电子商务网站中客户流失预测模型研究

发布时间：2017-07-29 23:07

  本文关键词：电子商务网站中客户流失预测模型研究

  更多相关文章： 电子商务 客户流失 Pareto/NBD模型 朴素贝叶斯算法 支持向量机 BP神经网络

【摘要】：近年来,随着互联网的发展,信息化社会的日益进步,电子商务网站作为企业新的营销渠道,越来越多的消费者已经开始接受网络购物这一新的购物方式。电子商务网站越来越成为众多网络用户光顾的场所的同时也带来了一系列的问题,客户时常处于不稳定状态,客户流失率高。对于网站,如何最大程度的规避客户的流失,降低网站客户的流失率,成为当前电子商务运营商急需解决的一个问题。 本文首先在对客户关系管理理论及电子商务客户流失、数据挖掘相关理论理解的基础上,结合电子商务网站客户流失的特征,提出了电子商务网站下的四种客户流失预测模型。 接着,本文通过理论和实证相结合的方式,以CD零售商CDNOW电子商务网站客户购买数据为研究背景,对样本数据使用SPSS17.0进行描述性分析的基础上,分别利用Pareto/NBD模型、朴素贝叶斯算法模型、支持向量机预测模型及BP神经网络预测模型进行实证研究。论文在第四部分详细介绍了模型的实证过程,包括数据的说明与解释、模型实证,实证后采用数值化指标进行的模型结果评价。 最后,结合客户关系管理理论及实证结果,首先提出了电子商务网站客户流失类型及控制网站客户流失的策略制定原则;接着将受力分析的思想引入对客户流失问题的研究,对网站客户流失进行受力分析,发现导致网站客户流失的推力和引力;最后通过分析,引入控制网站客户流失的拉力及阻力策略来控制网站客户流失。从实践角度看,本文提出的研究思路可以为我国电子商务行业客户流失分析、预测提供一定的参考。
【关键词】：电子商务 客户流失 Pareto/NBD模型 朴素贝叶斯算法 支持向量机 BP神经网络
【学位授予单位】：江苏科技大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F274;F724.6;TP393.092
【目录】：

• 摘要6-7
• Abstract7-18
• 第1章 绪论18-28
• 1.1 研究背景及目的意义18-19
• 1.1.1 研究背景18-19
• 1.1.2 研究目的和意义19
• 1.2 国内外研究现状19-23
• 1.2.1 契约关系情景下客户流失预测方法国内外研究现状20-21
• 1.2.2 非契约关系情景下客户流失预测方法国内外研究现状21-22
• 1.2.3 国内外研究现状评述22-23
• 1.3 研究思路、主要内容、研究方法、创新点23-26
• 1.3.1 研究内容23-24
• 1.3.2 研究思路24
• 1.3.3 研究方法24-25
• 1.3.4 研究创新点25-26
• 1.4 技术路线26-27
• 1.5 本章小结27-28
• 第2章 相关理论及技术28-40
• 2.1 客户关系管理28-30
• 2.1.1 CRM 概述28
• 2.1.2 CRM 的核心思想28-29
• 2.1.3 CRM 的目标29
• 2.1.4 CRM 在电子商务中应用29-30
• 2.2 电子商务客户流失及相关理论30-31
• 2.2.1 客户流失30-31
• 2.2.2 电子商务客户流失31
• 2.3 Pareto/NBD 模型31-33
• 2.4 数据挖掘33-34
• 2.4.1 数据挖掘定义33
• 2.4.2 数据挖掘的任务33
• 2.4.3 数据挖掘的过程33-34
• 2.5 用于预测的数据挖掘方法34-38
• 2.5.1 朴素贝叶斯算法35
• 2.5.2 支持向量机35-37
• 2.5.3 BP 神经网络37-38
• 2.6 本章小结38-40
• 第3章 电子商务网站客户流失预测模型40-46
• 3.1 建立网站客户流失预测模型的可行性与必要性40-41
• 3.2 Pareto/NBD 预测模型41-42
• 3.2.1 数据处理41
• 3.2.2 参数估计41
• 3.2.3 客户活跃度计算41
• 3.2.4 算法实现41-42
• 3.3 朴素贝叶斯算法预测模型42-43
• 3.3.1 算法步骤42
• 3.3.2 算法实现42-43
• 3.4 支持向量机预测模型43
• 3.4.1 指标的选择43
• 3.4.2 模型的构造43
• 3.4.3 算法实现43
• 3.5 BP 神经网络预测模型43-45
• 3.5.1 BP 神经网络模型的结构设计43-44
• 3.5.2 BP 神经网络初始参数的选择44
• 3.5.3 算法实现44-45
• 3.6 本章小结45-46
• 第4章 网站客户流失预测模型实证研究46-65
• 4.1 基于Pareto/NBD 模型的客户流失预测实证研究46-52
• 4.1.1 数据的获取与解释46
• 4.1.2 Pareto/NBD 模型参数估计46-50
• 4.1.3 Pareto/NBD 模型计算客户活跃度50-52
• 4.2 基于朴素贝叶斯算法的客户流失预测实证研究52-57
• 4.2.1 数据的获取与解释52
• 4.2.2 训练样本训练朴素贝叶斯算法模型52-56
• 4.2.3 测试样本验证朴素贝叶斯算法模型56-57
• 4.3 基于支持向量机的客户流失预测实证研究57-58
• 4.3.1 数据的获取与解释57
• 4.3.2 支持向量机模型的构造57-58
• 4.4 基于BP 神经网络的客户流失预测实证研究58-61
• 4.4.1 数据的获取与解释58-59
• 4.4.2 模型训练及测试59-61
• 4.5 模型评价61-64
• 4.5.1 模型评价标准61-62
• 4.5.2 模型评价结果62-64
• 4.6 本章小结64-65
• 第5章 控制电子商务网站客户流失的策略研究65-72
• 5.1 电子商务网站客户流失类型65-66
• 5.2 控制电子商务网站客户流失的策略制定原则66
• 5.3 控制电子商务网站客户流失的策略66-71
• 5.3.1 导致电子商务网站客户流失的受力分析66-68
• 5.3.2 基于受力分析的控制电子商务网站客户流失的策略68-71
• 5.4 本章小结71-72
• 总结与展望72-74
• 参考文献74-77
• 攻读学位期间发表的学术论文77-78
• 致谢78-79
• 详细摘要79-83

【引证文献】

中国硕士学位论文全文数据库 前1条

1 赵晔;基于服务供应链的煤炭港口客户关系管理研究[D];燕山大学;2012年

，

本文编号：591478