电子商务客户流失模型的比较与实证研究

发布时间：2017-03-25 20:12

  本文关键词：电子商务客户流失模型的比较与实证研究，由笔耕文化传播整理发布。

【摘要】：随着电子商务普及的范围越来越大,数量越多,发展越来越快,各电子商务企业间的竞争也越来越大、越演越烈。众所周知,电子商务企业最重要的就是客户,客户可以分为新客户和老客户。很多研究结果都表明,保留老客户所需的成本比发展新客户要低很多,并且老客户为企业带来更高的利润。所以在电子商务领域,对客户流失情况进行分析,预测出可能会流失的客户,进而采取相应的措施对这部分客户进行挽留,避免其流失具有非常重要的意义。现在大部分电子商务企业都已对客户的基本特征信息和交易行为等数据进行了深入分析,然后再利用各种方法和技术建立和研究客户流失预测模型,最后以此来对客户流失情况进行预测。数据挖掘技术已经广泛运用到电子商务企业的客户关系管理中,如客户细分、客户流失预测、提及欺诈分析等。以往的有关客户流失的预测研究基本上都是针对实体企业的,如中国电信、银行等,专门针对电子商务进行客户流失的研究相对较少。已有的电子商务客户流失研究很多都基于客户特征信息如客户的年龄、性别、年收入等来做的,由于电子商务的客户具有虚拟化不可见的特点,这些客户统计信息根本无法得到。本文主要收集电子商务的客户交易数据,针对此数据运用数据挖掘技术建立电子商务客户流失模型,让企业能够及时了解到客户动态,掌握客户流失规律,从而据此制定合适的客户保持策略,以在当前电子商务的激烈竞争处于优势地位。在本次研究过程中,本次首先对客户流失以及电子商务领域的客户流失的国内外现状进行了分析。其次,对数据挖掘理论和方法以及客户流失常用挖掘算法Logistic回归和神经网络进行了系统的整理和概述,为后续的研究做好了理论准备。再次,本文对SMC模型进行了详细的介绍,并基于此给出了电子商务客户潜在价值的计算方法。然后再进行数据收集、数据准备、指标选择等工作。最后使用SPSS Clementine数据挖掘软件建立了三种预测模型:一是采用Logistic二项回归直接建模;二是采用神经网络建立模型;三是基于客户潜在价值使用神经网络建立模型,这里详细介绍了使用SMC模型计算客户潜在价值的步骤并验证了SMC模型在电子商务领域的使用性。对于建立的三个模型,本文分别进行了模型评估和结果分析。本次研究取得了很好的客户流失预测效果,所建立的三个电子商务客户流失模型都有着较好的预测正确率,神经网络比Logistic二项回归更适用于电子商务企业客户流失预测模型,并且基于客户潜在价值的客户流失模型具有更高的预测正确率。
【关键词】：电子商务 客户流失 潜在价值 Logistic 回归 神经网络
【学位授予单位】：首都经济贸易大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F274;F724.6
【目录】：

• 摘要4-5
• Abstract5-8
• 1 引言8-15
• 1.1 研究背景8-9
• 1.2 国内外相关研究现状9-11
• 1.2.1 客户流失研究现状9-11
• 1.2.2 电子商务客户流失研究现状11
• 1.3 研究内容11-12
• 1.4 研究的创新点12
• 1.5 技术路线12-13
• 1.6 论文的结构13-15
• 2 相关理论和技术15-28
• 2.1 客户关系管理15-18
• 2.1.1 客户关系管理概述15-16
• 2.1.2 客户价值16
• 2.1.3 客户流失16-17
• 2.1.4 电子商务客户流失17-18
• 2.2 数据挖掘概述18-22
• 2.2.1 数据挖掘的概念18-19
• 2.2.2 数据挖掘应用领域19-21
• 2.2.3 数据挖掘过程模型21-22
• 2.3 电子商务客户流失数据挖掘技术22-25
• 2.3.1 Logistic二元回归22-23
• 2.3.2 神经网络23-25
• 2.4 SPSS Clementine25-26
• 2.5 本章小结26-28
• 3 基于SMC模型的电子商务客户潜在价值28-34
• 3.1 电子商务客户价值评价体系28-29
• 3.2 基于SMC模型的电子商务客户潜在价值29-33
• 3.2.1 SMC模型29-32
• 3.2.2 SMC模型与电子商务32-33
• 3.2.3 基于SMC模型计算电子商务客户的潜在价值33
• 3.3 本章小结33-34
• 4 电子商务客户流失模型及实证分析34-52
• 4.1 业务理解34
• 4.2 数据准备34-36
• 4.2.1 数据收集34-35
• 4.2.2 数据清理及标准化35
• 4.2.3 数据划分35-36
• 4.3 指标选择36-41
• 4.3.1 数据分析36-37
• 4.3.2 确定建模指标37
• 4.3.3 基于SMC模型计算客户潜在价值37-41
• 4.4 电子商务客户流失模型建立41-42
• 4.5 电子商务客户流失模型评估比较42-46
• 4.5.1 Logistic模型评估42-44
• 4.5.2 神经网络模型评估44
• 4.5.3 基于潜在价值神经网络模型评估44-46
• 4.6 电子商务客户流失模型结果分析46-50
• 4.6.1 Logistic回归分析46-47
• 4.6.2 BP神经网络47-48
• 4.6.3 基于潜在价值BP神经网络48-50
• 4.6.4 结果比较50
• 4.7 本章小结50-52
• 5 总结与展望52-53
• 参考文献53-56
• 在学期间发表的学术论文和研究成果56-57
• 致谢57-58

【参考文献】

中国期刊全文数据库 前4条

1 邱冬阳;电子商务营销新模式──客户关系管理[J];北京工商大学学报(社会科学版);2001年05期

2 刘绍清;黄章树;;生存分析在电信增值服务行业客户流失分析中的应用[J];广州大学学报(自然科学版);2006年06期

3 邓森文;马溪骏;;基于Cox模型的移动通信行业中低端客户流失预测研究[J];合肥工业大学学报(自然科学版);2010年11期

4 赖院根;刘砺利;;基于生存分析的信息用户流失研究与实证[J];情报杂志;2011年04期

中国硕士学位论文全文数据库 前1条

1 冯倩;网购客户流失的实证分析[D];西南财经大学;2013年

  本文关键词：电子商务客户流失模型的比较与实证研究，，由笔耕文化传播整理发布。

本文编号：267727