ग्राहक आधार के इष्टतम संकरण के माध्यम से व्यक्तिगतकरण समाधानों में सुधार

वेब पर, जहां खोज की लागत कम होती है और प्रतिस्पर्धा केवल एक माउस क्लिक की दूरी पर है, ग्राहकों को बुद्धिमानी से खंडित करना महत्वपूर्ण है ताकि उन्हें अधिक लक्षित और व्यक्तिगत उत्पाद और सेवाएं प्रदान की जा सकें। पारंपरिक रूप से, ग्राहक विभाजन सांख्यिकी आधारित विधियों का उपयोग करके प्राप्त किया जाता है जो ग्राहक डेटा से एक निश्चित सांख्यिकी का सेट गणना करते हैं और इन सांख्यिकी के क्षेत्र में दूरी-आधारित क्लस्टरिंग एल्गोरिदम को लागू करके ग्राहकों को खंडों में समूहित करते हैं। इस पत्र में, हम ग्राहक खंडों की गणना के लिए एक प्रत्यक्ष समूह-आधारित दृष्टिकोण प्रस्तुत करते हैं जो ग्राहकों को गणना की गई सांख्यिकी के आधार पर नहीं, बल्कि कई ग्राहकों के लेन-देन संबंधी डेटा को इष्टतम रूप से संयोजित करने के संदर्भ में समूहित करता है ताकि प्रत्येक समूह के लिए ग्राहक व्यवहार का डेटा माइनिंग मॉडल बनाया जा सके। फिर, ग्राहक खंड बनाने के लिए ग्राहकों के आधार को असंबद्ध समूहों में सर्वश्रेष्ठ विभाजन खोजने की संयोजकीय अनुकूलन समस्या बन जाती है। यह पत्र दिखाता है कि एक इष्टतम ग्राहक विभाजन खोजना NP-हार्ड है, कई अनुपयुक्त प्रत्यक्ष समूह विभाजन विधियों का प्रस्ताव करता है, और उन्हें पारंपरिक सांख्यिकी आधारित संरचनात्मक और स्नेह प्रायोजन आधारित विभाजन, और एक-से-एक विधियों के बीच विभिन्न प्रयोगात्मक परिस्थितियों में अनुभवजन्य रूप से तुलना करता है। यह दिखाया गया है कि सबसे अच्छे प्रत्यक्ष समूह विधि महत्वपूर्ण रूप से अधिकतर प्रयोगात्मक परिस्थितियों में सांख्यिकी आधारित और एक-से-एक दृष्टिकोणों पर हावी है, जबकि फिर भी गणनात्मक रूप से व्यावहारिक है। यह भी दिखाया गया है कि सबसे अच्छे प्रत्यक्ष समूह विधि द्वारा उत्पन्न ग्राहक खंडों के आकार का वितरण एक शक्ति कानून वितरण का पालन करता है और कि माइक्रोसेगमेंटेशन व्यक्तिगतकरण के लिए सबसे अच्छा दृष्टिकोण प्रदान करता है।