蚁群聚类算法在客户关系管理中的应用.docx

PAGE 1 PAGE 1 蚁群聚类算法在客户关系管理中的应用  蚁群算法是优化领域中一种新兴的生物进化算法，与传统的算法相比，其具有并行、正反馈和启发式搜寻等特点。在此，运用蚁群聚类算法对客户关系管理中的客户分类问题进行分析。结果表明。通过此算法对企业的客户消费数据进行分类，以此来获取不同类型客户的需求，对支持企业决策方面有着极为重要的理论参考价值和实际应用意义。  在全球网际卖方竞争中，“客户”已升级为如今买方市场激烈竞争下企业兴衰成败的关键。在激烈的市场竞争中，以客户为中心的销售策略已经成为企业和商家的共识。CRM是一种旨在改善企业与客户之间关系的新型管理方法。包括的主要内容有客户识别、客户关系建立、客户保持，客户流失掌握和客户挽留。企业通过对整个客户群体进行分类，并以此来获取不同客户群体的需求，并针对不同类型的消费群体制定相应的营销策略。发掘新客户群和增长快速的客户群体，以制定相应的产品和销售服务计划，开拓新的市场。在市场竞争获得主动地位，并提高企业市场竞争力。  1蚁群算法原理  蚁群算法最早是由意大利学者M.Dorigo，及其导师Colorni于1991年提出的。其灵感来源于蚂蚁在查找食物过程中发觉路径的行为。蚁群算法是继神经网络、遗传算法、免疫算法之后的又一种新兴的启发式搜寻算法。模拟蚂蚁群体智能的人工蚁群算法具有分布计算、信息正反馈和启发式搜寻的特点。最初的蚁群算法用来解决的是组合优化问题。在这十多年时间里，基本蚁群算法得到了不断发展和完善，现在其应用领域已扩展到多目标优化、数据分类、数据聚类、模式识别等各个方面。  2聚类分析  聚类是将一组对象分成若干个群体，每个群体构成一个簇，使得簇内对象尽可能具有最大相似性。簇间的对象尽可能有最大相异性。聚类分析是将数据分类到不同簇的过程，目标就是在相似的基础上收集数据来分类。聚类分析被应用于许多领域，在商业上，聚类分析为客户关系管理供应了重要的分析手段，从客户的购买信息里找出不同的客户群特征，以发觉不同的客户群，从而有助于市场分析人员制定针对性的营销方案。  3蚁群聚类算法在CRM中的应用  随着蚁群算法研究的兴起，人们发觉采用蚁群算法模型进行聚类，更加接近实际的聚类问题。将蚁群算法用于聚类分析，其灵感源于蚂蚁积累他们的尸体和分类他们的幼体。基于蚁群算法的聚类方法，从原理上可分为两种：一种是基于蚁堆形成原理来实现数据聚类；另一种是运用蚂蚁觅食原理，利用信息来实现聚类分析。Deneubourg等基于蚁群聚类现象建立了一种基本模型，LumerE和FaietaB将该模型推广到数据分析范畴，其主要思想是将待聚类的数据随机地散布在一个二维平面内。然后在该平面上产生一些虚拟蚂蚁，对其进行聚类分析。详细过程，首先将数据对象随机地投影到一个平面上，然后每只蚂蚁依据该对象在局部区域的相似性而得到的概率．打算是否“捡起”、“移动”或“放下”该数据对象。经过有限次迭代，平面上的数据对象按其相似性而聚集，最终得到聚类结果和聚类数目。  算法描述过程如下：  (1)初始状态下蚂蚁个数为n_ant；最大迭代次数为M；局部区域边长为s，参数为α，c等。  (2)将数据对象投影到一个二维平面，即给每个数据对象随机地安排一对坐标值(x，y)。  (3)每只蚂蚁初始化随机地选择一个对象。  (4)参数v取三种类型值之一，常数、随机数或递减随机数。当v为常数时，全部蚂蚁在任何时刻以同样速度运动；当v为随机数时，蚂蚁的速度为一个范围从1～vmax的随机数；当v为递减随机数时，蚂蚁刚开始运动时的速度较快，以便快速聚类，然后其值以随机的方式渐渐减小，以使聚类结果更为精细。  蚁群算法是优化领域中一种新兴的生物进化算法，与传统的算法相比，其具有并行、正反馈和启发式搜寻等特点。在此，运用蚁群聚类算法对客户关系管理中的客户分类问题进行分析。结果表明。通过此算法对企业的客户消费数据进行分类，以此来获取不同类型客户的需求，对支持企业决策方面有着极为重要的理论参考价值和实际应用意义。  在全球网际卖方竞争中，“客户”已升级为如今买方市场激烈竞争下企业兴衰成败的关键。在激烈的市场竞争中，以客户为中心的销售策略已经成为企业和商家的共识。CRM是一种旨在改善企业与客户之间关系的新型管理方法。包括的主要内容有客户识别、客户关系建立、客户保持，客户流失掌握和客户挽留。企业通过对整个客户群体进行分类，并以此来获取不同客户群体的需求，并针对不同类型的消费群体制定相应的营销策略。发掘新客户群和增长快速的客户群体，以制定相应的产品和销售服务计划，开拓新的市场。在市场竞争获得主动地位，并提高企业市场竞争力。