关键词：K-means聚类;客户细分;消费行为偏好
摘 要：目的:针对传统K-means算法需要人为设定K值的缺陷,提出改进的K-means算法,并将其应用于电子商务客户细分研究。方法:首先,在经典RFM模型的基础上,增加客户消费行为特征;其次,为确定最佳聚类数目,引入CH评价指标,以对K-means算法进行改进;最后,选取了包含37 376个样本的电子商务客户数据集进行实证研究。结果:与拐点法相比,通过CH指标确定K值更加直观;与谱聚类相比,加入CH指标的K-means算法具有更优的聚类效果及运行效率。结论:结合CH聚类评价质量指标和K-means算法能有效提高电子商务客户细分的准确性和效率。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取