【作　　者】
曹 国 沈利香

【作者单位】
（常州工学院经济管理学院 江苏常州 213022 常州工学院计算机信息工程学院 江苏常州 213002）

【摘　　要】

      【摘要】本文首先结合RFM理论建立了多层多维的商业银行零售客户价值的评价指标体系。通过拓宽RFM模型的指标体系，改变了RFM模型简单的特点。接着利用数据挖掘技术构建商业银行零售客户价值智能分类模型，针对数据仓库中的零售客户原始数据，利用K-means算法获得案例库中的历史案例客户价值分类类型；在构建案例相似度模型中，本文首次利用ANP模型获得评价指标的权重，强调了评价指标之间的相互影响。最后，利用灰色关联分析原理建立了多层灰色关联方法以适应所构建的商业银行零售客户评价指标体系。
      【关键词】客户细分   RFM模型   案例推理   灰色关联分析   网络层次分析法

　　　零售客户价值细分研究主要是探讨零售客户在某一时间点上的价值表现，价值细分的主要目的就是对客户在该时间点上的行为进行管理。通过对零售客户价值进行细分研究，可以帮助商业银行正确认识客户的价值贡献，并适当地进行分类，从而辅助商业银行长期识别、保留和发展零售客户。对此，众多学者进行了研究。
      冯永等（2004）提出了一种基于动态SOM神经网络和RFM指标的客户分类方法，首先利用动态SOM神经网络聚类分析模型产生客户簇，使企业能够有针对性地对不同客户实施差别化服务策略，为企业的客户战略提供了有力的支持。孟钊兰等（2008）运用多元统计的因子聚类分析方法，从风险要素和价值要素两个维度来重新设置银行信贷客户分类。殷琪（2008）利用模糊数学的有关理论建立了一套多因子客户分类评价模型，并应用此模型对企业的客户分类进行评价。张庭溢等（2008）基于数据挖掘的客户细分方法，提出了一套电信行业客户分类的数据挖掘技术应用解决方案，并对电信公司小灵通客户进行了应用分析。Achim Walter，Thomas Ritter 和Hans Georg Gemunden（2001）以货币因素与非货币因素将客户价值分为直接价值、间接价值和社会价值。