开发工具:
文件大小: 399kb
下载次数: 0
上传时间: 2010-10-14
详细说明: 基于数据挖掘的零售业客户细分研究 ●叶孝明黄祖庆 摘要:文章根据基于购买行为的客户细分方法,运用数据挖掘中的聚类分析和决策树分类技术,对零售业客户细分 模型进行了研究、建立及实验分析,为零售业客户细分提供了一种有效而实用的分析方法。 关键词:零售业;客户细分;数据挖掘 客户细分是客户关系管理的基本任务之一,在目前客 户终生价值研究还没有成熟的情况下。采用基于购买行为 的客户细分方法不失为一种有效的选择。对于零售企业而 言.通过一定的技术将客户细分为不确定型客户、经常性 客户、乐于消费型客户和最好的客户,然后对每一类客户 的特征进行分析.有助于提高营销活动的针对性和有效 性.有助于客户关系管理的良好实施。零售业客户人数众 多,购买行为数据量十分庞大,通过运用数据挖掘中的聚 类分析和决策树技术。可以对零售业客户群进行合理的细 分。 一、基于购买行为的客户细分方法 RFM分析是广泛应用于数据库营销的一种客户细分 方法。R(Recency)指上次购买至今之期间,该时期越短,则 R越大。研究发现。R越大的客户越有可能与企业达成新 的交易。F(Frequency)指在某一期间内购买的次数。交易次 数越多的客户越有可能与企业达成新的交易。M(Mone— tary)指 在某一期间内购买的金额。M越大,越有可能再次 响应企业的产品与服务。RFM分析的所有成分都是行为 方面的,应用这些容易获得的因素。能够预测客户的购买 行为。以最近的行为预测客户的购买行为比用其他任何一 种因素进行预测更加准确和有效。 为了消除购买次数与总购买额间的多重共线性,Mar- CUS提出对传统的RFM分析进行修正,用平均购买额代替 总购买额。另外,为了解决传统RFM分析过多细分客户群 的缺陷,他提出用购买次数(F)与平均购买额(A)构造的客 户价值矩阵简化细分的结果,该矩阵将客户细分为四个客 户群,其中平均购买额与购买次数都较低的为不确定型客 户:平均购买额较低而购买次数较高的为经常性客户;平 均购买额较高而购买次数较低的为乐于消费型客户主;平 均购买额与购买次数都较高的为最好的客户。第三个变量 Recency在客户价值矩阵中被剔除。 产生客户价值矩阵需要的信息有 ...展开收缩
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台,提供交流渠道,下载内容来自于网络,除下载问题外,其它问题请自行百度。
- 本站已设置防盗链,请勿用迅雷、QQ旋风等多线程下载软件下载资源,下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载,请稍后再次尝试;或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎,请到消费记录里找到下载记录反馈给我们,经确认后退回积分.
- 如下载前有疑问,可以通过点击"提供者"的名字,查看对方的联系方式,联系对方咨询.