.006409e+04Chen，Dahong，Sain，Sai Liang，Guo，Kun，2012.网上零售的数据挖掘11.414214297.0606001.413740e+05行业：基于RFM模型的客户细分案例研究210.45864332.2685734.026655e+03挖掘 J. 数据库标记。客户战略管理。19（3），197网址：//31.4142141.298395e+041.298395e+04doi.org/10.1057/dbm.2012.17网站。4剪影1.000000 5172.000000 1.228960e+06聚类5的数量得分为0.381312431克里斯蒂，A.，乔伊，A.，乌马凯斯瓦里湖Priyatharsini，Neyaa，A.，2018. RFM排名-客户细分的有效方法。J. 沙特国王大学Comput. INF.小行星1792Anitha，M.M. Patil/Journal of King Saud University- Computer and Information Sciences 34（2022）1785- 1792D'Arconte，Carmine，2018年。商业智能应用于小型盈利公司。Procedia计算Sci.131，45-57。Fu，Xin等人，2017.在线社交游戏中的用户细分留存管理。德西斯Support Syst.101，51-68.Griva，Anastasia等人，2018年 零售业务分析：使用购物篮数据的客户访问细分。专家系统应用100，1-16。Han，Jiawei，Pei，Jian，Kamber，Micheline，2011.数据挖掘：概念与技术。爱思唯尔Holy'，Vladimír，Sokol，Ond rej，Cerny'，Michal，2017. 基于集群的零售产品客户行为。应用软件计算60，752-762。Hu，Ya-Han，Yeh，Tzu-Wei，2014. 基于RFM分析发现有价值的频繁模式，无需客户身份信息。知道了。-基于系统61，76-88。Kaur，Arvinder，Kaur，Saibal Kumar，Singh，Amrit，2019年。 基于混沌和花授粉算法的K-means数据聚类。应用软件计算 105523。Khajvand，Mahboubeh等人，2011.基于顾客购买行为RFM分析的顾客终身价值估算：案例研究。Procedia计算Sci. 3，57-63.Khalili-Damghani，Kaveh，Abdi，Farshid，Abolmakarem，Shaghayegh，2018年。基于聚类、规则挖掘和决策树分析的混合软计算客户细分问题：以客户为中心的行业的真实案例。应用软件计算73，816-828。Kolarovszki，Peter，Tengler，Jirí，Majercáková，Margita，2016. 邮政企业客户细分新模式。Procedia-Soc. Behav. Sci. 230，121-127。Murray，Paul W. Agard，Bruno，Barajas，Marco A.，2017.通过数据挖掘的市场细分：从噪声数据集中提取行为的方法。Comput. Ind. Eng. 109，233-252.Nguyen，Dung H.，de Leeuw，Sander，Dullaert，Wout E.H.，2018.在线零售中的消费者行为和订单履行：一项系统性综述。Int. J.管理。Rev. 20（2），255-276。Patak，Michal等人，2014.基于保留支持工具的感知重要性的电子药房客户细分。Procedia-Soc. Behav. Sci. 150，552-562。Qadadeh，Wafa，Abdallah，Sherief，2018. 保险公司（TIC）数据集中的客户细分。Procedia计算Sci. 144，277-290.Sheng，Jie，Amankwah-Amoah，Joseph，Wang，Xiaojun，2017.大数据在管理研究中的多学科视角。 国际生产日 Econ. 191，97-112. Singh，Ashishkumar，Grace Rumantir，Annie South，2014. ‘‘Market SegmentationEFTPOS记录”。澳大利亚DM。宋，M.，赵，X.，Haihong，E.，Ou，Z.，2017.基于统计的CRM方法通过时间序列分割RFM大规模数据。知道了。- Based System. 15（132），21-29.刘炳俊，张文庆，2019年。电子商务中的商业模式、服务关系和技术的文献调查。电子学。Commer. Res.Appl.33，100818.You，Zhen，Si，Yain-Whar，Zhang，Defu，Zeng，XiangXiang，Leung，StephenCH，Li，Tao，2015.精准营销的决策框架。专家系统应用42（7），3357-3367。Zerbino，Pierluigi等人，2018年 大数据支持的客户关系管理：整体方法。信息流程管理。54（5），818-846。