版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、在全球經(jīng)濟發(fā)展的過程中,企業(yè)需要不斷尋找新的競爭優(yōu)勢以保持企業(yè)持續(xù)發(fā)展,而客戶就成了企業(yè)最重要的戰(zhàn)略資源,能否獲得、保持、并發(fā)展自己的客戶,已經(jīng)成為決定企業(yè)能否成功的關鍵因素,由此,“以產(chǎn)品為中心”的市場營銷戰(zhàn)略逐漸被“以客戶為中心”的現(xiàn)代營銷戰(zhàn)略所取代。此外,在計算機技術和信息化高速發(fā)展的時代里,企業(yè)存儲客戶數(shù)據(jù)的成本越來越低,用于處理、加工、分析客戶信息的新技術不斷出現(xiàn),很多國外企業(yè)的研究人員已經(jīng)開始應用這些技術對客戶數(shù)據(jù)進行了挖掘
2、和分析,指導企業(yè)的營銷實踐活動,極大促進了客戶關系管理和客戶終身價值的發(fā)展。
在此背景下,本文以某電信運營商為研究對象,通過對相關文獻的回顧和梳理,總結相關領域前人研究的成果,利用貝葉斯理論的核心理念構建的客戶終身價值分析模型,以先驗概率和后驗概率之間的關系在客戶終身價值、企業(yè)收集的客戶外生變量數(shù)據(jù)和客戶生命周期之間搭建了一個橋梁,擴展了預測過程中描述客戶屬性的維度。采用BG/NBD模型和Gamma-Gamma模型對客戶期望交
3、易次數(shù)與期望交易金額做出量化,再結合樸素貝葉斯分類算法對客戶訓練集樣本過程中得到的包含客戶外生變量的學習樣本信息進行修正,得到客戶生存的后驗概率,并作為優(yōu)化變量引入模型當中,得到客戶終身價值識別模型。以驗證本研究的理論假設。研究的主要結論有:
?。?)在前人研究成果的基礎上,梳理了客戶關系管理、客戶生命周期以及客戶終身價值三者之間的關系,認為CRM、CLV和客戶生命周期并不是彼此割裂的單獨系統(tǒng),而是一個相互依存、相互支撐的有機整
4、體。
(2)利用樸素貝葉斯理論的核心理念構建的客戶終身價值分析模型,以先驗概率和后驗概率之間的關系在客戶終身價值、企業(yè)收集的客戶外生變量數(shù)據(jù)和客戶生命周期之間搭建了一個橋梁,擴展了預測過程中描述客戶屬性的維度。
?。?)以我國某電信運營商為研究對象,對模型的應用結果進行了詳細的闡述,實證結果不僅證明了本文所建模型的有效性,同時也對電信企業(yè)設計維系高價值客戶的營銷規(guī)劃,增加客戶對企業(yè)的利潤貢獻等都具有十分重要的理論價值和
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,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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。
最新文檔
- 樸素貝葉斯分類及其應用研究.pdf
- 樸素貝葉斯分類算法的研究與應用.pdf
- 樸素貝葉斯分類模型的研究與應用.pdf
- 樸素貝葉斯算法的改進與應用.pdf
- 樸素貝葉斯分類改進算法的研究.pdf
- 基于遺傳算法的樸素貝葉斯分類研究.pdf
- 樸素貝葉斯分類模型的改進研究.pdf
- 基于聚類的樸素貝葉斯分類模型的研究與應用.pdf
- 基于改進的K-均值算法的樸素貝葉斯分類及應用.pdf
- 基于屬性加權和歸約的樸素貝葉斯算法研究.pdf
- 基于粗糙集的樸素貝葉斯分類算法研究.pdf
- 樸素貝葉斯算法及其在電信客戶流失分析中的應用研究.pdf
- 基于粒子群優(yōu)化的加權樸素貝葉斯分類研究.pdf
- 關于樸素貝葉斯分類算法的改進.pdf
- 基于正則化樸素貝葉斯的用戶分類算法的研究.pdf
- 基于互信息的多層隱樸素貝葉斯算法研究
- 基于屬性選擇加權的樸素貝葉斯算法的改進與應用.pdf
- 基于詞語權重改進的樸素貝葉斯分類算法的研究與應用.pdf
- 基于互信息的多層隱樸素貝葉斯算法研究.pdf
- 基于粗糙集的加權樸素貝葉斯分類算法研究.pdf
評論
0/150
提交評論