面向制造业的动态B2B客户细分的解析化多准则框架
机器学习
2026-05-19 v1
摘要
在销售和营销中，客户细分是制定客户处理策略和供应链管理的重要工具。大多数细分实施依赖有限的准则，如准确性、频率和货币( RFM)建模，这些模型往往难以捕捉复杂的商业互动。在本工作中，我们在B2B制造业背景下设计并评估了一种动态多准则决策(MCDM)方法，通过(1)扩展RFM模型的维度，加入稳定性和增长维度；(2)集成适应性的层次化过程以匹配商业目标；(3)评估多变量时序聚类模型。随后，我们衡量客户稳定性，跟踪跨段迁移，并随时间推移衡量波动性，并应用图基共识模型进一步强化分析。我们使用真实的制造业数据集对所提方法的有效性进行测试，对3000多名B2B客户进行细分，显示其对时间性变化具有很强的鲁棒性。该实现使具备偏好分析能力的领域专家能够制定其策略，为B2B客户细分提供有效的决策支持。
引用
@article{arxiv.2605.17151,
title = {An Analytical Multiple Criteria Framework for Temporal and Dynamic Business-to-Business Customer Segmentation in Manufacturing},
author = {Muhammad Raees and Konstantinos Papangelis and Vassilis Javed Khan},
journal= {arXiv preprint arXiv:2605.17151},
year = {2026}
}