改进神经网络的电子商务客户流失估计

发布时间：2022-02-19 14:50

　　针对传统电子商务客户流失估计模型对RFM数值分析不准确,估计误差大的问题,提出基于改进神经网络的电子商务客户流失估计模型。利用改进神经网络分析历史数据,完成数据挖掘,分析客户活跃度以及再交易的可能性,考察客户潜在价值,建立贡献分析评价流程,采用RFM模型确定权重,建立基于改进神经网络的电子商务客户流失估计模型。实验结果表明,与传统方法相比,所提方法对RFM数值分析更加精准,使电子商务客户流失估计误差明显缩小,由此证明所提出的基于改进神经网络的电子商务客户流失估计模型更加有效。 

【文章来源】：现代电子技术. 2020,43(13)北大核心

【文章页数】：4 页

【文章目录】：
0 引言
1 基于改进神经网络的电子商务客户流失估计模型
    1.1 基于改进神经网络的数据挖掘
    1.2 电子商务客户潜在价值分析
    1.3 电子商务客户流失估计模型构建
2 仿真实验结果与分析
3 结语


【参考文献】：
期刊论文
[1]基于改进神经网络的板桩结构可靠性分析[J]. 姜逢源,董胜,张鑫.  海洋湖沼通报. 2018(02)
[2]语义挖掘结合神经网络的电商网页推荐方案[J]. 王斐玉,文华,王红梅.  控制工程. 2018(01)
[3]基于改进神经网络的汽车ABS故障诊断[J]. 翟梅杰,高鹏.  中小企业管理与科技(上旬刊). 2017(10)
[4]改进神经网络的大学物理实验教学质量评价[J]. 辛建英.  现代电子技术. 2017(15)
[5]基于改进神经网络算法的变电站变压器裂纹图像识别[J]. 吴曦,姚楠,许建刚.  现代电子技术. 2017(13)
[6]基于最优加权组合的电信客户流失预测模型设计研究[J]. 张小敏,伍小平,丰婷,胡景.  赤峰学院学报(自然科学版). 2017(12)
[7]一种改进的细胞神经网络图像边缘提取方法[J]. 张宪红,张春蕊.  暨南大学学报(自然科学与医学版). 2017(02)
[8]基于客户细分和AdaBoost的电子商务客户流失预测研究[J]. 武小军,孟苏芳.  工业工程. 2017(02)
[9]改进神经网络的数字调制信号识别[J]. 刘翔.  内蒙古师范大学学报(自然科学汉文版). 2017(02)
[10]基于改进神经网络的糖尿病生化指标值预测[J]. 陈德华,洪灵涛,潘乔.  微型机与应用. 2017(05)



本文编号：3633098