本案例的主要目的是通过分析用户和网站数据,使用数据挖掘技术,分析老客户忠诚度下降的原因。
建立客户忠诚度模型,提高其忠诚度。
一、分析方法和过程
数据来源:客户信息、交易信息分别存放在网站数据库的客户表、订单表、订单明细中。
数据抽取:去除不需要的电话、身份证等不重要信息,抽取重要信息,如反应客户个人身份背景、学历等反应其交易心理的相关信息。
数据转换:将抽取的信息转换成能被数据挖掘算法使用的格式,放入数据仓库中。
忠诚度计算方法:
1、忠诚:
2、忠诚变不忠诚:
3、不忠诚变忠诚:
4、不忠诚:
本月消费比前半年月平均消费降低50%,则忠诚度降一级;
本月消费比前半年月平均消费提升20%,则忠诚度升一级。
抽取之后的客户信息表如下图:
用户数据不全面的处理:用户数据填写的不全面,重要信息可能缺失。
建立客户忠诚度模型,提高其忠诚度。
一、分析方法和过程
数据来源:客户信息、交易信息分别存放在网站数据库的客户表、订单表、订单明细中。
数据抽取:去除不需要的电话、身份证等不重要信息,抽取重要信息,如反应客户个人身份背景、学历等反应其交易心理的相关信息。
数据转换:将抽取的信息转换成能被数据挖掘算法使用的格式,放入数据仓库中。
忠诚度计算方法:
1、忠诚:
2、忠诚变不忠诚:
3、不忠诚变忠诚:
4、不忠诚:
本月消费比前半年月平均消费降低50%,则忠诚度降一级;
本月消费比前半年月平均消费提升20%,则忠诚度升一级。
抽取之后的客户信息表如下图:
用户数据不全面的处理:用户数据填写的不全面,重要信息可能缺失。