数据挖掘在电商客户行为忠诚度预测研究中的应用

发布时间：2017-06-16 16:06

  本文关键词：数据挖掘在电商客户行为忠诚度预测研究中的应用，由笔耕文化传播整理发布。

【摘要】：在互联网飞速发展的阶段,由于市场经济的竞争态势愈演愈烈,企业之间的竞争日益激烈。市场营销学研究表明:企业与老客之间的交易成本仅为其与总的消费客户之间的1/6,由此我们可见,维护老客在营销学中的重要性。而客户忠诚度则是体现哪些老客需要继续维护的桥梁。客户忠诚度是指客户出于对企业或品牌的偏好而经常性重复购买的程度。真正的客户忠诚度体现的是一种行为,体现在客户的购买行为上。因此对客户的购买行为进行研究可以很好的预测客户的忠诚度。电商平台具有一个很大的优势,可以随时记录消费者、访客的购买记录以及近期的浏览记录。客户在其上大量购买商家提供的产品或服务,为店家提供了大量的业务数据。店家可以很好的利用这些购买数据记录为自己进行服务。本研究以电商平台上的某商家的客户行为日志为研究对象进行画像,并随机抽取的70%数据进行规则训练,再用剩下的数据进行预测,将预测值与真实值进行对照,计算模型的预测精度。通过目标变量建立电商客户忠诚度预测模型,从客户重复购买的行为角度分析,最后采用数据挖掘中的逻辑回归算法、决策树、Boosting算法分别对其进行研究,实证结果证明Boosting算法对其的预测率相对最优。并进一步对本店的电商客户忠诚度进行预测,识别电商的精准购买人群,为电商之后的精准营销做准备。
【关键词】：逻辑回归 决策树 Boosting算法 客户忠诚度 重复购买行为
【学位授予单位】：兰州财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13;F274;F724.6
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-17
• 1.1 研究背景及意义9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10-11
• 1.2 文献综述11-15
• 1.2.1 客户忠诚度的国外研究现状11-12
• 1.2.2 客户忠诚度的国内研究现状12-13
• 1.2.3 电商客户忠诚度的研究现状13-14
• 1.2.4 研究述评14-15
• 1.3 研究方法与思路15
• 1.4 本文的主要研究内容15-17
• 2 相关理论知识概述17-21
• 2.1 客户忠诚度理论概述17-19
• 2.1.1 客户忠诚的概念17-18
• 2.1.2 客户忠诚的分类18-19
• 2.1.3 客户忠诚度的定义19
• 2.2 电商客户忠诚度理论概述19-20
• 2.2.1 电商客户忠诚度概念19-20
• 2.2.2 电商客户行为忠诚度的特点20
• 2.3 小结20-21
• 3 客户忠诚度的预测方法21-29
• 3.1 逻辑回归模型21-25
• 3.1.1 逻辑回归理论概述21-24
• 3.1.2 逻辑回归的适用性24-25
• 3.2 基于CART算法的决策树25-27
• 3.3 Boosting算法27-28
• 3.4 模型的评价与选择28-29
• 4 数据预处理及数据集29-37
• 4.1 数据描述29-30
• 4.2 数据清洗30-33
• 4.2.1 数据清洗的方法30-31
• 4.2.2 数据清洗的原理31
• 4.2.3 数据清洗的应用31-33
• 4.3 描述性统计分析33-37
• 5 电商客户忠诚度预测模型的实证分析37-48
• 5.1 分割样本并检验37-38
• 5.2 基于逻辑回归算法的忠诚度模型38-42
• 5.3 基于决策树的忠诚度模型42-45
• 5.4 基于Boosting的忠诚度模型45-46
• 5.5 模型评价46-48
• 6 总结及展望48-50
• 参考文献50-52
• 后记52

【参考文献】

中国期刊全文数据库 前5条

1 张晓诺;;利用大数据技术在电子商务中对客户忠诚度分析[J];中国科技信息;2015年Z3期

2 支芬和;田玲;敖静海;;电子商务环境下客户忠诚的探究[J];商业研究;2007年01期

3 崔维军;包金龙;;E忠诚度:从建模到实施[J];江苏商论;2006年08期

4 庞川,陈忠民,罗瑞文;消费者网络信任影响因素的实证分析[J];系统工程理论方法应用;2004年04期

5 黎志成,刘枚莲;电子商务环境下的消费者行为研究[J];中国管理科学;2002年06期

  本文关键词：数据挖掘在电商客户行为忠诚度预测研究中的应用，由笔耕文化传播整理发布。

，

本文编号：455809