8、基于集成熵 - CRITIC 方法的酒店客户细分

基于集成熵 - CRITIC 方法的酒店客户细分

在酒店行业，精准的客户细分对于制定营销策略和提升客户满意度至关重要。本文将介绍一种基于集成熵 - CRITIC 方法的酒店客户细分模型，该模型结合了 2 - 元组语言模型和客观权重计算方法，旨在提高客户细分的准确性和可解释性。

1. 2 - 元组语言模型基础

2 - 元组语言模型能够在 2 - 元组值和数值之间进行转换。其中， round(·) 是四舍五入操作， sᵢ 是与 β 最接近的索引标签， α 表示符号转换的数值。函数 Δ 是双射的，其逆函数 Δ⁻¹ 可将 2 - 元组值转换为等效的数值，即 Δ⁻¹(sᵢ, α) = i + α = β 。

此外，还定义了 2 - 元组值的否定运算符，用于处理逆指标（如最近一次入住时间越短越好）。其定义如下：
neg((sᵢ, α)) = Δ(g - (Δ⁻¹(sᵢ, α))) = Δ(g - β)

2. 2T - RFMB 模型

传统的 RFM 模型通常使用分位数来确定客户价值并进行客户细分，但这种计算过程会导致信息丢失。因此，本文将 2 - 元组语言模型引入 RFMB 模型，以提高结果的准确性和可解释性。

设 U_qj 是第 q 个客户的最近一次入住时间、入住频率、消费金额和客户粘性的一组值。对于 U_q