目录
摘 要 V
关键词 V
ABSTRACT VI
KEY WORDS VI
引言 1
1. 理论综述 1
1.1 客户价值理论概述 1
1.2 RFM模型在客户细分中的应用 2
1.2.1 客户细分概述 2
1.2.2 基于RFM模型的客户细分 2
1.3 聚类分析理论概述 3
1.3.1 聚类分析的类型 3
1.3.2 聚类分析在客户细分中的应用 3
2. 方法论证 4
2.1 模型设计思路 4
2.1.1 传统模型的思路 4
2.1.2 改进模型的客户价值计算 5
2.2 改进的客户细分模型的构建 5
2.2.1 数据搜集和处理 6
2.2.2 聚类算法最佳k值的确定 7
2.2.3 三类聚类算法 7
3. 实验过程 9
3.1 数据准备 9
3.2 数据统计描述 9
3.3 指标赋值 11
3.4 基于聚类算法的电商客户及RFL细分 11
3.4.1 选定最佳k值 11
3.4.2 电商客户细分模型的三种聚类方法 14
3.4.3 细分结果及建议 17
4. 总结 19
致谢 20
参考文献： 21
附录 22
基于改进的客户细分模型和聚类算法的电商行业客户价值研究
摘 要
随着电商行业的发展，线上交易愈发受到人们重视，针对线上消费者的研究也有了更加重要的实际意义。电商平台希望更好地利用行业堆积如山的数据对消费者进行分析，以期更好地理解了解和识别不同价值的客户，对不同类型的客户进行个性化服务和精准化营销，从而实现更高的利润。在这种背景下，数据挖掘技术就因其能够对繁杂数据进行高效分析和预测的特点得到人们广泛的运用，特别是将传统的客户细分模型与数据挖掘技术相结合成为了既有实际意义、又有学术意义的研究课题之一。本文从客户价值及客户细分模型概念的发展现状 *51今日免费论文网|www.51jrft.com +Q: #351916072# 
着手，建立了改进的客户价值模型，并使用三大指标对客户进行聚类分析，将客户划分为维系型客户、低价值客户、发展型客户、准高价值客户、高价值客户等五类，并对不同价值分类的客户进行了特征分析，对电商行业了解客户价值有较为积极的意义。
引言
随着电子商务和数据采集技术的发展，电商行业已经累积起庞杂的数据信息，海量数据唾手可得，使用传统的数据分析方法并不能深度地分析这些数据。在这一背景下，数据挖掘技术因其能够利用繁杂的数据有效地分析和预测消费者行为受到人们青睐。数据挖掘中的聚类算法常与客户细分模型结合运用于客户分析中，然而传统的客户细分模型及其指标在具体的电商行业中并不完全适用，因此本文主要基于改进的客户细分模型和聚类算法对消费者进行细分，并有针对性地研究不同种类的消费者的行为特征，并分别给出营销方案。
本课题的研究意义可以从两方面进行阐述。从学术意义上讲，随着电商行业及数据挖掘技术的发展，围绕各行各业消费者进行的大数据分析越来越多。然而由于研究范围广泛，具体针对电商领域的相关研究较少。因此，本课题对于电商行业消费者价值分析的研究具有必要性。就实践意义而言，根据经济学中的“二八原则”，企业应该重点关注带来大量价值的高价值客户，如果对这部分客户进行重点分析和资源分配，有利于企业获得更大利润，而且能够分析不同分类的客户其行为偏好，针对不同客户因地制宜，给出精细化的营销方案。
本文的研究方法有文献研究、建模及案例分析方法。通过查找和整理电商行业及客户价值等方面的文献、构建改进的评估模型及对电商行业真实数据的聚类分析，对不同分类下的客户行为、价值等内容进行分析。
本文首先通过文献研究论证了客户细分模型的改进方向和改进的客户细分模型实现的可能性，以及改进的RFM模型中的关键指标在识别电商行业消费者价值方面的代表性和适用性；接着论证了多种聚类分析的适用性；随后按照电商行业消费者价值识别模型的设计思路，构建电商行业消费者价值识别模型，最后通过对某电商行业真实数据的实证分析，证实了论文中构建的电商平台消费者价值分类模型及聚类算法的有效性。
理论综述
客户价值理论概述
迈克尔[1]于1985年最早提出了客户价值的相关理论，他将价值定义为消费者所愿意付出的消费额，并将其命名为客户价值理论。1988年，泽塞莫尔[2]在迈克尔的基础上提出，客户价值可以从消费者的角度出发进行商品销售等活动，给顾客更好的体验。Phill Allen[3]认为，客户价值是需要从双方的角度探寻的，不仅仅是通过消费者的视角。他认为，对客户价值的管理是一种良性互动，可以产生消费者和企业双方之间的共赢(winwin)。
客户价值相关概念发展之后，如何对客户价值进行有效的评估成为学者研究的问题之一。舒华英[4]等人认为，通过对客户行为偏好的分析，特别是对消费者实际购买的行为偏好进行分析能够评估消费者当前和未来的价值，因此建立了相关的评价指标对客户价值进行评估。徐媛媛[5]在2010年也使用了消费者的行为偏好来对消费者进行评价，并将其运用到了电信业中，而陈光会[6]于2011年将评估模型的使用进行了优化，将其与神经网络相结合，更好地使用在了具体行业。
RFM模型在客户细分中的应用
1.2.1 客户细分概述
客户细分的概念来自市场营销学，前文提到的学者Philip曾提出广为接受的STP营销理论，其中的S即代表客户细分(segmenting)。他认为，客户细分能够极大地帮助企业进行营销服务，有效的客户细分能够更好地服务消费者，并且对不同的细分消费者群进行精准营销，从而得以提升企业的利润。客户细分的标准较多样，整体来说可以划分为利用外部特征细分、利用行为偏好细分、利用价值因素细分等方面。其中，由于外部特征因素及心理因素无法较好地解释许多消费行为，其适用性仍有待研究。

原文链接：http://www.jxszl.com/jsj/sxtj/606737.html