基于購(gòu)買行為的顧客忠誠(chéng)度聚類方法研究.pdf

1、在現(xiàn)今的市場(chǎng)競(jìng)爭(zhēng)大潮中,越來(lái)越多的商家逐漸意識(shí)到,僅僅依靠商品本身很難在日趨激烈的競(jìng)爭(zhēng)中保持不敗,為顧客提供更貼心、更周到的服務(wù)才能長(zhǎng)久的保留住老顧客,尤其對(duì)高速發(fā)展的國(guó)內(nèi)時(shí)尚奢侈品行業(yè)更是如此。因此,如何更有針對(duì)性地開(kāi)展市場(chǎng)營(yíng)銷活動(dòng)、識(shí)別和保留那些高價(jià)值的顧客,挖掘有購(gòu)買潛力的顧客,以及預(yù)防顧客流失成為企業(yè)能否有效地進(jìn)行顧客關(guān)系管理的關(guān)鍵。
　　本文研究重點(diǎn)是基于顧客的歷史交易數(shù)據(jù),分析了國(guó)內(nèi)時(shí)尚奢侈品行業(yè)顧客購(gòu)買行為特性,并通

2、過(guò)數(shù)據(jù)的預(yù)處理,獲得能夠綜合反映顧客忠誠(chéng)度和價(jià)值度的CLV指標(biāo),且基于該指標(biāo)建立顧客忠誠(chéng)度指標(biāo)分析體系(RFM模型)。
　　在此模型基礎(chǔ)上，選取了不同的聚類數(shù)據(jù)挖掘方法對(duì)顧客的購(gòu)買行為數(shù)據(jù)進(jìn)行聚類挖掘,以識(shí)別不同忠誠(chéng)度層次的顧客群。首先采用了基于密度的DBSCAN算法進(jìn)行聚類,并針對(duì)其初始參數(shù)不易選取的缺點(diǎn)進(jìn)行了改善,提出了可以自動(dòng)探索嘗試并最終達(dá)到顧客指定聚簇?cái)?shù)的ADBSCAN算法。而后采用了另一種基于劃分的K-means算法進(jìn)

3、行聚類,并針對(duì)其初始中心點(diǎn)難以確定和聚類結(jié)果容易受噪聲點(diǎn)影響等缺點(diǎn),提出了融合DBSCAN算法和K-means算法的ADBSCANK算法。對(duì)比實(shí)驗(yàn)驗(yàn)證了算法的有效性。
　　為了對(duì)改進(jìn)算法進(jìn)行驗(yàn)證,本文采用C＃開(kāi)發(fā)了可視化的顧客忠誠(chéng)度數(shù)據(jù)挖掘系統(tǒng)。根據(jù)比較分析結(jié)果,對(duì)不同類型忠誠(chéng)度的顧客給出了相應(yīng)的營(yíng)銷建議,為節(jié)約盲目營(yíng)銷造成的不必要成本,以及深化時(shí)尚奢侈品公司營(yíng)銷理念提供參考,為企業(yè)制定顧客終身發(fā)展戰(zhàn)略提供依據(jù)。
　　文章最