随着我国汽车行业的飞速发展，汽车厂家间的竞争日趋激烈，在汽车保有量急剧增长的同时，汽车售后服务的市场也随之变得越来越大。汽车厂家之间的竞争也已经由汽车的销售竞争转移到了售后服务的竞争。汽车4S店的售后维修服务部门作为汽车厂家与车主维系客户关系的重要部门，需要加速建设以客户为中心的客户关系管理体系。4S店售后维修服务部门的服务对象是保有其品牌车系的全部车主，如何对这一庞大的客户群体进行有针对性的客户细分是4S店售后维修服务部门进行良好客户关系管理的基础。

   数据挖掘技术近年来在商业领域被越来越广泛的应用，4S店售后维修服务部门也希望能够利用先进的数据挖掘技术来支持企业的客户细分和客户关系管理政策的制定。许多数据挖掘技术，如K均值聚类和自组织映射方法等，为企业进行客户细分和制定商业策略提供了更好的方法。商业环境是在不断变化的，客户也随着时间不断演化。随着商业环境变化所带来的客户群变化，客户细分以及通过各数据源分析得到的知识也应随着时间发生变化。而现在大多数研究都假设客户群及成员是稳定的。

   为了解决这些问题，基于汽车维修服务业的特点，基于CRISP-DM模型提出了4S店客户细分及客户群变化挖掘方法。在充分理解商业需求和数据特点后，在数据处理过程中本文基于汽车维修交易数据的特点提出了YKFM指标模型。在建模阶段，首先SOM神经网络被用来进行客户的初始聚类，并根据聚类结果得到客户细分结果；其次在客户细分结果的基础上，分别从客户群和客户个体两个角度分析客户随时间变化情况。在客户群角度，定义并发现客户群在群大小及群属性上的变化，在客户个体角度，通过建立客户转移矩阵，通过关联分析发现车主的主要转移路径。在评估和实施阶段，将所提方法应用在某4S店近5年的车主维修交易记录中，并对客户细分结果及客户转移模式进行了表示。实验结果表明了所提方法的可行性和有效性。

基于客户行为的4S店客户细分及其变化挖掘.pdf