论文部分内容阅读
在全球经济时代下,管理和维护客户关系备受企业关注。也就是说,只有提高企业客户粘度,利用客户关系管理系统,才能帮助企业客户进行分类实施,实现对企业客户偏好的深度挖掘,满足企业客户的现实需求。基于客户最新购买间隔、消费频率和消费金额数据的RFM模型,广泛应用在企业客户关系管理系统中。然而,RFM模型忽略了客户购买的周期性,进而无法预测客户行为随时间变化而变化的趋势。本文研究提出了一种RFM改进模型和在考虑客户购买或购买周期因素下的客户分类算法,给出了一种基于RFM改进模型的客户分类原型分析与设计。论文主要工作包括:(1)通过对文献调研,阐述了客户关系管理、RFM模型、客户分类的国内外研究现状以及发现目前研究工作的不足。(2)对本文使用的相关理论进行概述,包括客户关系管理、RFM模型、客户分类的概念原理和流程等。(3)针对当前客户关系管理过程中缺失客户购买周期性的问题,对RFM模型进行了改进,将最近购买间隔、购买频率、消费金额的RFM模型修改为包括客户关系长度、修改后的最新购买间隔、消费频率、消费金额和客户购买周期性五个维度的RFM改进模型。其中,修改后的最新购买间隔考虑最后几次购买间隔的期望,客户关系长度定义为客户第一次和最后一次购买之间的时间间隔,用以表示客户忠诚度;客户购买周期反映客户是否定期购买。(4)针对K-Means算法不足进行了改进,然后在两个真实的数据集上进行客户分类的实验,基于RFM改进模型得到的客户分类五个维度的值,首先利用轮廓值、C-H值和肘部法则三个方面分析确定客户分类的具体分类数量。然后,利用改进的K-Means算法将客户划分为不同的类。最后,通过推荐评价指标分析对比RFM改进模型和其他客户分类在客户分类过程中取得的不同效果,证明了所提模型及算法的有效性。(5)根据企业客户关系管理系统客户分类模块的一般形式,将本文提出的RFM改进模型整合到企业客户关系管理系统之中,并设计了一个客户关系管理系统客户分类模块应用原型。