基于RFM模型的电子商务客户细分

发布时间：2022-02-20 05:17

　　对电子商务企业的客户进行客户细分,通过差异化服务,可以提高电子商务企业的竞争力。通过Python对某家电子商务数据进行整理,建立RFM模型,在此模型上,通过两种方法—K-means聚类分析和四分位法,对客户进行客户细分,并对两种方法的优缺点进行比较,企业可以根据自己的需要选择不同的方法。通过肘部曲线,更合理的确定了分类的个数,四分位法可以使客户价值的评分与权重更加客观。企业可以通过自己的需要选择相应的方法来找到最优和有潜力客户等,进行针对性策略吸引客户,形成长期购买行为,提高客户忠诚度。 

【文章来源】：市场周刊. 2020,(04)

【文章页数】：3 页

【文章目录】：
一、 引言
二、 RFM模型
三、 权重分析
    (一)K-means聚类
    (二)四分位法
四、 数据整理
五、 数据分析与结果
    (一)K-means聚类结果
    (二)四分位法细分的结果
    (三)两种模型结果比较
六、 结语


【参考文献】：
期刊论文
[1]基于RFM模型视角的服务成本与顾客价值关系研究[J]. 宗毅,邢浩.  价值工程. 2019(30)
[2]基于聚类的恐袭事件嫌疑人与可疑据点预测[J]. 姜丁菊,刘学文,姜晓雪.  重庆工商大学学报(自然科学版). 2019(03)
[3]基于RFA模型和聚类分析的百度外卖客户细分[J]. 包志强,赵媛媛,赵研,胡啸天,高帆.  计算机科学. 2018(S2)
[4]基于改进RFM模型的电子商务客户细分[J]. 徐翔斌,王佳强,涂欢,穆明.  计算机应用. 2012(05)
[5]客户行为的有效聚类[J]. 刘慧婷,倪志伟.  计算机工程与应用. 2010(04)

硕士论文
[1]基于RFM模型的C2C环境下顾客价值识别研究[D]. 安祥茜.西南财经大学 2012



本文编号：3634393