零售户决策树分类

http://blog.csdn.net/u012432611/article/details/51151167
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于数据挖掘的零售业客户细分研究 ●叶孝明黄祖庆 摘要:文章根据基于购买行为的客户细分方法,运用数据挖掘中的聚类分析和决策树分类技术,对零售业客户细分 模型进行了研究、建立及实验分析,为零售业客户细分提供了一种有效而实用的分析方法。 关键词:零售业;客户细分;数据挖掘 客户细分是客户关系管理的基本任务之一,在目前客 户终生价值研究还没有成熟的情况下。采用基于购买行为 的客户细分方法不失为一种有效的选择。对于零售企业而 言.通过一定的技术将客户细分为不确定型客户、经常性 客户、乐于消费型客户和最好的客户,然后对每一类客户 的特征进行分析.有助于提高营销活动的针对性和有效 性.有助于客户关系管理的良好实施。零售业客户人数众 多,购买行为数据量十分庞大,通过运用数据挖掘中的聚 类分析和决策树技术。可以对零售业客户群进行合理的细 分。 一、基于购买行为的客户细分方法 RFM分析是广泛应用于数据库营销的一种客户细分 方法。R(Recency)指上次购买至今之期间,该时期越短,则 R越大。研究发现。R越大的客户越有可能与企业达成新 的交易。F(Frequency)指在某一期间内购买的次数。交易次 数越多的客户越有可能与企业达成新的交易。M(Mone— tary)指在某一期间内购买的金额。M越大,越有可能再次 响应企业的产品与服务。RFM分析的所有成分都是行为 方面的,应用这些容易获得的因素。能够预测客户的购买 行为。以最近的行为预测客户的购买行为比用其他任何一 种因素进行预测更加准确和有效。 为了消除购买次数与总购买额间的多重共线性,Mar- CUS提出对传统的RFM分析进行修正,用平均购买额代替 总购买额。另外,为了解决传统RFM分析过多细分客户群 的缺陷,他提出用购买次数(F)与平均购买额(A)构造的客 户价值矩阵简化细分的结果,该矩阵将客户细分为四个客 户群,其中平均购买额与购买次数都较低的为不确定型客 户:平均购买额较低而购买次数较高的为经常性客户;平 均购买额较高而购买次数较低的为乐于消费型客户主;平 均购买额与购买次数都较高的为最好的客户。第三个变量 Recency在客户价值矩阵中被剔除。 产生客户价值矩阵需要的信息有

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值