【技术名称】一种网络消费者细分的优化方法及优化系统

【应用行业】市场数据收集

【技术领域】机器学习

【知识产权】发明专利

【成果完成单位】华中师范大学

【成果完成人姓名】王伟军 黄英辉 刘辉 李伟卿

【成果完成时间】2019.05.14

【专利号】CN201910398178.9

【授权日期】2023.01.03

【技术成熟度】已有样品

【应用背景】目前，最接近的现有技术是现有市场细分技术，大都基于用户人口统计学、心理地图和行为指标等数据进行细分，如事前细分法采用预定义细分标签和支持向量机、决策树、随机森林等监督机器学习进行分类；而事后细分基于K‑means等聚类方法自动生成细分簇，采用人工观察来赋予聚类 簇相应的细分标签，从而获取细分消费者组和相对应的消费者市场细分标签；亦或混合细分法，即在事前细分结果基础上，进行聚类分析。无论选择哪种细分变量和方法，所产生的细分都必须是可操作和有用的，以支持营销策略的制定和实施。具体而言，判别细分的成功与否应具有五个标准：可识别性(细分是否可识别)、实质性(细分的大小)、可接近性(是否易于营销人员开展活动)、可区分性(细分之间是否可区分)和可操作性(细分是否与企业竞争力一致)。

【成果简介】本发明属于网络消费者信息处理技术领域，公开了一种网络消费者细分的优化方法及优化系统，首先利用心理词汇学证据，针对消费者词汇使用行为构建两种主要的心理细分词典，获取消费者心理地图特征；其次利用聚类方法，选取不同聚类簇距离，获取消费者细分簇；再次，在每个聚类簇中，构建面向用户消费偏好的机器学习预测模型，通过与基准方法的比较确定聚类簇的可靠性和有效性；最后选取最优的用户偏好预测模型，人工检视此模型中的用户聚类簇，并赋予市场细分标签。本发明两种评价指标(RMSE和R2)下，与未经优化的用户细分相比，本发明可以找到对用户偏好预测具有显著提升作用最优的网络消费者细分组。

【成果图片】

【联系方式】段治国、安红高、吴涛，02767868068，02767868067