How to support customer segmentation with useful cluster descriptions
Autor:innen
Autor:in (Körperschaft)
Publikationsdatum
2015
Typ der Arbeit
Studiengang
Typ
04B - Beitrag Konferenzschrift
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Advances in data mining. Applications and theoretical aspects
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Lecture Notes in Artificial Intelligence
Reihennummer
9165
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
17-31
Patentnummer
Verlag / Herausgebende Institution
Springer
Verlagsort / Veranstaltungsort
Cham
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
Customer or market segmentation is an important instrument for the optimisation of marketing strategies and product portfolios. Clustering is a popular data mining technique used to support such segmentation – it groups customers into segments that share certain demographic or behavioural characteristics. In this research, we explore several automatic approaches which support an important task that starts after the actual clustering, namely capturing and labeling the “essence” of segments. We conducted an empirical study by implementing several of these approaches, applying them to a data set of customer representations and studying the way our study participants interacted with the resulting cluster representations. Major goal of the present paper is to find out which approaches exhibit the greatest ease of understanding on the one hand and which of them lead to the most correct interpretation of cluster essence on the other hand. Our results indicate that using a learned decision tree model as a cluster representation provides both good ease of understanding and correctness of drawn conclusions.
Schlagwörter
Fachgebiet (DDC)
004 - Computer Wissenschaften, Internet
330 - Wirtschaft
330 - Wirtschaft
Veranstaltung
15th Industrial Conference, ICDM 2015
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
11.07.2015
Enddatum der Konferenz
24.07.2015
Datum der letzten Prüfung
ISBN
978-3-319-20910-4
978-3-319-20909-8
10.1007/978-3-319-20910-4_2
978-3-319-20909-8
10.1007/978-3-319-20910-4_2
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review der ganzen Publikation
Open Access-Status
Closed
Lizenz
Zitation
WITSCHEL, Hans Friedrich, Simon LOO und Kaspar RIESEN, 2015. How to support customer segmentation with useful cluster descriptions. In: Petra PERNER (Hrsg.), Advances in data mining. Applications and theoretical aspects. Cham: Springer. 2015. S. 17–31. Lecture Notes in Artificial Intelligence, 9165. ISBN 978-3-319-20910-4. Verfügbar unter: https://doi.org/10.26041/fhnw-58