Phone Database

结果； 对集合的各个属性进行加权处理，加权属性权重H法确定的权向量中对应的权重，加权后的集合； 从集合中随机选取K个元素k ，作为作为k个簇的各自的中心； 分别计算剩下的元素到k个簇中心的相异度按照欧几里得距离度量，将这些元素分别划归到相异度最低的簇； 根据聚类结果，重新计算k个簇各自的中心，计算方法是取簇中所有元素各自维度的算术平均数； 将集合中全部元素按照新的中心重新聚类； 重复第步，直到聚类结果跟最近一次的聚类结果一致，不再变化； 输出最终的聚类结果； 、划分客户类别


不同的层级聚行为上的特性以及变化倾向，划分客户类别方法如： 计算K均值聚类中每类客户的RFM平均值： ，其中< i <n，n指的是每类中的客户设备数，指的是对应类别中每台设备的R之和，R的计 纳米比亚whatsapp数据 量单位为天； ，其中< i <n，n指的是每类中的客户设备数，指的是对应类别中每台设备的F之和，F的计量单位为次； ，其中< i <n，n指的是每类中的客户设备数，指的是对应类别中每台设备的M之和，M的计量单位为SD； 将每类客户的RFM平均值和总RFM平均值作比较： 将K均值聚类的类客户的RFM平均值同总RFM均值进行比较。


K均值聚类类别客户的均值大于等于总均值，则给该指标对应坐标为“价值高”坐标； K均值聚类类别客户的均值小于总均值，则给该指标对应坐标为“价值低”坐标； 划分RFM客户价值分类： 根据RFM空间坐标模型，匹配对应R、F、M三个指标的坐标，把K均值聚类的个类别客户划分为个类别：重要价值客户、重要发展客户、重要保持客户、重要挽留客户、一般价值客户、一般发展客户、一般保持客户、一般挽留客户。 客户价值排序 、RFM指标分类客户价值 输出每一类客户的评分集合 ，其中< i <，R，F，M分别代表R近度、F频度、M值度的等级评分。