層次聚類算法在氣象客戶細分中的應用

巨曉璇 鄒小斌 屈 直 劉春敏

((1.陜西省氣象服務中心，陜西 西安 710014；2.西安理工大學經濟與管理學院，陜西 西安 710054）

專業(yè)氣象服務是指除公益氣象服務之外的，為滿足國民經濟的不同生產部門對氣象服務的具體需求而開展的有針對性的氣象服務，屬于有償氣象服務的范疇，因此具有很強的市場交易特征。專業(yè)氣象服務的客戶包括農林、保險、電力、交通、能源、政府、媒體、軍隊等諸多行業(yè)的企事業(yè)單位。氣象科學技術，現代衛(wèi)星遙感技術，計算機技術等技術的發(fā)展提高了專業(yè)氣象服務商品的生產質量，而現代通信技術的發(fā)展使得氣象服務信息的傳播變得越來越便捷，氣象服務組織和客戶的溝通與互動的成本越來越低廉，交易費用的降低使得專業(yè)氣象服務的“客戶定制化”成為可能。互聯(lián)網技術和現代通訊技術的結合可以實現專業(yè)氣象服務的電子商務化—讓氣象服務組織在整合內部資源的基礎上實現與客戶的互動。氣象服務組織可以發(fā)揮自己的專業(yè)特長，把氣象信息加工成為指導企業(yè)生產和客戶商業(yè)活動的決策，在滿足客戶的個性化需求的基礎上促進氣象信息服務市場的形成與發(fā)展。另一個方面，在中國經濟的轉型時期，我國氣象服務組織將面臨很大的挑戰(zhàn)。產權保護的滯后，制度約束，氣象服務信息的不對稱，國外氣象機構的加入所導致的市場競爭，氣象信息商品的特殊性等等因數，將成為我國氣象服務組織不得不克服的障礙［1］。“未雨先籌”，利用以往積累的大量的客戶交易數據與信息，采用數據挖掘的手段，來分析陜西專業(yè)氣象客戶的行為，用以指導專業(yè)氣象服務的營銷，不失為一個好的嘗試。

陜西省氣象服務中心堅持“科技支撐、項目帶動、行業(yè)突破”的專業(yè)氣象服務發(fā)展思路，不斷拓展專業(yè)服務領域，通過大項目實現規(guī)模效益，確保專業(yè)服務實現突破發(fā)展。服務領域涉及農林、油田、電力、水利、交通、林業(yè)、天然氣、煤炭、旅游、商業(yè)、建筑、保險、公安等14個行業(yè)，100多家用戶。近年來，專業(yè)氣象服務收入逐年增長的同時(如下圖1所示），積累了大量客戶交易數據，為數據挖掘提供了條件。

圖1 2008-2013年陜西省全省專業(yè)氣象服務收入

自從客戶細分的概念出現以來，不同的專家學者提出了各種不同的客戶細分方法，宏觀上主要包括人口統(tǒng)計細分、生活方式細分、行為細分和利益細分等四種［2］。行為細分法又可分為RFM分析法、客戶價值矩陣法、聚類分析、人工神經網絡分析法［3］。國外的學者把改進的Bays方法以及Booting方法應用于KDD以及KDD與數據庫的結合方面取得較好的效果，而國內的KDD技術研究一般集中在對國外的算法改進和方法的實際應用方面［4］。

聚類分析是客戶細分的一個重要研究方法。在數據挖掘領域，人們已經提出了很多聚類算法，他們可以分為如下幾類：順序算法、層次聚類算法、遺傳聚類算法、、基于網格的方法和模糊聚類算法等，這些算法對于不同的研究對象各有其優(yōu)缺點［5］。順序算法和層次聚類算法是最常見的兩種聚類技術。順序算法具有較高的執(zhí)行效率，而層次聚類算法的聚類效果更符合觀察結果，所以在實際中運用更為廣泛。

我們運用層次聚類算法來對專業(yè)氣象客戶細分的原因基于以下兩點：一是我們在整理數據時發(fā)現客戶群之間的特征具有明顯的層次性，但是層次之間又有一定聯(lián)系。二是層次聚類算法是通過將數據組織為若干個組并形成一個相應的樹形結構來進行聚類，更能幫助我們認識客戶之間的區(qū)別與聯(lián)系，同時還具有算法簡單、快速而且能有效地處理大數據集的特點。

1 層次聚類算法的原理

聚類分析的實質是建立一種分類方法，它能夠將一批樣本數據按照它們在性質上的親密程度在沒有先驗知識的情況下自動進行分類。層次聚類算法與k-means聚類算法不一樣，它不產生單體聚類，而是產生層次聚類，每一個類包含(或包含于）另一個類中，最后形成一個類似樹形的聚類結構。這種算法通常應用于社會科學和生物學等領域，計算機科學與工程領域也經常應用層次聚類算法［6］［7］。依據聚類方向的差異，層次聚類算法又可分為合并算法和分裂算法［5］。合并的層次聚類算法是一種自低向上的聚類策略，首先將每個對象作為一個類，然后合并這些原子類為越來越大的類，直到所有的對象都在一個類中，或者某個終結條件被滿足。分裂的層次聚類是一種自頂向下的策略，與合并的層次聚類相反，它首先將所有對象置于一個類中，然后逐漸細分為越來越小的類，直到每個對象自成一類，或者達到了某個終結條件，例如達到了某個希望的類數目，或者兩個最近的類之間的距離超過了某個閩值。層次化聚類方法盡管簡單，但如何恰當地選擇合并或分裂點，是個很困難的工作，這樣的選擇是非常關鍵的，因為一旦一組對象被合并或者分裂，下一步的處理將在新生成的簇上進行，已做的處理不能被撤銷，聚類之間也不能交換對象。如果在某一步沒有很好的選擇合并或者分裂的決定，可能會導致低質量的聚類結果。而且，這種聚類方法不具有很好的可伸縮性，因為合并或者分裂的決定需要檢查和估算大量的對象或簇［8］。層次聚類算法又可分為合并算法和分裂算法，層次合并算法的代表是AGNES算法。層次分裂算法的代表是DIANA算法。

2 層次聚類細分客戶的實證研究

2.1 數據的處理分析

2.1.1 研究所需的數據

以2008-2013年陜西省專業(yè)氣象服務客戶為調查對象，調查統(tǒng)計的范圍包括客戶名稱、所屬行業(yè)、合作金額(萬元/年）、合作項目名稱、氣象服務內容、氣象服務的期限(短期、長期）、氣象服務的精度要求、有無長期合作意向等八個方面的數據信息，收集了陜西省氣象服務中心、咸陽市、安康市、延安市、渭南市、銅川市、寶雞市、漢中市、商洛市、楊陵區(qū)等十個區(qū)市的專業(yè)氣象服務客戶的數據信息，統(tǒng)計樣本171個。

2.1.2 層次聚類因子指標的選取

在客戶細分過程中，人們最關注的兩個方面：一是客戶的貢獻率，二是客戶的忠誠度。因此在層次聚類因子指標的選取上，我們選擇了累計合作金額來評價客戶的貢獻率。度量客戶的忠誠度的依據來源有兩個調查，一是氣象服務合作的期限，二是有無長期合作意向，通過統(tǒng)計得出6年內氣象服務機構與各個客戶的合作年限，以累計合作金額和合作年限作為層次聚類的因子。

2.1.3 數據處理［9］

由于不同的指標數據具有不同的量綱，這些數據放在一起直接進行聚類，會壓低甚至排除了某些數量級很小的因子的作用，故需對數據進行標準化處理，處理的方式如下：

式中，n是樣本總數， 是第i個樣本的第j個指標值， 標準化后的數據。

①采用歐式距離計算各客戶之間的相似性系數，并按一定的閾值標準，以相似性系數最大化為原則將客戶特征最為相似的歸為一類。

②將最為相似的兩個客戶歸為一類后，利用“類平均法”計算該類型與其他尚未歸類的客戶或類型間的相似度，合并兩類的結果使得所有的兩兩項對之間的平均距離最小。

③繼續(xù)(2）的思路和方法，直至將所有客戶歸并為同一大類。

④利用客戶相似性系數的一定閾值標準。并根據具體情況進行校對，最終確定客戶細分的結果。

2.2 客戶細分的結果

通過SPSS軟件完成上述層次聚類的過程，通過對客戶聚類層次的進一步分析，結合客戶的具體實際情況，專業(yè)氣象客戶可以分為以下八類。

2.2.1 長期合作的大客戶有5個，它們是陜西省公路局、西安鐵路局、西北電網、長慶油田、華商報。累計合作金額70萬元以上，主要分布在電力能源、交通領域。服務內容以氣象預報為主，要求預報精度高。其中能源電力有中長期氣象預報需求。這也從另一個方面印證了氣象對電力能源和交通行業(yè)的影響最大，相關性最強［10］。

2.2.2 長期合作的中型客戶有12個，它們是省天然氣公司、西安市供電局、延長石油、延安市環(huán)保局、延安市公路局、安康市工務段、安康富強機場、西安市防火辦等、合作金額在20～50萬元之間，主要分布在能源、交通、農林領域，媒體和政府部門各一個。服務內容以氣象預報和氣象預警為主。要求預報預警精度高。

2.2.3 長期合作的小型客戶。合作金額20萬元以下。這類客戶數最多，有81個，分布范圍也是最廣，包含了能源，民航、水利、交通、保險、農林、礦業(yè)、醫(yī)藥、媒體等十多個行業(yè)。這類客戶合作的金額雖然少，但客戶忠誠度高。

2.2.4 短期合作的大項目。合作金額至少在40萬元以上項目有7項，包括鹵陽湖石化項目氣候影響評價項目、寶漢高速漢中管理處氣象信息化建設項目、榆林市水務局氣象預警建設項目、寶雞市國土局的《寶雞地質災害防治應急指揮信息系統(tǒng)》建設項目等等，合作內容主要是以項目建設為主。其中與榆林市水務局氣象預警建設項目達到120萬元，主要是建立氣象監(jiān)測預報預警以及氣象信息共享機制。服務內容主要是利用氣象部門的專業(yè)特長，幫助建設氣象預報預警信息化系統(tǒng)。

2.2.5 短期合作的中型項目，合作金額在10-20萬元之間的有4個，分別是省電力公司、中煤油公司、陜西省質監(jiān)局、榆林市水務局(1），分別分布在電力、能源、水利和政府部門。合作內容以氣象預報為主，要求預報精度高。

2.2.6 短期合作的小型客戶。合作金額在10萬元以下，短期合作的小型客戶數達到49個之多，分布范圍也很廣。合作的內容包括氣象預報與預警、氣象資料服務、中長期氣候變化預測、氣象信息咨詢等多個方面，對氣象服務的精度要求也各不相同。

2.2.7 潛在的長期大中型客戶，合作年限在2-4年之間，合作金額在10萬元以上有4個，它們是國電丹江水電公司、國電大渡河水電公司、銅川林業(yè)局、相關廣告公司等。分別分布在能源、水利、林業(yè)和廣告媒體業(yè)。這類客戶的數據信息只有最近幾年的。服務內容以中長期、短時臨近預警信息，要求氣象預報預警精度高。

2.2.8 潛在的長期小客戶，合作年限在2-4年之間，合作金額在10萬元以下有10個，分別分布在學校、交通和相關企業(yè)。業(yè)務內容以氣象預報為主。

2.3 客戶營銷策略

圖2 各類合作金額在總合作金額中的餅形圖

通過以上的餅形圖可以看出，1～4類客戶的總體合作金額在90%左右。對于1類和2類長期合作的客戶數雖然在整個客戶群中所占比重小，可是總體貢獻率和忠誠度都很高。主要分布在電力能源交通等領域，因此要采用個性化服務營銷策略，重點研究專業(yè)氣象服務在這些行業(yè)的運用，把氣象信息轉化為行業(yè)的決策信息。同時采用產品策略，提高氣象服務的精準度，防止這類客戶的流失。3類客戶雖然單個客戶的合作金額少，但是數目眾多，而且忠誠度比較高，如何通過廣告等方式來加強氣象服務的影響，提高與此類客戶合作深度是必須考慮的問題。與4類和5類客戶合作的內容主要以項目建設為主，由于氣象對經濟的影響日益明顯［11］，這類的需求未來有上升的趨勢，通過廣告策略和渠道策略，加強與客戶的溝通和聯(lián)系，讓更多的企業(yè)和個人便捷的享受到定制化的專業(yè)氣象服務，是未來專業(yè)氣象服務努力的方向。對于6類、7類、8類客戶都是潛在的長期合作對象，很多是抱著嘗試的態(tài)度來開展合作的。對于這類客戶一方面要采用產品策略來提高服務質量，提升此類客戶的忠誠度，另一方面也可適度采用價格策略來留住此類客戶，防止客戶流失。為提高與客戶的合作水平，還應從以下幾個方面來提高專業(yè)氣象服務的質量：

①與公共氣象服務不同，專業(yè)氣象服務技術含量更高和更復雜，服務產品個性化特征更加明顯。經常要根據服務行業(yè)或企業(yè)的具體需要，提供定制化服務。因此，客戶的參與配合至關重要，只有加強與客戶之間的溝通，對客戶的需求進行系統(tǒng)分析之后，才能提供對客戶有價值的氣象服務。

②進入互聯(lián)網時代，氣象信息獲取渠道更加多樣化和便捷化，不僅僅有傳統(tǒng)的電話、電視、廣播等傳統(tǒng)手段，還有網絡、微信、微薄、手機客戶端等現代手段，通過這些手段來“武裝”專業(yè)氣象信息發(fā)布渠道，依據客戶需求提供多渠道的專業(yè)氣象服務是提高專業(yè)氣象服務水平的前提。

③加快專業(yè)氣象服務信息數據庫建設和專業(yè)氣象決策支持系統(tǒng)的建設。氣象信息只有轉化成對客戶有用的決策其價值才能真正體現。做好電力、農業(yè)、能源、交通等關鍵行業(yè)的氣象決策支持系統(tǒng)建設，不僅僅能夠提高氣象部門的經濟效益，而且能夠幫助有關企業(yè)避免損失，實現部門效益和社會效益的最大化。

3 結論

層次聚類算法是根據樣本數據的相似性，把樣本歸到各個聚合類中的分類方法，聚類問題的特點是事先不知道一批樣本中的每一個樣品的類別或其他先驗知識，而唯一的分類依據就是樣品的數據特征，利用樣品的特性來構造分類器。本文用層次分析聚類算法，對陜西省專業(yè)氣象服務客戶進行了分類，并根據分類結果，提出了相應的營銷策略，取得了比較滿意的結果。在此基礎上，如果能夠根據年代變化來分析客戶合作金額的增長變化，將取得更加細致的客戶分類結果，而這將是我們未來研究的方向。

［1］許小峰.現代氣象服務［M］.北京：氣象出版社，2010.

［2］劉英姿，吳昊.客戶細分方法研究綜述［J］.管理工程學報，2006,20(1）：53-57.

［3］吳小紅.綜述客戶細分的方法與技術［J］.科技信息，2012(1）：110-111.

［4］呂巍，蔣波，陳潔.基于K-means算法的中國移動市場顧客行為細分策略研究［J］.管理學報，2005，2(1）：80-84.

［5］(希臘）Sergios Theodoridis,Konstantinos Koutroumbas著，李晶皎等譯.模式識別［M］.北京：電子工業(yè)出版社，2012.

［6］李鑫鑫.聚類算法在電子商務客戶細分中的應用［D］.青島：中國海洋大學，2012.

［7］(美）Michael J.A.Berry,Gordon S.Linoff著，別榮芳，尹靜，鄧六愛譯.數據挖掘技術-市場營銷、銷售與客戶關系管理領域應用［M］.北京：機械工業(yè)出版社，2006.

［8］趙法信，王國業(yè).數據挖掘中聚類分析算法研究［J］.通化師范學院學報，2005(26）：112-125.

［9］盧紋岱.SPSS for Windows統(tǒng)計分析［M］.北京：電子工業(yè)出版社，2000.

［10］羅慧，李良序，章國財，萬迪.陜西氣象條件與經濟行業(yè)發(fā)展的相關性分析［J］.自然災害學報，2008,17(3）：36-40.

［11］(德）Friedhelm Schwaz著，郭晗冉譯.氣候經濟學-影響全球80%經濟活動的決定性因素［M］.北京：氣象出版社，2012.

［12］鄭文清.氣象服務產品的營銷策略研究［J］.價格月刊，2009(2）：58-60.

［13］(美）Carl McDaniel,Jr·Roger Gates著，李桂華，等譯.當代市場調研(原書第8版）［M］.北京：機械工業(yè)出版社，2011.

［14］江瀅.案例研究：H氣象局短信業(yè)務營銷［D］.廣州：華南理工大學，2011.