電商企業(yè)客戶流失預警模型研究.pdf_第1頁
已閱讀1頁,還剩78頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、近年來隨著電子商務的飛速發(fā)展,其應用范圍得到了不斷擴大和普及,消費者生活的多方面需求都能夠在一定程度上通過電商消費的方式得以實現(xiàn)。而各電子商務企業(yè)之間的競爭也由此變得更加激烈。在以客戶需求為驅(qū)動的管理模式下,客戶的重要性自不言而喻。而針對如何發(fā)展更多的新客戶、維護和保持更多的老客戶以使得企業(yè)獲得持續(xù)化發(fā)展的能力,則是當前電商企業(yè)所不得不面對的重要問題。因此,本文致力于構建出電商企業(yè)的客戶流失預警模型,以某電商平臺中部分快消商品的用戶評論

2、數(shù)據(jù)為基礎,通過挖掘客戶歷史消費行為識別流失客戶特征,對用戶未來是否有消費做出提前預警。此外針對不同的價值細分客戶的特征制定有的放矢的挽回策略,從而改善企業(yè)流失現(xiàn)狀。
  本研究主要內(nèi)容包括:⑴基于電商行業(yè)特點,結(jié)合前人學者對客戶流失理論的研究成果,從影響電商行業(yè)客戶流失的因素出發(fā),分析出一般客戶流失的分類。并且從電商客戶消費行為特征出發(fā),分析出電商客戶流失的發(fā)展過程,從而給出本文對于電商客戶流失的定義。此外,從歷史消費金額、消費

3、次數(shù)、消費頻率、最近消費間隔、有消費天數(shù)和消費加速度等維度構建出55個特征變量并結(jié)合多時間窗口理論,從而構建出了符合電商客戶消費行為特征的多周期訓練數(shù)據(jù)集。⑵以電商平臺的部分快消商品的用戶評論數(shù)據(jù)為研究樣本,通過 Mysql和Python實現(xiàn)了對原始數(shù)據(jù)清洗重構。在獲得最終多周期數(shù)據(jù)訓練集的特征寬表后,運用隨機森林分類模型進行建模預測,經(jīng)過模型參數(shù)的反復調(diào)試驗證,通過對未來第一個月、第二個月以及第三個月是否消費的預測比較中發(fā)現(xiàn),距離當前

4、時間越近則模型預測效果越好。對于下一個月是否有消費的預測最終獲得了82%的準確率和85%的召回率的模型效果,并輸出了10個貢獻度最大的特征變量。⑶對測試集對象的流失概率按照降序排列從而得到流失客戶名單,針對這部分高概率流失用戶運用RFM客戶價值細分模型,通過KMeans聚類算法對其進行聚類,從結(jié)果上聚類效果較為明顯的區(qū)分出了不同類別人群之間的特征,而后根據(jù)各人群特征以及流失受力分析從而制定對應的客戶關系策略。⑷采用多周訓練數(shù)據(jù)集的方法來

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論