基于聚类算法的实时零售客户价值分析研究
发布时间：2021-09-21 23:41
随着经济发展和科学技术的进步,零售行业也迎来了前所未有的变革和挑战。零售企业对于客户价值的研究一直都是一个热门的话题,由于零售商品的特点,对于零售客户的消费习惯、消费行为等研究能帮助零售企业掌握零售客户的重要信息,这些消费相关的信息能有效地辅助零售企业进行商业决策,制定相关的企业战略。随着企业信息化的日益普及,众多零售企业完成数字化转型之后,如何利用信息技术提供的先进工具赋能企业,指导零售企业日常运营,对许多企业来说,是十分重大的挑战。本文的研究工作如下:第一个工作是对现阶段客户价值分析模型的研究。针对现阶段客户价值分析模型不足以对客户的消费行为和特点进行表征,以及现阶段RFM模型（Recency Frequency Monetary Model）对客户分类方法存在的问题和局限性,提出一种基于聚类算法的客户价值分析模型。本工作的主要创新点包括:第一,通过考察现阶段企业系统的三层架构模型,提出了扁平架构的聚类方法,这一方法通过简化分析过程中数据在应用服务器中的传输步骤,简化了现有的分析流程;第二,提出了改进之后的客户价值分析模型:C-RFM模型（Clustering-Based Rece...
【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】：61 页
【学位级别】：硕士
【部分图文】：
图２－７缓冲区机制??Ｐｉｃｔｕｒｅ?２－７?Ｔｈｅ?ｂｕｆｆｅｒ?ｃｏｎｃｅｐｔ??
?数据读取操作??图２－７缓冲区机制??Ｐｉｃｔｕｒｅ?２－７?Ｔｈｅ?ｂｕｆｆｅｒ?ｃｏｎｃｅｐｔ??在内存计算架构中，每一张表格都由主存储和增量空间两部分组成［２９］。主存??储是内存计算架构中，经过了读取操作优化的区域，用户只能读取主存储区域的数??据，而不能修改主存储中间的数据。增量空间与主存储相比，没有对数据进行压缩??和读取优化，牺牲了一部分读取性能，但增量空间中的数据修改操作的效率非常高。??通过对增量空间中的数据进行数据修改的操作，将增量空间作为主存储与修改数??据之间的中介，解决内存计算中的写入优化问题。在数据读取操作时，需要同时读??取主存储和增量空间两个部分中的数据。随着写入操作的累积，增量空间会逐渐增??大
与之前的全局合并不同，单列合并通过在合并过程中创建新属性向量与旧属性向??量的映射表，并减少合并过程中所需要涉及的属性，实现节约内存开销的目的。如??图２－９为列存储增量空间的合并过程。??ＡＶｍ?Ｄｍ?Ｄｃ?ＡＵＸｍ??０?４?０?０?ａｎｎａ?＾?ａｎｎａ?０?０??１２?１?１?Ｃｈａｒｌｉｅ?Ｉｆ?ｂｅｍｄ＾＇］?１?＾?２＞??２?３?１?２?２?ｄａｎｉｅｌ?１?Ｃｈａｒｌｉｅ?２?３??３?２?３?３?ｆｒａｎｋ?，３?ｄａｎｉｅｌ?３?４??４?０?４?４?ｈａｎｓ?ｆｒａｎｋ?４?５??５?麵?１?５?５?ｉｓａｂｅｌｌ?５?ｈａｎｓ?５?６??６?曜?Ｉ?６?／?６?ｉｓａｂｅｌｌ??７?５?７?／??ＡＶｄ?Ｄｄ?／?ＡＵＸｄ??０?０、８?０?ｔ?ｂｅｍｄ?０?｜；．?｜｜｜??１?＾?０?９?１?ｆｒａｎｋ?１?４?％??２?２?１０?２?ｈａｎｓ?２?５??３?１?１１??图２＿９列存储增量空间合并过程（一）??Ｐｉｃｔｕｒｅ?２－９?Ｆｉｒｓｔ?ｓｔｅｐ?ｏｆ?ｔｈｅ?ｍｅｒｇｅ?ｐｒｏｃｅｓｓ?ｆｏｒ?ａ?ｓｉｎｇｌｅ?ｃｏｌｕｍｎ：?ｄｉｃｔｉｏｎａｒｙ?ｍｅｒｇｅ??单列合并的步骤分为两步：第一步，首先获取主存储属性列（ＡＶｍ）中的属性??字典（Ｄｍ）以及增量空间中的属性字典（Ｄｄ）然后对这两个字典中的值进行重排??序，为了进行重排序并合并这两个字典，指针会先分别指向这两个字典中的第一个??元素，在迭代过程中比较这两个字典指针所指向的值，较小值添加到基于这两个属??性字典创建新的字典（Ｄｃ）中
【参考文献】：
期刊论文
[1]基于RFM模型的半监督聚类算法[J]. 程汝娇,徐鸿雁. 计算机系统应用. 2017(11)
[2]基于RFM购买树的客户分群[J]. 明勇,张文斌,黄哲学,陈小军. 深圳大学学报(理工版). 2017(03)
[3]内存计算技术研究综述[J]. 罗乐,刘轶,钱德沛. 软件学报. 2016(08)
[4]基于购买行为RFM及评论行为RFMP模型的客户终身价值研究[J]. 赵萌,齐佳音. 统计与信息论坛. 2014(09)
[5]随机RFM模型及其在零售顾客价值识别中的应用[J]. 马宝龙,李飞,王高,李纯青. 管理工程学报. 2011(01)
[6]基于RFM模型和协同过滤的电子商务推荐机制[J]. 孙玲芳,张婧. 江苏科技大学学报(自然科学版). 2010(03)
[7]基于决策树的证券客户流失模型[J]. 杜修平,王中. 计算机应用与软件. 2009(09)
博士论文
[1]基于客户价值的客户分类模型研究[D]. 刘朝华.华中科技大学 2008
硕士论文
[1]基于改进RFM模型的聚类算法在农村用户4G消费行为中研究与应用[D]. 杨磊.南京邮电大学 2017
[2]基于产品分类的RFM多层级客户价值模型及其应用研究[D]. 熊兰.暨南大学 2016
[3]基于RFM模型的协同过滤方法及其在个性化推荐中的应用[D]. 王渊.杭州电子科技大学 2014
[4]基于改进RFM模型的应用研究[D]. 计海斌.吉林大学 2010
本文编号：3402721
【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】：61 页
【学位级别】：硕士
【部分图文】：
图２－７缓冲区机制??Ｐｉｃｔｕｒｅ?２－７?Ｔｈｅ?ｂｕｆｆｅｒ?ｃｏｎｃｅｐｔ??
?数据读取操作??图２－７缓冲区机制??Ｐｉｃｔｕｒｅ?２－７?Ｔｈｅ?ｂｕｆｆｅｒ?ｃｏｎｃｅｐｔ??在内存计算架构中，每一张表格都由主存储和增量空间两部分组成［２９］。主存??储是内存计算架构中，经过了读取操作优化的区域，用户只能读取主存储区域的数??据，而不能修改主存储中间的数据。增量空间与主存储相比，没有对数据进行压缩??和读取优化，牺牲了一部分读取性能，但增量空间中的数据修改操作的效率非常高。??通过对增量空间中的数据进行数据修改的操作，将增量空间作为主存储与修改数??据之间的中介，解决内存计算中的写入优化问题。在数据读取操作时，需要同时读??取主存储和增量空间两个部分中的数据。随着写入操作的累积，增量空间会逐渐增??大
与之前的全局合并不同，单列合并通过在合并过程中创建新属性向量与旧属性向??量的映射表，并减少合并过程中所需要涉及的属性，实现节约内存开销的目的。如??图２－９为列存储增量空间的合并过程。??ＡＶｍ?Ｄｍ?Ｄｃ?ＡＵＸｍ??０?４?０?０?ａｎｎａ?＾?ａｎｎａ?０?０??１２?１?１?Ｃｈａｒｌｉｅ?Ｉｆ?ｂｅｍｄ＾＇］?１?＾?２＞??２?３?１?２?２?ｄａｎｉｅｌ?１?Ｃｈａｒｌｉｅ?２?３??３?２?３?３?ｆｒａｎｋ?，３?ｄａｎｉｅｌ?３?４??４?０?４?４?ｈａｎｓ?ｆｒａｎｋ?４?５??５?麵?１?５?５?ｉｓａｂｅｌｌ?５?ｈａｎｓ?５?６??６?曜?Ｉ?６?／?６?ｉｓａｂｅｌｌ??７?５?７?／??ＡＶｄ?Ｄｄ?／?ＡＵＸｄ??０?０、８?０?ｔ?ｂｅｍｄ?０?｜；．?｜｜｜??１?＾?０?９?１?ｆｒａｎｋ?１?４?％??２?２?１０?２?ｈａｎｓ?２?５??３?１?１１??图２＿９列存储增量空间合并过程（一）??Ｐｉｃｔｕｒｅ?２－９?Ｆｉｒｓｔ?ｓｔｅｐ?ｏｆ?ｔｈｅ?ｍｅｒｇｅ?ｐｒｏｃｅｓｓ?ｆｏｒ?ａ?ｓｉｎｇｌｅ?ｃｏｌｕｍｎ：?ｄｉｃｔｉｏｎａｒｙ?ｍｅｒｇｅ??单列合并的步骤分为两步：第一步，首先获取主存储属性列（ＡＶｍ）中的属性??字典（Ｄｍ）以及增量空间中的属性字典（Ｄｄ）然后对这两个字典中的值进行重排??序，为了进行重排序并合并这两个字典，指针会先分别指向这两个字典中的第一个??元素，在迭代过程中比较这两个字典指针所指向的值，较小值添加到基于这两个属??性字典创建新的字典（Ｄｃ）中
【参考文献】：
期刊论文
[1]基于RFM模型的半监督聚类算法[J]. 程汝娇,徐鸿雁. 计算机系统应用. 2017(11)
[2]基于RFM购买树的客户分群[J]. 明勇,张文斌,黄哲学,陈小军. 深圳大学学报(理工版). 2017(03)
[3]内存计算技术研究综述[J]. 罗乐,刘轶,钱德沛. 软件学报. 2016(08)
[4]基于购买行为RFM及评论行为RFMP模型的客户终身价值研究[J]. 赵萌,齐佳音. 统计与信息论坛. 2014(09)
[5]随机RFM模型及其在零售顾客价值识别中的应用[J]. 马宝龙,李飞,王高,李纯青. 管理工程学报. 2011(01)
[6]基于RFM模型和协同过滤的电子商务推荐机制[J]. 孙玲芳,张婧. 江苏科技大学学报(自然科学版). 2010(03)
[7]基于决策树的证券客户流失模型[J]. 杜修平,王中. 计算机应用与软件. 2009(09)
博士论文
[1]基于客户价值的客户分类模型研究[D]. 刘朝华.华中科技大学 2008
硕士论文
[1]基于改进RFM模型的聚类算法在农村用户4G消费行为中研究与应用[D]. 杨磊.南京邮电大学 2017
[2]基于产品分类的RFM多层级客户价值模型及其应用研究[D]. 熊兰.暨南大学 2016
[3]基于RFM模型的协同过滤方法及其在个性化推荐中的应用[D]. 王渊.杭州电子科技大学 2014
[4]基于改进RFM模型的应用研究[D]. 计海斌.吉林大学 2010
本文编号：3402721
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3402721.html
