随着国外品牌的不断涌入，各个品牌之间进行着激烈的行业竞争，只有不断地创新，提高产品的竞争力，才能在行业中立足,客户的个性化需求在行业竞争中被纳入了主要竞争方向，根据不同的用户，提出个性化的，特有属性的热水器，成为了研究的新课题。
根据某品牌的热水器，采集了大量使用用户的用水习惯特征，10余项特征数据，作为建模基础数据。将用户的原始数据分为两部分，一部分为基础数据库中抽取的历史数据，另一部分为实时的监控数据，作为增量数据，可用于进行后期的测试。
采集用户的RFM模型数据，根据用户的消费金额，消费频率消费的时间间隔来划分客户群体，使用K-Mean算法进行客户分群。通过客户的分群进行设计营销手段和策略。
采集的数据有一部分的冗余数据，例如热水器的产品型号对整个数据分析没有影响，另外特征值相同的特征反应也对分析无作用，同样进行删除。对异常数据监测，对离群点数据进行分析，确定具体情况，避免后期建模影响。
根据原始数据的用水时间间隔，将用户的用水习惯以时段划分为不同时间间隔，记录相同时间间隔内用户用水频率，结合实际用水实验数据，分析其为两次用水的分隔。设置时间间隔的阈值。
通过划分用水时间可以获得用水次数，利用散点图比对寻找用户用水停顿习惯。进一步划分用水具体行为,确定洗浴事件,提高模型的拟合效果。客户数据分群，基本特征使用RFM模型。
BP(BackPropagation)神经网络，即误差反传误差反向传播算法的学习过程分为三层输入信号进入模型分别连接隐藏层的不同节点，各节点间可正向和反向传播，经过处理数据，输出结果如果达不到误差要求，则可以自调整各层次影响权值，不断调整，达到自己学习训练的能力，直到达到要求。一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。
多层神经网络的实现，使用scikit_learn库的MLPClassifier类来构建模型，MLPClassifier可以设置隐含层的层数及每层中神经元的数量，可以设置激活函数的具体类型。
identity激活函数为恒等式函数f(x)=x
logistic激活函数为sigmoid函数f(x)=1/(1+exp(-x))
tan函数f(x)=(exp(x)-ep(-x))/(exp(x)+exp(-x))
relu激活函数为修正线性单元f(x)=max(0,x)
K-Mean算法是一种常用的聚类模型，是一种基于聚类中心的随机选择算法，聚类的结果依据与初始的聚类中心的选择。通过设定聚类中心的数量，输出满足误差的聚类结果。使用散点图查看聚类效果。在使用时要特别注意离线或异常数据对聚类的影响。init参数可以设置初始的选择值，可以通过平均值向量间的距离都比较远的作为聚类中心，也可以根据随机选择的多个样本计算出均值作为聚类中心。
使用train_test_split函数划分训练集和测试集。构建神经网络模型的数据进行标准化消除量级差异。
#读取数据并区分训练集和测试集到xtrain,ytrain,xtest,ytest
#标准化数据
在构建模型时，可以选用不同的最优化算法，进行比较分析。在进行模型评价是作为输入数据进行比对分析。
为了评价模型的效果，使用精确率、召回率以及F1值作为模型评价，同时结合ROC曲线分析模型情况。
企业可以根据用户的用水事件情况改进产品设计，使用户都能得到个性化的定制产品。通过对客户的分群，分化4类客户：重要客户，这类客户的购买的品牌产品价格较高，更新产品频率也较高，注重品牌效应，注重个性化产品体验。对产品的要求较高。企业应该将这类客户列为一对一营销类客户，进行差异化管理，形成较为详细的营销方案，提高这类客户的整体的满意度，对品牌产生黏性效应;重点发展类客户，这类客户的购买产品价格较高，但更新频率较低，注重品牌效应和个性化产品体验，需要加强宣传和营销，提供营销策略，增加客户购买欲望，减少客户的流失。增加对企业的信任感，成为稳定客户;第三类客户为一般客户，注重性价比，对个性化推荐不敏感，不确定性比较高，企业要提高这类客户对产品的认可度，提高体验效果，拉升购买价位。第四类客户为低价值客户，这类客户在企业折扣或者低价时会有一定的购买行为。购买频率很低，整体购买能力差。
通过客户的聚类情况，可以反映企业的管理发展阶段处于哪个时期，前3类客户比较集中时，该品牌处于发展期，对企业的定位和后期策略制定起到很好的指导依据。另外在实际观察时，实时的数据可以作为近段时间产品的情况比较，当出现较大的波动时要分析实际情况，对产品进行调整，保持客户对企业的长久黏性是企业发展的根本。
大数据环境下，数据可视化和算法模型的运用，对企业品牌的发展注入了新的活力，在瞬息万变的电子商务竞争下，通过数据进行分析客户行为，及时的发现问题，对出现的问题及时的反映和调整对企业的生存提供了重要的保障，本论文利用采集的客户数据，进行数据的预处理，进行数据的合并，清洗，冗余数据的删除，数据标准化及数据变换给模型建立提供原始数据。
对数据进行比对分析，分化训练和测试模型，使用K-mean聚类算法进行客户的分群，使用BP神经网络模型分析用户用水事件和行为，发现数据中的有价值的信息得出结论和指导建议，促进企业的长远稳定的发展。
摘要：家用品牌热水器在使用中,会受到多种因素的干扰,用户使用方式,环境不同甚至年龄和性别都会对使用行为起到重要的影响。客户的购买行为对企业的营销策略的定制是重要的依据,本文使用神经网络模型构建用户使用热水器行为的识别模型,分析不同用户群体的使用习惯,加深对客户的了解。使用K-Mean聚类模型,对客户进行分群,走差异化和个性定制的路线,提高品牌影响力,提高品牌质量,提高用户的产品满意度。
关键词：神经网络,差异化,个性定制
[1] 唐睿旋,晏鄂川,唐薇.基于粗糙集和BP神经网络的滑坡易发性评价[J].煤田地质与勘探,2017,45(06):129-138.
[2] 郑贵洲,乐校冬,王红平,花卫华.基于World View-02高分影像的BP和RBF神经网络遥感水深反演[J].地球科学,2017,42(12):2345-2353.
[3] 朱聪聪,朱国维,张庆朝.BP神经网络在高密度电法反演中的改进与应用[J].煤炭技术,2017,36(12):90-92.
[4] 孙家文,黄杰,于永海,尹晶,王浩然.BP神经网络平衡岬湾岸线形态模型及其应用研究[J].海洋环境科学,2018,37(01):143-150.
[5] 李嘉康,李其杰,赵颖,廖洪林.基于CEEMD-BP神经网络的海温异常预测研究[J].数学的实践与认识,2017,47(24):163-171.
推荐阅读：
家用垃圾桶调查问卷09-07
家用中央空调怎样安装布局06-08
家用空调安装服务规范09-10
中国电信需要打造客户品牌05-25
介绍家用电器的说明文作文06-24
办公用品和家用品的广告词07-24
选修课家用电器的教学实践与体会09-26
品牌国内外研究07-05
中国品牌研究院07-09
某企业品牌战略研究05-27
