客户分类的方法

　　客户分类可以采用分类的方法也可以采用聚类的方法。分类的方法是预先给定类别，比如将客户分为高价值客户和低价值客户，或者分为长期固定客户和短期偶然客户等。然后确定对分类有影响的因素，将拥有相关属性的客户数据提取出来，选择合适的算法（如决策树、神经网络等）对于数据进行处理得到分类规则。经过评估和验证后就可将规则应用在未知类型客户上，对客户进行分类。聚类的方法则是一种自然聚类的方式，在数据挖掘之前并不知道客户可以分为哪几个类，只是根据要求确定分成几类（有些算法需要人为确定输出簇的数目）。将数据聚类以后，再对每个簇中的数据进行分析，归纳出相同簇中客户的相似性或共性。

　　比如，银行在长期的金融服务中，积累了大量的数据信息，包括对客户的服务历史、对客户的销售历史和收入，以及客户的人口统计学资料和生活方式等。银行必须将这些众多的信息资源综合起来，以便在数据库里建立起一个完整的客户背景。在客户背景信息中，大批客户可能在存款、贷款或使用其他金融服务上具有极高的相似性，因而形成了具有共性的客户群体。经过聚类分析，可以发现他们的共性，掌握他们的投资理念，提供有针对性的服务，进而引导他们的投资行为，提高银行的综合服务水平，并可以降低业务服务成本，取得更高的收益。通过客户细分，可以使银行准确地把握现有客户的状况，采取不同的服务、推销和价格策略来稳定有价值的客户，转化低价值的客户，消除没有价值的客户。

　　客户分类可以对客户的消费行为进行分析，也可以对顾客的消费心理进行分析。企业可以针对不同行为模式的客户提供不同的产品内容，针对不同消费心理的客户提供不同的促销手段等。客户分类也是其他客户分析的基础，在分类后的数据中进行挖掘更有针对性，可以得到更有意义的结果。