基于RFM改进模型的互联网金融平台用户细分研究

发布时间：2017-10-28 02:28

  本文关键词：基于RFM改进模型的互联网金融平台用户细分研究

  更多相关文章： RFM改进 互联网金融 Two-Step层次聚类 用户价值 用户细分

【摘要】：从2013年起,互联网金融开始在我国迅速发展,余额宝、微信支付等各种互联网金融创新产品相继推出,对传统银行很大的冲击,我国金融行业进入互联网金融领域。本文结合用户在互联网金融平台活期产品的投资赎回行为特点,建立了考虑用户赎回行为的RFM改进模型,采用熵值法确定指标权重,计算确定用户个人价值,并使用Two-Step层次聚类算法对用户群体细分,最后将用户划分为五类用户群体,分别命名为低价值用户群、普通用户群、中坚用户群、高端用户群和VIP用户群。然后对各细分群体的四个聚类变量进行单变量分析和多变量分析,详细的阐述了用户群的特征和价值。结果表明改进的RFFM模型方法适应于互联网金融领域,是用户的价值识别与分析有效工具,也是研究用户投资行为特征的有效方法。最后根据不同细分群体的行为特征对企业方面提出了维持重要价值用户、突破重要存款用户和重要挽留用户、刺激一般发展用户的建议。对于在用户筛选的优先级方面以第5类用户为主,依次向下一级递减,每一级的高端用户向上一级转化,尾端用户预警和挽留,防止降级。本文的创新之处是把新兴互联网金融领域的赎回行为考虑在内实践并改进了传统RFM模型并做出用户细分研究,该模型对互联网金融企业加强用户价值分析,了解用户行为特征,提高管理水平和保证营销决策的精准性具有积极的实践意义。
【关键词】：RFM改进 互联网金融 Two-Step层次聚类 用户价值 用户细分
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F724.6;F832
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-10
• 1 引言10-13
• 1.1 研究背景和意义10-11
• 1.2 研究目标11-12
• 1.3 研究的主要内容和创新之处12-13
• 2 理论基础和相关概念13-22
• 2.1 客户关系管(CRM)概述13-14
• 2.2 客户价值理论基础14-16
• 2.3 RFM在客户细分中应用16-22
• 2.3.1 客户细分的概念16-17
• 2.3.2 基于RFM的客户细分17-22
• 3 基于互联网金融平台用户RFM模型改进22-26
• 3.1 互联网金融平台用户价值模型建立22
• 3.2 互联网金融平台用户价值模型权重确定22-24
• 3.2.1 异常值处理23
• 3.2.2 标准化处理23-24
• 3.3 互联网金融平台用户价值模型确定24-26
• 4 基于RFFM模型的用户价值计算26-34
• 4.1 数据描述26-31
• 4.1.1 数据准备26-27
• 4.1.2 样本描述统计27-31
• 4.2 用户价值计算31-34
• 4.2.1 用户权重确定31-32
• 4.2.2 用户价值计算32-34
• 5 基于聚类分析算法的用户细分34-63
• 5.1 聚类分析算法理论描述34-41
• 5.1.1 聚类分析的概念34
• 5.1.2 聚类分析算法的划分34-35
• 5.1.3 主要代表聚类算法35-37
• 5.1.4 两步聚类算法37-41
• 5.2 用户细分实证分析41-63
• 5.2.1 聚类结果41-42
• 5.2.2 聚类结果类别特征描述42-63
• 6 结论与建议63-65
• 参考文献65-67
• 附录A67-72
• 附录B72-75
• 作者简历及攻读硕士/博士学位期间取得的研究成果75-77
• 学位论文数据集77

【相似文献】

中国期刊全文数据库 前3条

1 黄聪;王东;;基于RFM分析模式与马尔可夫链的客户行为预测模型研究[J];情报杂志;2009年S2期

2 孙玲芳;张婧;;基于RFM模型和协同过滤的电子商务推荐机制[J];江苏科技大学学报(自然科学版);2010年03期

3 ;[J];;年期

中国重要报纸全文数据库 前1条

1 建行上海市分行信息技术部 刘玲玲;个人客户RFM模型初探[N];上海金融报;2013年

中国硕士学位论文全文数据库 前1条

1 吴晓雪;基于RFM改进模型的互联网金融平台用户细分研究[D];北京交通大学;2016年

，

本文编号：1106296