基于聚类分析的电子商务客户忠诚度研究

发布时间：2017-04-24 15:20

  本文关键词：基于聚类分析的电子商务客户忠诚度研究，由笔耕文化传播整理发布。

【摘要】：本文根据电子商务行业特点,对电子商务顾客忠诚度影响因素进行了全面的分析,以经典RFM客户忠诚度模型为基础,建立RFMSA电子商务客户忠诚度划分模型。该模型中,引入了电子商务中影响顾客忠诚的两个重要属性：满意度和关注度。从多个角度更加全面的分析了电子商务交易中顾客忠诚度的划分依据。在建立电子商务顾客忠诚度划分模型的基础上,通过聚类分析算法对顾客忠诚度进行划分。以经典聚类分析算法K-means为基础,提出分段确定初始聚类中心的改进算法对顾客忠诚度进行划分。通过该方法可以有效减少确定初始聚类中心的时间和因迭代计算产生的局部最优解的问题。利用聚类分析算法对顾客忠诚度进行划分时,存在分类边界不清晰问题,为使顾客忠诚度划分更加准确,本文采用了基于粗糙集的聚类分析算法,并提出基于隶属度的粗糙聚类算法。利用隶属度的聚类思想,不仅能够将粗糙集与聚类方法有效结合,而且能够使聚类边界附近的点分类更加合理。通过对经典样本数据进行分析得出的实验结果表明,改进的基于粗糙集的K-means聚类算法能够有效的提高聚类的准确率。为验证本文所提算法的有效性,通过对某网上商城会员交易数据进行分析,对其顾客忠诚度进行划分。实验结果表明,与基于K-means的聚类分析算法相比,本文提出的改进算法对电子商务顾客忠诚度划分的准确度更高,能够更好的对电子商务顾客忠诚度进行划分。
【关键词】：顾客忠诚度 RFMSA K-means 粗糙集
【学位授予单位】：哈尔滨商业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F724.6;TP311.13
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 1 绪论11-17
• 1.1 课题背景11-12
• 1.2 研究的目的意义12-13
• 1.3 国内外研究现状13-15
• 1.4 论文主要研究内容15-17
• 2 电子商务客户忠诚度模型研究17-26
• 2.1 客户忠诚度分析17-18
• 2.2 电子商务中客户忠诚度的特点18-20
• 2.2.1 顾客信任度18-19
• 2.2.2 服务质量与满意度19
• 2.2.3 顾客关注度19-20
• 2.3 传统客户忠诚度模型20-21
• 2.4 电子商务客户忠诚度模型21-25
• 2.4.1 客户分析指标模型22-23
• 2.4.2 RFM客户忠诚度模型23-24
• 2.4.3 经典客户忠诚度模型的优缺点分析24-25
• 2.5 本章小结25-26
• 3 聚类分析方法研究26-35
• 3.1 数据挖掘技术26-28
• 3.1.1 数据挖掘对于电子商务的意义26-27
• 3.1.2 常用的数据挖掘分析方法27-28
• 3.2 聚类分析算法28-30
• 3.3 K-means算法30-32
• 3.4 粗糙集理论32-34
• 3.5 本章小结34-35
• 4 电子商务客户忠诚度聚类分析35-61
• 4.1 电子商务顾客忠诚度分析模型的建立35-37
• 4.2 数据的组织与存储37-48
• 4.2.1 数据源38-42
• 4.2.2 数据的预处理42-43
• 4.2.3 关键字段的输入43
• 4.2.4 数据清洗43-44
• 4.2.5 数据转换44-48
• 4.3 基于粗糙集的聚类算法顾客忠诚度分析48-52
• 4.3.1 粗糙集48
• 4.3.2 算法流程48-49
• 4.3.3 改进的基于粗糙集的k-means聚类算法49-51
• 4.3.4 算法测试51-52
• 4.4 客户忠诚度分析的实现52-60
• 4.4.1 数据的预处理52-56
• 4.4.2 算法的实现56-58
• 4.4.3 客户忠诚度分析58-60
• 4.5 本章小结60-61
• 结论61-63
• 参考文献63-68
• 攻读学位期间发表的学术论文68-69
• 致谢69

【参考文献】

中国期刊全文数据库 前5条

1 唐胡鑫;;电子商务客户忠诚度模型仿真研究[J];计算机仿真;2016年01期

2 王克富;;基于数据挖掘技术的AFH客户分类应用研究[J];技术经济与管理研究;2012年11期

3 徐翔斌;王佳强;涂欢;穆明;;基于改进RFM模型的电子商务客户细分[J];计算机应用;2012年05期

4 张U，

本文编号：324478