基于GMDH动态聚类集成的应用商店客户价值细分研究

Mobile application stores have become the trend of the future of mobile Internet. Unable to distinguish the customers’ demand has become the bottleneck of mobile application store. Customer value segmentation is an effective way to solve such problem. Two factors are the most influential factors that affect the customer value segmentation in the mobile application store: most of applications are free and the data collected from customers continue to grow. By considering characteristics of the mobile application store, this proposal researches the customer value segmentation theories and methods used for the mobile application store. A customer value segmentation research framework is proposed. Then, an experiment is designed to determine customer value segmentation index by considering the characteristics of the free applications. By considering the features of the collected customer data, this proposal investigates two kinds of dynamic base clustering generation strategies based on the Group Method of Data Handling (GMDH). Finally, two dynamic clustering ensemble models based on GMDH, which used for customer segmentation, are also studied. This proposal has great significance to promote the development of the mobile application store. It also lays a foundation for the theory and algorithm of customer value segmentation and dynamic clustering ensemble.

手机应用商店已成为移动互联网未来的发展趋势。无法辨别客户群体的需求是应用商店当前发展面临的瓶颈，客户价值细分则是解决该问题的有效途径。影响应用商店客户价值细分的诸多因素中，应用程序免费和客户样本数据持续增加是最主要因素。考虑应用商店的独特性，本项目对应用商店客户价值细分的理论与方法进行深入研究。具体内容包括：提出了应用商店客户价值细分研究框架。在该框架下，针对应用商店应用程序免费的特点，通过客户价值比照实验确定客户价值细分指标；针对应用商店客户样本数据的持续性特点，以数据分组处理方法（Group Method of Data Handling，GMDH）自动建模机制为基础，提出两种动态基聚类器生成策略，并构建两种基于GMDH的动态聚类集成模型用于客户细分。研究成果对推动应用商店发展具有重要意义，为客户价值细分和动态聚类集成奠定理论和技术基础。

客户价值细分是客户关系管理中的一个关键环节，为了解决应用商店辨别客户群体需求的问题，本项目以应用商店为研究对象，着重解决应用商店应用程序免费情况下的客户价值细分指标构成和客户样本数据持续增加所产生的两大问题，提出应用商店客户价值细分研究框架。从以下三个方面重点展开研究：首先，项目组开展应用商店客户价值细分基础研究。通过设计客户价值对照实验，确定影响应用商店客户价值细分的指标。围绕应用商店意见领袖在线评论对消费者更新决策的影响这一主线，综合考虑应用商店消费者更新决策的三大类影响因素（应用产品自身特征、消费者特征及意见领袖在线评论），结果发现，在诸多影响消费者更新决策的因素中，意见领袖评论因素对消费者更新决策起到重要影响。本研究在应用商店客户价值细分过程中得出一些新的结果。其次，开展基于GMDH的聚类集成框架研究，构建基于GMDH的动态聚类集成客户价值细分模型。项目组建立了一种基于数据分组处理算法的聚类集成框架用于解决面临的问题。以此框架为核心，可以进行不同种类的聚类集成传递函数的应用。第三，管理实证研究。本项目拟将提出的动态聚类集成模型运用到应用商店企业客户价值细分的实践中，并与已有的一些方法进行比较，为应用商店的发展提供相应的决策支持。项目组所提出聚类集成算法框架能够将现有的众多基本聚类器进行集成，得到更高精度、更加稳定的结果。管理实证研究也表明所提出的方法不仅仅可以应用于应用商店领域中，同样在其他领域中也有较好的表现，有效地扩展了该项目的应用和推广范围。