層次聚類算法在氣象客戶細(xì)分中的應(yīng)用

巨曉璇 鄒小斌 屈 直 劉春敏

((1.陜西省氣象服務(wù)中心，陜西 西安 710014；2.西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院，陜西 西安 710054）

專業(yè)氣象服務(wù)是指除公益氣象服務(wù)之外的，為滿足國民經(jīng)濟(jì)的不同生產(chǎn)部門對氣象服務(wù)的具體需求而開展的有針對性的氣象服務(wù)，屬于有償氣象服務(wù)的范疇，因此具有很強(qiáng)的市場交易特征。專業(yè)氣象服務(wù)的客戶包括農(nóng)林、保險(xiǎn)、電力、交通、能源、政府、媒體、軍隊(duì)等諸多行業(yè)的企事業(yè)單位。氣象科學(xué)技術(shù)，現(xiàn)代衛(wèi)星遙感技術(shù)，計(jì)算機(jī)技術(shù)等技術(shù)的發(fā)展提高了專業(yè)氣象服務(wù)商品的生產(chǎn)質(zhì)量，而現(xiàn)代通信技術(shù)的發(fā)展使得氣象服務(wù)信息的傳播變得越來越便捷，氣象服務(wù)組織和客戶的溝通與互動(dòng)的成本越來越低廉，交易費(fèi)用的降低使得專業(yè)氣象服務(wù)的“客戶定制化”成為可能?；ヂ?lián)網(wǎng)技術(shù)和現(xiàn)代通訊技術(shù)的結(jié)合可以實(shí)現(xiàn)專業(yè)氣象服務(wù)的電子商務(wù)化—讓氣象服務(wù)組織在整合內(nèi)部資源的基礎(chǔ)上實(shí)現(xiàn)與客戶的互動(dòng)。氣象服務(wù)組織可以發(fā)揮自己的專業(yè)特長，把氣象信息加工成為指導(dǎo)企業(yè)生產(chǎn)和客戶商業(yè)活動(dòng)的決策，在滿足客戶的個(gè)性化需求的基礎(chǔ)上促進(jìn)氣象信息服務(wù)市場的形成與發(fā)展。另一個(gè)方面，在中國經(jīng)濟(jì)的轉(zhuǎn)型時(shí)期，我國氣象服務(wù)組織將面臨很大的挑戰(zhàn)。產(chǎn)權(quán)保護(hù)的滯后，制度約束，氣象服務(wù)信息的不對稱，國外氣象機(jī)構(gòu)的加入所導(dǎo)致的市場競爭，氣象信息商品的特殊性等等因數(shù)，將成為我國氣象服務(wù)組織不得不克服的障礙［1］?！拔从晗然I”，利用以往積累的大量的客戶交易數(shù)據(jù)與信息，采用數(shù)據(jù)挖掘的手段，來分析陜西專業(yè)氣象客戶的行為，用以指導(dǎo)專業(yè)氣象服務(wù)的營銷，不失為一個(gè)好的嘗試。

陜西省氣象服務(wù)中心堅(jiān)持“科技支撐、項(xiàng)目帶動(dòng)、行業(yè)突破”的專業(yè)氣象服務(wù)發(fā)展思路，不斷拓展專業(yè)服務(wù)領(lǐng)域，通過大項(xiàng)目實(shí)現(xiàn)規(guī)模效益，確保專業(yè)服務(wù)實(shí)現(xiàn)突破發(fā)展。服務(wù)領(lǐng)域涉及農(nóng)林、油田、電力、水利、交通、林業(yè)、天然氣、煤炭、旅游、商業(yè)、建筑、保險(xiǎn)、公安等14個(gè)行業(yè)，100多家用戶。近年來，專業(yè)氣象服務(wù)收入逐年增長的同時(shí)(如下圖1所示），積累了大量客戶交易數(shù)據(jù)，為數(shù)據(jù)挖掘提供了條件。

圖1 2008-2013年陜西省全省專業(yè)氣象服務(wù)收入

自從客戶細(xì)分的概念出現(xiàn)以來，不同的專家學(xué)者提出了各種不同的客戶細(xì)分方法，宏觀上主要包括人口統(tǒng)計(jì)細(xì)分、生活方式細(xì)分、行為細(xì)分和利益細(xì)分等四種［2］。行為細(xì)分法又可分為RFM分析法、客戶價(jià)值矩陣法、聚類分析、人工神經(jīng)網(wǎng)絡(luò)分析法［3］。國外的學(xué)者把改進(jìn)的Bays方法以及Booting方法應(yīng)用于KDD以及KDD與數(shù)據(jù)庫的結(jié)合方面取得較好的效果，而國內(nèi)的KDD技術(shù)研究一般集中在對國外的算法改進(jìn)和方法的實(shí)際應(yīng)用方面［4］。

聚類分析是客戶細(xì)分的一個(gè)重要研究方法。在數(shù)據(jù)挖掘領(lǐng)域，人們已經(jīng)提出了很多聚類算法，他們可以分為如下幾類：順序算法、層次聚類算法、遺傳聚類算法、、基于網(wǎng)格的方法和模糊聚類算法等，這些算法對于不同的研究對象各有其優(yōu)缺點(diǎn)［5］。順序算法和層次聚類算法是最常見的兩種聚類技術(shù)。順序算法具有較高的執(zhí)行效率，而層次聚類算法的聚類效果更符合觀察結(jié)果，所以在實(shí)際中運(yùn)用更為廣泛。

我們運(yùn)用層次聚類算法來對專業(yè)氣象客戶細(xì)分的原因基于以下兩點(diǎn)：一是我們在整理數(shù)據(jù)時(shí)發(fā)現(xiàn)客戶群之間的特征具有明顯的層次性，但是層次之間又有一定聯(lián)系。二是層次聚類算法是通過將數(shù)據(jù)組織為若干個(gè)組并形成一個(gè)相應(yīng)的樹形結(jié)構(gòu)來進(jìn)行聚類，更能幫助我們認(rèn)識(shí)客戶之間的區(qū)別與聯(lián)系，同時(shí)還具有算法簡單、快速而且能有效地處理大數(shù)據(jù)集的特點(diǎn)。

1 層次聚類算法的原理

聚類分析的實(shí)質(zhì)是建立一種分類方法，它能夠?qū)⒁慌鷺颖緮?shù)據(jù)按照它們在性質(zhì)上的親密程度在沒有先驗(yàn)知識(shí)的情況下自動(dòng)進(jìn)行分類。層次聚類算法與k-means聚類算法不一樣，它不產(chǎn)生單體聚類，而是產(chǎn)生層次聚類，每一個(gè)類包含(或包含于）另一個(gè)類中，最后形成一個(gè)類似樹形的聚類結(jié)構(gòu)。這種算法通常應(yīng)用于社會(huì)科學(xué)和生物學(xué)等領(lǐng)域，計(jì)算機(jī)科學(xué)與工程領(lǐng)域也經(jīng)常應(yīng)用層次聚類算法［6］［7］。依據(jù)聚類方向的差異，層次聚類算法又可分為合并算法和分裂算法［5］。合并的層次聚類算法是一種自低向上的聚類策略，首先將每個(gè)對象作為一個(gè)類，然后合并這些原子類為越來越大的類，直到所有的對象都在一個(gè)類中，或者某個(gè)終結(jié)條件被滿足。分裂的層次聚類是一種自頂向下的策略，與合并的層次聚類相反，它首先將所有對象置于一個(gè)類中，然后逐漸細(xì)分為越來越小的類，直到每個(gè)對象自成一類，或者達(dá)到了某個(gè)終結(jié)條件，例如達(dá)到了某個(gè)希望的類數(shù)目，或者兩個(gè)最近的類之間的距離超過了某個(gè)閩值。層次化聚類方法盡管簡單，但如何恰當(dāng)?shù)剡x擇合并或分裂點(diǎn)，是個(gè)很困難的工作，這樣的選擇是非常關(guān)鍵的，因?yàn)橐坏┮唤M對象被合并或者分裂，下一步的處理將在新生成的簇上進(jìn)行，已做的處理不能被撤銷，聚類之間也不能交換對象。如果在某一步?jīng)]有很好的選擇合并或者分裂的決定，可能會(huì)導(dǎo)致低質(zhì)量的聚類結(jié)果。而且，這種聚類方法不具有很好的可伸縮性，因?yàn)楹喜⒒蛘叻至训臎Q定需要檢查和估算大量的對象或簇［8］。層次聚類算法又可分為合并算法和分裂算法，層次合并算法的代表是AGNES算法。層次分裂算法的代表是DIANA算法。

2 層次聚類細(xì)分客戶的實(shí)證研究

2.1 數(shù)據(jù)的處理分析

2.1.1 研究所需的數(shù)據(jù)

以2008-2013年陜西省專業(yè)氣象服務(wù)客戶為調(diào)查對象，調(diào)查統(tǒng)計(jì)的范圍包括客戶名稱、所屬行業(yè)、合作金額(萬元/年）、合作項(xiàng)目名稱、氣象服務(wù)內(nèi)容、氣象服務(wù)的期限(短期、長期）、氣象服務(wù)的精度要求、有無長期合作意向等八個(gè)方面的數(shù)據(jù)信息，收集了陜西省氣象服務(wù)中心、咸陽市、安康市、延安市、渭南市、銅川市、寶雞市、漢中市、商洛市、楊陵區(qū)等十個(gè)區(qū)市的專業(yè)氣象服務(wù)客戶的數(shù)據(jù)信息，統(tǒng)計(jì)樣本171個(gè)。

2.1.2 層次聚類因子指標(biāo)的選取

在客戶細(xì)分過程中，人們最關(guān)注的兩個(gè)方面：一是客戶的貢獻(xiàn)率，二是客戶的忠誠度。因此在層次聚類因子指標(biāo)的選取上，我們選擇了累計(jì)合作金額來評價(jià)客戶的貢獻(xiàn)率。度量客戶的忠誠度的依據(jù)來源有兩個(gè)調(diào)查，一是氣象服務(wù)合作的期限，二是有無長期合作意向，通過統(tǒng)計(jì)得出6年內(nèi)氣象服務(wù)機(jī)構(gòu)與各個(gè)客戶的合作年限，以累計(jì)合作金額和合作年限作為層次聚類的因子。

2.1.3 數(shù)據(jù)處理［9］

由于不同的指標(biāo)數(shù)據(jù)具有不同的量綱，這些數(shù)據(jù)放在一起直接進(jìn)行聚類，會(huì)壓低甚至排除了某些數(shù)量級(jí)很小的因子的作用，故需對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，處理的方式如下：

式中，n是樣本總數(shù)， 是第i個(gè)樣本的第j個(gè)指標(biāo)值， 標(biāo)準(zhǔn)化后的數(shù)據(jù)。

①采用歐式距離計(jì)算各客戶之間的相似性系數(shù)，并按一定的閾值標(biāo)準(zhǔn)，以相似性系數(shù)最大化為原則將客戶特征最為相似的歸為一類。

②將最為相似的兩個(gè)客戶歸為一類后，利用“類平均法”計(jì)算該類型與其他尚未歸類的客戶或類型間的相似度，合并兩類的結(jié)果使得所有的兩兩項(xiàng)對之間的平均距離最小。

③繼續(xù)(2）的思路和方法，直至將所有客戶歸并為同一大類。

④利用客戶相似性系數(shù)的一定閾值標(biāo)準(zhǔn)。并根據(jù)具體情況進(jìn)行校對，最終確定客戶細(xì)分的結(jié)果。

2.2 客戶細(xì)分的結(jié)果

通過SPSS軟件完成上述層次聚類的過程，通過對客戶聚類層次的進(jìn)一步分析，結(jié)合客戶的具體實(shí)際情況，專業(yè)氣象客戶可以分為以下八類。

2.2.1 長期合作的大客戶有5個(gè)，它們是陜西省公路局、西安鐵路局、西北電網(wǎng)、長慶油田、華商報(bào)。累計(jì)合作金額70萬元以上，主要分布在電力能源、交通領(lǐng)域。服務(wù)內(nèi)容以氣象預(yù)報(bào)為主，要求預(yù)報(bào)精度高。其中能源電力有中長期氣象預(yù)報(bào)需求。這也從另一個(gè)方面印證了氣象對電力能源和交通行業(yè)的影響最大，相關(guān)性最強(qiáng)［10］。

2.2.2 長期合作的中型客戶有12個(gè)，它們是省天然氣公司、西安市供電局、延長石油、延安市環(huán)保局、延安市公路局、安康市工務(wù)段、安康富強(qiáng)機(jī)場、西安市防火辦等、合作金額在20～50萬元之間，主要分布在能源、交通、農(nóng)林領(lǐng)域，媒體和政府部門各一個(gè)。服務(wù)內(nèi)容以氣象預(yù)報(bào)和氣象預(yù)警為主。要求預(yù)報(bào)預(yù)警精度高。

2.2.3 長期合作的小型客戶。合作金額20萬元以下。這類客戶數(shù)最多，有81個(gè)，分布范圍也是最廣，包含了能源，民航、水利、交通、保險(xiǎn)、農(nóng)林、礦業(yè)、醫(yī)藥、媒體等十多個(gè)行業(yè)。這類客戶合作的金額雖然少，但客戶忠誠度高。

2.2.4 短期合作的大項(xiàng)目。合作金額至少在40萬元以上項(xiàng)目有7項(xiàng)，包括鹵陽湖石化項(xiàng)目氣候影響評價(jià)項(xiàng)目、寶漢高速漢中管理處氣象信息化建設(shè)項(xiàng)目、榆林市水務(wù)局氣象預(yù)警建設(shè)項(xiàng)目、寶雞市國土局的《寶雞地質(zhì)災(zāi)害防治應(yīng)急指揮信息系統(tǒng)》建設(shè)項(xiàng)目等等，合作內(nèi)容主要是以項(xiàng)目建設(shè)為主。其中與榆林市水務(wù)局氣象預(yù)警建設(shè)項(xiàng)目達(dá)到120萬元，主要是建立氣象監(jiān)測預(yù)報(bào)預(yù)警以及氣象信息共享機(jī)制。服務(wù)內(nèi)容主要是利用氣象部門的專業(yè)特長，幫助建設(shè)氣象預(yù)報(bào)預(yù)警信息化系統(tǒng)。

2.2.5 短期合作的中型項(xiàng)目，合作金額在10-20萬元之間的有4個(gè)，分別是省電力公司、中煤油公司、陜西省質(zhì)監(jiān)局、榆林市水務(wù)局(1），分別分布在電力、能源、水利和政府部門。合作內(nèi)容以氣象預(yù)報(bào)為主，要求預(yù)報(bào)精度高。

2.2.6 短期合作的小型客戶。合作金額在10萬元以下，短期合作的小型客戶數(shù)達(dá)到49個(gè)之多，分布范圍也很廣。合作的內(nèi)容包括氣象預(yù)報(bào)與預(yù)警、氣象資料服務(wù)、中長期氣候變化預(yù)測、氣象信息咨詢等多個(gè)方面，對氣象服務(wù)的精度要求也各不相同。

2.2.7 潛在的長期大中型客戶，合作年限在2-4年之間，合作金額在10萬元以上有4個(gè)，它們是國電丹江水電公司、國電大渡河水電公司、銅川林業(yè)局、相關(guān)廣告公司等。分別分布在能源、水利、林業(yè)和廣告媒體業(yè)。這類客戶的數(shù)據(jù)信息只有最近幾年的。服務(wù)內(nèi)容以中長期、短時(shí)臨近預(yù)警信息，要求氣象預(yù)報(bào)預(yù)警精度高。

2.2.8 潛在的長期小客戶，合作年限在2-4年之間，合作金額在10萬元以下有10個(gè)，分別分布在學(xué)校、交通和相關(guān)企業(yè)。業(yè)務(wù)內(nèi)容以氣象預(yù)報(bào)為主。

2.3 客戶營銷策略

圖2 各類合作金額在總合作金額中的餅形圖

通過以上的餅形圖可以看出，1～4類客戶的總體合作金額在90%左右。對于1類和2類長期合作的客戶數(shù)雖然在整個(gè)客戶群中所占比重小，可是總體貢獻(xiàn)率和忠誠度都很高。主要分布在電力能源交通等領(lǐng)域，因此要采用個(gè)性化服務(wù)營銷策略，重點(diǎn)研究專業(yè)氣象服務(wù)在這些行業(yè)的運(yùn)用，把氣象信息轉(zhuǎn)化為行業(yè)的決策信息。同時(shí)采用產(chǎn)品策略，提高氣象服務(wù)的精準(zhǔn)度，防止這類客戶的流失。3類客戶雖然單個(gè)客戶的合作金額少，但是數(shù)目眾多，而且忠誠度比較高，如何通過廣告等方式來加強(qiáng)氣象服務(wù)的影響，提高與此類客戶合作深度是必須考慮的問題。與4類和5類客戶合作的內(nèi)容主要以項(xiàng)目建設(shè)為主，由于氣象對經(jīng)濟(jì)的影響日益明顯［11］，這類的需求未來有上升的趨勢，通過廣告策略和渠道策略，加強(qiáng)與客戶的溝通和聯(lián)系，讓更多的企業(yè)和個(gè)人便捷的享受到定制化的專業(yè)氣象服務(wù)，是未來專業(yè)氣象服務(wù)努力的方向。對于6類、7類、8類客戶都是潛在的長期合作對象，很多是抱著嘗試的態(tài)度來開展合作的。對于這類客戶一方面要采用產(chǎn)品策略來提高服務(wù)質(zhì)量，提升此類客戶的忠誠度，另一方面也可適度采用價(jià)格策略來留住此類客戶，防止客戶流失。為提高與客戶的合作水平，還應(yīng)從以下幾個(gè)方面來提高專業(yè)氣象服務(wù)的質(zhì)量：

①與公共氣象服務(wù)不同，專業(yè)氣象服務(wù)技術(shù)含量更高和更復(fù)雜，服務(wù)產(chǎn)品個(gè)性化特征更加明顯。經(jīng)常要根據(jù)服務(wù)行業(yè)或企業(yè)的具體需要，提供定制化服務(wù)。因此，客戶的參與配合至關(guān)重要，只有加強(qiáng)與客戶之間的溝通，對客戶的需求進(jìn)行系統(tǒng)分析之后，才能提供對客戶有價(jià)值的氣象服務(wù)。

②進(jìn)入互聯(lián)網(wǎng)時(shí)代，氣象信息獲取渠道更加多樣化和便捷化，不僅僅有傳統(tǒng)的電話、電視、廣播等傳統(tǒng)手段，還有網(wǎng)絡(luò)、微信、微薄、手機(jī)客戶端等現(xiàn)代手段，通過這些手段來“武裝”專業(yè)氣象信息發(fā)布渠道，依據(jù)客戶需求提供多渠道的專業(yè)氣象服務(wù)是提高專業(yè)氣象服務(wù)水平的前提。

③加快專業(yè)氣象服務(wù)信息數(shù)據(jù)庫建設(shè)和專業(yè)氣象決策支持系統(tǒng)的建設(shè)。氣象信息只有轉(zhuǎn)化成對客戶有用的決策其價(jià)值才能真正體現(xiàn)。做好電力、農(nóng)業(yè)、能源、交通等關(guān)鍵行業(yè)的氣象決策支持系統(tǒng)建設(shè)，不僅僅能夠提高氣象部門的經(jīng)濟(jì)效益，而且能夠幫助有關(guān)企業(yè)避免損失，實(shí)現(xiàn)部門效益和社會(huì)效益的最大化。

3 結(jié)論

層次聚類算法是根據(jù)樣本數(shù)據(jù)的相似性，把樣本歸到各個(gè)聚合類中的分類方法，聚類問題的特點(diǎn)是事先不知道一批樣本中的每一個(gè)樣品的類別或其他先驗(yàn)知識(shí)，而唯一的分類依據(jù)就是樣品的數(shù)據(jù)特征，利用樣品的特性來構(gòu)造分類器。本文用層次分析聚類算法，對陜西省專業(yè)氣象服務(wù)客戶進(jìn)行了分類，并根據(jù)分類結(jié)果，提出了相應(yīng)的營銷策略，取得了比較滿意的結(jié)果。在此基礎(chǔ)上，如果能夠根據(jù)年代變化來分析客戶合作金額的增長變化，將取得更加細(xì)致的客戶分類結(jié)果，而這將是我們未來研究的方向。

［1］許小峰.現(xiàn)代氣象服務(wù)［M］.北京：氣象出版社，2010.

［2］劉英姿，吳昊.客戶細(xì)分方法研究綜述［J］.管理工程學(xué)報(bào)，2006,20(1）：53-57.

［3］吳小紅.綜述客戶細(xì)分的方法與技術(shù)［J］.科技信息，2012(1）：110-111.

［4］呂巍，蔣波，陳潔.基于K-means算法的中國移動(dòng)市場顧客行為細(xì)分策略研究［J］.管理學(xué)報(bào)，2005，2(1）：80-84.

［5］(希臘）Sergios Theodoridis,Konstantinos Koutroumbas著，李晶皎等譯.模式識(shí)別［M］.北京：電子工業(yè)出版社，2012.

［6］李鑫鑫.聚類算法在電子商務(wù)客戶細(xì)分中的應(yīng)用［D］.青島：中國海洋大學(xué)，2012.

［7］(美）Michael J.A.Berry,Gordon S.Linoff著，別榮芳，尹靜，鄧六愛譯.數(shù)據(jù)挖掘技術(shù)-市場營銷、銷售與客戶關(guān)系管理領(lǐng)域應(yīng)用［M］.北京：機(jī)械工業(yè)出版社，2006.

［8］趙法信，王國業(yè).數(shù)據(jù)挖掘中聚類分析算法研究［J］.通化師范學(xué)院學(xué)報(bào)，2005(26）：112-125.

［9］盧紋岱.SPSS for Windows統(tǒng)計(jì)分析［M］.北京：電子工業(yè)出版社，2000.

［10］羅慧，李良序，章國財(cái)，萬迪.陜西氣象條件與經(jīng)濟(jì)行業(yè)發(fā)展的相關(guān)性分析［J］.自然災(zāi)害學(xué)報(bào)，2008,17(3）：36-40.

［11］(德）Friedhelm Schwaz著，郭晗冉譯.氣候經(jīng)濟(jì)學(xué)-影響全球80%經(jīng)濟(jì)活動(dòng)的決定性因素［M］.北京：氣象出版社，2012.

［12］鄭文清.氣象服務(wù)產(chǎn)品的營銷策略研究［J］.價(jià)格月刊，2009(2）：58-60.

［13］(美）Carl McDaniel,Jr·Roger Gates著，李桂華，等譯.當(dāng)代市場調(diào)研(原書第8版）［M］.北京：機(jī)械工業(yè)出版社，2011.

［14］江瀅.案例研究：H氣象局短信業(yè)務(wù)營銷［D］.廣州：華南理工大學(xué)，2011.