基于客户忠诚的高速铁路客户分类研究
发布时间：2022-01-06 07:00
随着我国社会事业和市场经济的快速发展,居民生活水平的日益提高,旅客的出行需求不再局限于快速和安全,而是追求更好的出行体验,致使我国客运市场的竞争压力与日俱增。现在,我国“四纵四横”的高速铁路结构网已经建成,“八纵八横”的高速铁路布局网也已经规划完成,高速铁路运输企业迫切需要建立良好的客户关系管理模式,树立较好的企业口碑,以增强高速铁路运输的市场竞争力本文对高速铁路客户分类方法及模型进行了深入研究,有助于高速铁路运输企业针对不同旅客的出行偏好设计差异化营销策略,改善旅客出行体验,提高旅客满意度。良好的客户关系管理方案有助于高速铁路运输企业提高列车资源利用率,实现收益管理优化首先,本文综述了国内外专家学者关于客户分类的研究现状,对比分析了常用的客户分类方法和客户分类模型的优缺点,阐述了不同企业的常旅客计划运营特点。然后,通过改进RFM指标涵义引入了客户心理忠诚评价指标,建立了高速铁路客户忠诚度评价体系,结合BP神经网络分类方法构建了基于客户忠诚的高速铁路客户分类模型。最后,以京沪高速铁路旅客为研究对象,对高速铁路客户分类模型进行了实证研究,基于客户忠诚度得出了京沪高速铁路旅客分类结果。通道...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
013一018年中国高速铁路里程变化趋势图
Ｆｉｇｕｒｅ?１－２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?Ｃｈｉｎａ?Ｒａｉｌｗａｙ?ａｎｄ?Ｈｉｇｈ－ｓｐｅｅｄ?Ｒａｉｌｗａｙ?ｐａｓｓｅｎｇｅｒ?ｔｒａｎｓｐｏｒｔ??ａｍｏｕｎｔ?ｉｎ?２０１３－２０１８??由图１－２可知，高速铁路旅客发送量占比逐年提升，２０１６年时己经超过我国??铁路旅客发送量的一半，２０１８年时约占铁路旅客发送总量的６０％。髙速铁路运输??迅猛发展的主要原因是：??（１）满足旅客需求。我国城市密集、人口众多，符合开行多站停靠高速铁路??列车的客流量要求，居民日益提高的生活水平也能够承受相对较高的票价。??－（２）带动城镇经济发展。高速铁路的快速发展拉近了各地区大城市间的距离，??中心大城市通过高速铁路辐射网带动周边城镇同步发展，促进了高速铁路沿线城??镇的经济发展和工业建设。??（３）推动科研进步。高速铁路的运营成本和技术要求较高，轨道建设标准严??格苛刻，列车运行控制和管理维护复杂困难，因此高速铁路的施工、运营与维修不??仅推动了铁路相关技术的发展，而且为我国机电制造、通信信息行业水平的整体发??展提供了宝贵的科学技术理论和实践应用经验。??
２．１．１客户分类概述??客户分类是根据客户的自身属性和行为特征所进行的差异化区分，客户类别??具体影响因素如图２－１所示：??？地域分布??？工作性质??？雜收入??？性别年龄??１：『飞一？出行鑛??？歡命】?＊性格??香???？消费频率??，票方式??？忠诚度??图２－１客户类别影响因素示意图??Ｆｉｇｕｒｅ２－１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｆａｃｔｏｒｓ?ａｆｆｅｃｔｉｎｇ?ｃｕｓｔｏｍｅｒ?ｃａｔｅｇｏｒｉｅｓ??客户分类既是客户关系管理（ＣＲＭ）理论的组成部分，又是其重要的管理手??段，它可以针对性的分析客户特征，进行准确的客户评估，客户分类具体有以下两??点作用：??（１）
【参考文献】：
期刊论文
[1]尾矿库重大危险源风险评价指标及分级方法[J]. 谭钦文,辛保泉,万露,董勇,杜姗. 中国安全生产科学技术. 2018(07)
[2]基于改进K均值聚类的银行客户分类算法[J]. 于化龙,韩雪峰. 湘潭大学自然科学学报. 2018(03)
[3]基于铁路货运价值分类的客户流失预测研究[J]. 张斌,彭其渊. 铁道科学与工程学报. 2018(04)
[4]基于会员经济视角的电商企业商业模式创新[J]. 赵学敏,张建平. 企业管理. 2018(04)
[5]基于聚类算法和神经网络的客户分类模型构建[J]. 蒲杰方,卢荧玲. 软件. 2018(04)
[6]基于随机森林与RFM模型的财险客户分类管理研究[J]. 闫春,孙海棠,李亚琪. 科技与经济. 2018(01)
[7]互联网金融冲击下银行个人客户分类管理研究[J]. 韩宏稳. 哈尔滨工业大学学报(社会科学版). 2017(03)
[8]关于铁路货运客户分级管理的探讨[J]. 杜卫萍. 中国铁路. 2017(04)
[9]基于顾客分类的多等级产品动态定价[J]. 胡玉生,李金林,冉伦,徐德英. 系统管理学报. 2016(05)
[10]基于客户分类选择条件下的个人信用报告信用评价指标研析[J]. 杨振坤,闫冬. 征信. 2016(08)
硕士论文
[1]基于深度时空残差网络的航班需求预测方法研究[D]. 康友隐.北京交通大学 2018
[2]地铁信号人员安全文化评价方法研究[D]. 王耀安.北京交通大学 2018
[3]基于随机森林分类器的Φ-OTDR传感系统模式识别研究[D]. 刘勇.北京交通大学 2018
[4]县级财政廉政风险识别及防控机制研究[D]. 付彦嘉.湘潭大学 2017
[5]决策树算法在证券公司客户分类中的应用研究[D]. 张磊.郑州大学 2017
[6]基于关键成功要素分析的Z公司大客户分类管理研究[D]. 张浩.北京工业大学 2013
[7]金华市婺城新区10kV配电网接线模式研究[D]. 张波.浙江大学 2011
[8]我国客运专线客户分类问题研究[D]. 潘小美.北京交通大学 2011
[9]基于聚类结果解释方法的客户群特征研究[D]. 马岳猛.哈尔滨工业大学 2011
[10]基于数据挖掘的银行客户分类模型研究[D]. 赵金涛.重庆大学 2009
本文编号：3571977
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
013一018年中国高速铁路里程变化趋势图
Ｆｉｇｕｒｅ?１－２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?Ｃｈｉｎａ?Ｒａｉｌｗａｙ?ａｎｄ?Ｈｉｇｈ－ｓｐｅｅｄ?Ｒａｉｌｗａｙ?ｐａｓｓｅｎｇｅｒ?ｔｒａｎｓｐｏｒｔ??ａｍｏｕｎｔ?ｉｎ?２０１３－２０１８??由图１－２可知，高速铁路旅客发送量占比逐年提升，２０１６年时己经超过我国??铁路旅客发送量的一半，２０１８年时约占铁路旅客发送总量的６０％。髙速铁路运输??迅猛发展的主要原因是：??（１）满足旅客需求。我国城市密集、人口众多，符合开行多站停靠高速铁路??列车的客流量要求，居民日益提高的生活水平也能够承受相对较高的票价。??－（２）带动城镇经济发展。高速铁路的快速发展拉近了各地区大城市间的距离，??中心大城市通过高速铁路辐射网带动周边城镇同步发展，促进了高速铁路沿线城??镇的经济发展和工业建设。??（３）推动科研进步。高速铁路的运营成本和技术要求较高，轨道建设标准严??格苛刻，列车运行控制和管理维护复杂困难，因此高速铁路的施工、运营与维修不??仅推动了铁路相关技术的发展，而且为我国机电制造、通信信息行业水平的整体发??展提供了宝贵的科学技术理论和实践应用经验。??
２．１．１客户分类概述??客户分类是根据客户的自身属性和行为特征所进行的差异化区分，客户类别??具体影响因素如图２－１所示：??？地域分布??？工作性质??？雜收入??？性别年龄??１：『飞一？出行鑛??？歡命】?＊性格??香???？消费频率??，票方式??？忠诚度??图２－１客户类别影响因素示意图??Ｆｉｇｕｒｅ２－１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｆａｃｔｏｒｓ?ａｆｆｅｃｔｉｎｇ?ｃｕｓｔｏｍｅｒ?ｃａｔｅｇｏｒｉｅｓ??客户分类既是客户关系管理（ＣＲＭ）理论的组成部分，又是其重要的管理手??段，它可以针对性的分析客户特征，进行准确的客户评估，客户分类具体有以下两??点作用：??（１）
【参考文献】：
期刊论文
[1]尾矿库重大危险源风险评价指标及分级方法[J]. 谭钦文,辛保泉,万露,董勇,杜姗. 中国安全生产科学技术. 2018(07)
[2]基于改进K均值聚类的银行客户分类算法[J]. 于化龙,韩雪峰. 湘潭大学自然科学学报. 2018(03)
[3]基于铁路货运价值分类的客户流失预测研究[J]. 张斌,彭其渊. 铁道科学与工程学报. 2018(04)
[4]基于会员经济视角的电商企业商业模式创新[J]. 赵学敏,张建平. 企业管理. 2018(04)
[5]基于聚类算法和神经网络的客户分类模型构建[J]. 蒲杰方,卢荧玲. 软件. 2018(04)
[6]基于随机森林与RFM模型的财险客户分类管理研究[J]. 闫春,孙海棠,李亚琪. 科技与经济. 2018(01)
[7]互联网金融冲击下银行个人客户分类管理研究[J]. 韩宏稳. 哈尔滨工业大学学报(社会科学版). 2017(03)
[8]关于铁路货运客户分级管理的探讨[J]. 杜卫萍. 中国铁路. 2017(04)
[9]基于顾客分类的多等级产品动态定价[J]. 胡玉生,李金林,冉伦,徐德英. 系统管理学报. 2016(05)
[10]基于客户分类选择条件下的个人信用报告信用评价指标研析[J]. 杨振坤,闫冬. 征信. 2016(08)
硕士论文
[1]基于深度时空残差网络的航班需求预测方法研究[D]. 康友隐.北京交通大学 2018
[2]地铁信号人员安全文化评价方法研究[D]. 王耀安.北京交通大学 2018
[3]基于随机森林分类器的Φ-OTDR传感系统模式识别研究[D]. 刘勇.北京交通大学 2018
[4]县级财政廉政风险识别及防控机制研究[D]. 付彦嘉.湘潭大学 2017
[5]决策树算法在证券公司客户分类中的应用研究[D]. 张磊.郑州大学 2017
[6]基于关键成功要素分析的Z公司大客户分类管理研究[D]. 张浩.北京工业大学 2013
[7]金华市婺城新区10kV配电网接线模式研究[D]. 张波.浙江大学 2011
[8]我国客运专线客户分类问题研究[D]. 潘小美.北京交通大学 2011
[9]基于聚类结果解释方法的客户群特征研究[D]. 马岳猛.哈尔滨工业大学 2011
[10]基于数据挖掘的银行客户分类模型研究[D]. 赵金涛.重庆大学 2009
本文编号：3571977
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3571977.html
