客户是企业生存和发展的根基,保持客户、吸引客户和充分发掘客户的盈收潜力是企业提高核心竞争力的关键。而客户关系管理(CRM)正是一个获取、保持和增加可获利客户的过程。 聚类分析作为数据挖掘技术中的一种重要方法,已成为该研究领域中一个非常活跃的研究课题。聚类分析应用于客户关系管理有以下方面:客户细分,新客户获取,客户保持,删除客户,购物篮分析,需求预测与目标经营,交叉销售与主动营销等。本文主要研究聚类分析算法在客户细分领域的应用,所采用的数据集是来自PKDD99’Discovery Challenge的一组金融数据集(银行)。目前已有一些聚类算法应用于银行客户细分的实验。由于在细分客户的时候,并不能明确指出某个客户一定属于或不属于某一客户群体,恰恰相反一个客户样本可以属于不同的客户群,而模糊聚类算法由于引入隶属度的概念能更好地体现客户的这一特征,所以本文采用模糊c均值(FCM)聚类算法来对银行客户进行细分。 在验证FCM聚类算法有效性时本文采用的是基于Xie-Beni有效性的方法,并对该方法进行了修改,另外又在FCM算法的循环之后添加了去除空簇的步骤,提高了算法的效率;在实验阶段,通过选用不同的参数细分来得到不同的细分结果,并对结果进行分析,验证了FCM算法的有效性;最后还采用java程序设计语言在JBuilder9.0开发环境下实现了一个客户细分原型系统,该系统可以完成属性选择,数据预处理,客户细分等一些基本的客户细分功能。