1、近年來，隨著手機(jī)終端價(jià)格和移動(dòng)通信業(yè)務(wù)資費(fèi)的大幅降低，我國移動(dòng)通信客戶數(shù)持續(xù)高速增長，至2006年底，移動(dòng)電話客戶規(guī)模達(dá)到4.6億；與此同時(shí)，隨著通信技術(shù)的日新月異，客戶對(duì)移動(dòng)通信產(chǎn)品的消費(fèi)需求也愈趨復(fù)雜多樣。顯然，面對(duì)規(guī)模龐大的移動(dòng)通信客戶群體以及巨大的消費(fèi)需求差別，傳統(tǒng)基于人口統(tǒng)計(jì)數(shù)據(jù)的客戶細(xì)分方法已經(jīng)難以深入了解客戶需求和有效識(shí)別高價(jià)值的客戶。而基于聚類技術(shù)的客戶細(xì)分是通過對(duì)蘊(yùn)含客戶消費(fèi)行為模式的運(yùn)營數(shù)據(jù)進(jìn)行多維分析，可以深入刻畫

2、客戶消費(fèi)特征、清晰顯示客戶消費(fèi)的差別。該細(xì)分方法已經(jīng)引起市場(chǎng)研究人員的廣為認(rèn)同。 在大量有關(guān)基于聚類技術(shù)的客戶細(xì)分的論文中，K均值算法由于原理簡(jiǎn)單，具有可伸縮性，應(yīng)用最為普遍。然而，傳統(tǒng)K均值算法存在一些缺陷，主要是需人為指定聚類個(gè)數(shù)、距離度量測(cè)度單一和聚類結(jié)果易受初始質(zhì)心的影響等缺陷。這些缺陷嚴(yán)重影響了算法的實(shí)際使用效果。基于此，本文首先對(duì)K均值聚類算法進(jìn)行了研究。以K均值算法的三個(gè)缺陷為切入點(diǎn)嘗試做相應(yīng)的改進(jìn)，具體包括嘗試?yán)?/p>

3、用Ward氏層次聚類算法確定簇個(gè)數(shù)的方法以及基于四分位相對(duì)離差系數(shù)的加權(quán)方法提高聚類質(zhì)量；在前人研究初始質(zhì)心思路的基礎(chǔ)上設(shè)計(jì)實(shí)現(xiàn)了二分K均值降低聚類結(jié)果易受初始質(zhì)心的影響，并通過實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證改進(jìn)效果；在改進(jìn)方法的基礎(chǔ)上提出了一套完整的聚類分析方法流程BKWW(BisectingKMeansbased0nWeightandWard's)。然后，本文以移動(dòng)通信行業(yè)為背景，收集了江西某地移動(dòng)公司的客戶資料和消費(fèi)數(shù)據(jù)，應(yīng)用BKWW聚類方法分別對(duì)