基于K-Means聚類算法的凈菜店客戶管理

□ 胡朝暉，張革伕

(1.南華大學船山學院，湖南 衡陽 421001;2.南華大學 管理學院，湖南 衡陽421001)

1 引言

衡陽的一家連鎖洗凈菜企業在O2O高速發展下迅速成為一顆明星。在互聯網支持下，洗凈菜企業開設了以自主銷售門店為示范。沒有客戶就沒有收益，凈菜門店更需要客戶。研究客戶行為，無疑能更好地把握企業的經營決策。研究客戶管理者眾多，客戶管理能力是現代服務業發展所必需的[1]，而信息與技術成為現代客戶管理的最佳工具[2]。客戶關系管理是客戶管理的核心內容，備受重視。Adam Idzikowski等[3]研究了客戶關系管理哲學在企業管理中的意義。Yangfan Li等[4]用實證方法研究了客戶關系管理的商業價值，構建了一個兩階段模型，證明了客戶關系管理可帶來高額利潤與價值。Wouroud Elfarmawi[5]研究了客戶關系管理與產品創新之間的關系，使用客戶關系管理系統可以吸引潛在客戶，留住老客戶。

通過客戶關系管理改善企業經營，或者通過對客戶行為的分析來發現經營的問題，這是一個問題的兩個方面。本研究旨在研究洗凈菜門店的客戶行為，以幫助企業找到問題所在，提出解決策略。

2 K-Means聚類算法

K-Means是經典的客戶聚類算法，通過計算客戶特征數據之間的空間距離來把客戶劃分到不同類群體中。每一類群體內部具有良好的同質性(距離相近)，而類之間則具有顯著的差距。陸靜[6]研究了K-Means算法在電信客戶關系管理中的應用。K-Means算法簡單，算法過程如下：

①從N個樣本數據中隨機選取K個對象作為初始的聚類中心；

②分別計算每個樣本到各個聚類中心的距離，將對象分配到距離最近的聚類中；

③所有對象分配完成后，重新計算K個聚類的中心；

④與前一次計算得到的K個聚類中心比較，如果聚類中心發生變化，轉②，否則轉⑤；

⑤當質心不發生變化時停止并輸出聚類結果。

距離的計算可以采用歐幾里得或者曼哈頓方法，也可計算非連續型數據之間的相似性，一個類群內部中心與組成樣本點之間的距離之和或者相似性之和穩定不變，那么這些樣本點即構成一個類群。把客戶分群可針對群體特征，制定管理策略，用好用準資源。

3 基于K-Means的凈菜店客戶聚類模型

IBM公司的數據挖掘工具Modeler建模都是透明的，用戶無須了解計算細節，用戶只需要通過調整幾個改善計算性能的參數，即可快速獲得比較理想的聚類效果，幫助企業進行客戶關系管理。

3.1 數據預處理

本研究從菜店POS系統數據庫中提取了近2年的交易數據，約8000條支付記錄。經過篩選，提取了從2015-1-1到2015-3-1之間的數據1045條來聚類。從系統數據庫導出的數據字段包含了：序列號、支付創建時間、交易額、余額、客戶賬號等信息，考慮采用RFM模型來進行客戶關系管理，保留了支付創建時間、交易額和客戶賬號字段。數據預處理過程如下圖1所示。在“過濾”節點，去掉了不相關的序列號、余額等等字段。在“RFM匯總”節點，設置了觀察時間點為“2015-12-1”，由此計算出“R”因子即購物周期、“F”因子即頻次數、“M”為貨幣因子數，共獲得386條記錄。

圖1 數據預處理

3.2 K-Means模型

IBM的數據挖掘平臺Modeler提供了透明的K-Means建模工具，其特點是把K-Means模型當成一個流節點，插入到數據流中，如圖1所示。根據RFM模型，將“R、F、M”三個因子分別作為K-Means模型的輸入，如下圖2所示。按照K-Means算法，模型就是求取“近因、頻數、貨幣”三個變量之間的距離。數據被分成2個區，一個50%的數據用于訓練建模，一個50%的數據用于檢驗。模型預定聚類數量為3，標簽說明用字符串。進行的迭代次數最大為150次。點圖2中的【運行】按鈕，即生成門店客戶的“K-Means”聚類模型。生成結果拖入原數據流中，如圖1中的輸出節點。

圖2 模型參數設置

3.3 客戶群結構分析

運行結果表明，上述客戶聚類模型的聚類結果為三類：第一類(“聚類-1”)客戶占比95.3%，第二類(“聚類-3”)客戶占比4.3%，第三類(“聚類-2”)客戶占比0.4%，從第16代開始就沒有再出現簇群中心點改變。聚類效果處在“好”的評級范圍。

圖3 菜店客戶分群狀態

從模型給出的分群來看，非常有意思，活躍客戶只有11位，2個月時間內購買了約19次，金額為460元，最近的一次消費在20天前。觀望型客戶觀察期內只消費了約3次，金額161元；沖動型大客戶就1戶，只消費了一次，一次性采購花費了2328元。顯然，這種情況對于企業是不樂觀的。菜店作為連鎖門店才開張，觀望人群最近一次消費比活躍型的長，而活躍型的則消費周期越來越拉長了。因而，門店的經營越來越不樂觀。

事實上，隨后的幾個月情況確實亦如此。繼續使用原有1-6月數據，觀察點設在“2015-7-1”利用所建聚類模型再對其進行聚類。發現：“活躍型客戶”群體雖然在擴大，但是平均最近一次購物行為發生在39天前，購物金額和頻次都在減少；“觀望型客戶”群體規模減小，但購物金額和頻次同樣在減少，最近一次購物發生在137天前；“沖動采購型”則維持原有狀態，再也沒有來采購過。

更符合實際需求的是：決策層需要明白哪些客戶屬于何種類型客戶，從而對癥下藥，繼續留住或進行誘導轉化，下圖3為部分客戶聚類分布狀況，“idmember”為客戶編號代表唯一客戶。

圖4 部分客戶聚類分布

4 結論與建議

菜籃子工程關系民生，是居民幸福指數感知高低的因素之一。連鎖凈菜企業經過了大半年的運行后，在第二年仍然沒有進入正軌，可以從其客戶聚類分析中反映出來。在前后兩個不同的時點觀察發現：門店“活躍型”客戶逐步蛻變成了低迷型，與“觀望型”日漸合并，“觀望型”逐步演變成“退出型”，“采購型”客戶變成了“異常型”。顯然，門店的客戶體驗變得糟糕，主要體現在：凈菜菜品多樣性差、包裝后重量誤差太大、門店服務響應速度慢。企業決策者必須清楚凈菜店賺取的是時間、新鮮與服務中間的差價，需要制定嚴格的、標準的加工與包裝流程，以保證凈菜菜品的品質，增加菜品的多樣性，加快配送速度和上架速度。