【摘 要】以客户价值理论为基础，建立了基于 LRFMC 模型的广播电视用户价值评估模型，利用python网络爬虫获取用户数据进行实证分析，对数据进行清洗和标准化处理，并利用K-Means聚类分析对用户进行合理分类。通过比较不同类型用户的价值，对不同类别用户采用区别化的营销策略。
【关键词】大数据挖掘;客户价值分析;聚类分析
中图分类号： F831.2;TP311.13文献标识码： A 文章编号： 2095-2457（2019）34-0223-001
DOI：10.19694/j.cnki.issn2095-2457.2019.34.105
Customer Value Analysis of Radio and Television Based on Big Data Mining
DAI Xin-jian
（Changsha Social work college，Changsha Hunan 410004， China）
【Abstract】Based on the theory of customer value， a radio and television user value evaluation model based on lrfmc model is established. The user use data obtained by Python web crawler is used for empirical analysis， data is cleaned and standardized， and users are reasonably classified by K-means clustering analysis. By comparing the value of different types of users， different marketing strategies are adopted for different types of users.
【Key words】Big data mining; Customer value analysis; Cluster analysis
0 引言
目前我国已经全面进入“三网融合”时代，伴随着互联网技术的快速发展，传统的广播电视网络也开始朝着综合信息网络的方向转变，开始向用户提供了基于信息实时交互的全方位、个性化的产品营销和有偿服务。在这个背景下，如何利用大数据技术建立客户价值分析模型，按用户价值对用户进行合理划分，并根据采取多样性营销手段，是广播电视网络企业实现客户保持、提高市场竞争力的重要途径。
1 客户价值分析模型
客户价值模型是基于价值聚类的思想，按照价值贡献度对客户进行等级划分。根据电视广播用户特点建立LRFMC模型，包含观看频率（F）、观看节目总时长（C）、入网总时长（L）、距最近观看时间（R）、消费总金额（M）等五个指标。具体指标定义如表1所示。
表1 LRFMC模型指标释义表
2 基于LRFMC模型的客户价值分析
本文利用python网络爬虫收集了2019年7月至8月的1966个广播电视用户的2741912条收视信息，利用基于LRFMC模型利用K-means聚类分析方法，进行客户价值分析。
2.1 数据预处理
数据预处理包括数据清洗和标准化两个步骤。数据清洗过程剔除了信息不完整及不合理的数据，并利用正则表达式影片名进行了清洗，最终保留了1956个用户的2651232条有效数据。同时，为了消除量纲对聚类分析的影响，对数据进行标准差标准化处理。
2.2 K-means聚类
利用轮廓系数（Silhouette Coefficient）得分来确定最佳聚类组数，运用python计算可得组数为2～8时的轮廓系数得分，如图1所示。显然，当聚类组数为5时轮廓系数得分最高，为最佳聚类组数。
2.3 聚类结果分析
通过聚类分析，我們从数量和价值两个维度将所有客户分为五类，各类别用户数和占比情况如表2所示。
对于客户类型采取不同的营销策略：对于低价值用户，应该以广告营销为主，注重信息传达率，保持黏性，及时进行引导;对于重要保持用户，应实施跟踪营销，快速响应并提供个性化服务促进用户升级;对于重要发展用户，应以提供个性化服务为主，提升此类用户的体验和满意度;对于重点挽留用户，应作为重点联系对象，通过各种措施延长客户生命周期;对于高价值用户，应该挖掘这类用户的个性化需求，提供个性化服务以及增值服务，提高此类用户的满意度和忠诚度。
3 结语
客户是市场竞争中的重要资源，有效的客户关系管理能通过客户认知、识别与保留来实现潜在客户的挖掘和高价值客户的发现。通过建立客户价值模型，按价值贡献大小细分客户类型，采取精细化的营销策略，是客户关系管理的重点环节，也是实现企业盈利率最大化的重要途径。
【参考文献】
[1]邓基刚，郑成德，刘景燕.基于RFM模型的烟草客户聚类分析研究[J].价值工程，2015（6）：21-22.
[2]綦欣德.客户细分方法新视角[J].商业时代，2013，26：31-33.
[3]于辉，廖小红.客户细分方法综述[J].中小企业管理与科技（下旬刊），2014（11）：17-18.
[4]郭崇.基于大数据分析的网购客户忠诚度建模仿真[J]. 计算机仿真，2015（1）：61-63.