基于含异质性客户数据要素模型的客户终身价值分类研究——以库尔勒香梨网络销售数据为例

传统客户数据要素(RFM)模型可以用于对客户进行分类,但不同类别客户在类别内部仍然可能存在异质性,以及不同时期客户的消费行为特征同样具有显著的异质性。因此,本文针对这两种异质性,以自组织映射神经网络划分的RFM类别为基础,构建并估计RFM的区制转移动态因子模型。此外,利用独立信息数据波动赋权法确定不同类别不同时期指标的权重,并使用库尔勒香梨网络销售数据进行了经典客户终生价值与包含异质性客户终身价值的对比。     

基于随机森林与RFM模型的财险客户分类管理研究

基于客户价值的财险客户分类管理能够帮助公司更有效地节约成本,创造收益。通过在RFM(近度、值度、频度)模型中加入财险客户理赔额指标,将模型扩展为RFMP模型,综合考虑了财险客户的利润贡献度及其风险因素,从风险和贡献两个角度更有效的衡量客户价值。同时,将随机森林分类算法应用到客户分类管理中,并与神经网络分类模型进行比较,实验结果显示随机森林分类具有更小的误差。进一步分析了各客户类群的人口统计学指标,避免了复杂的客户指标量化计算过程,有利于财险公司对庞大的客户群进行分类管理,也有助于公司对新入客户进行风险价值评估,提供具有针对性与个性化的产品与服务。     

基于数据挖掘技术的核心客户的识别

在RFM模型的基础上,根据具体行业的特点,提出了客户重要度测量模型,并且利用数据挖掘技术——决策树算法进行核心客户的特征提取,最后就某一企业的实际情况进行实证研究,为企业进行一对一营销或客户服务提供支持.     

RFM模型在客户投诉管理中的新应用

客户是企业的生存之本、营运之基和力量之源。失去客户,企业便失去了市场,失去了利润的源泉。如何建立和维护客户的关系是每个企业的根本,客户关系管理中一个重要的问题是客户投诉问题。有市场就有服务,有服务就有投诉,客户投诉问题是每个企业无法避免的问题。本文借鉴在客户关系管理领域广泛使用的RFM模型评分方法,以M酒店为例,建立了适合该酒店的RFM模型,并以此模型为基础,分析了该酒店客户投诉管理方面存在的问题和解决对策。     

一种基于数据挖掘的零售业客户细分方法研究

针对零售业客户细分指标粗糙和方法精准性低的问题,提出一种基于数据挖掘聚类分析的零售业客户细分方法;方法构建了一套基于RFM的多指标客户细分指标体系,采用熵值法赋予指标权重,进而使用K-Means算法进行客户细分;实证研究结果表明:方法在客户行为特征区分能力和聚类紧凑性方面均优于传统基于RFM的细分方法,方法可行、有效,能够更好地解决零售业客户细分问题,提升客户关系管理和营销决策质量.     

基于二阶聚类分析的客户管理分类研究

根据市场上企业管理的要求,利用二阶聚类分析方法结合SPSS软件对某汽车信贷客户进行分类,又对每种变量进行分析,聚类分析结果表明汽车信贷面对的客户类型分类为年龄在35～45的为优质客户,服务优先级最高;其余的应为企业的一般客户,应该提供该类别客户的长久服务.该分析结果有利于企业更加有效地管理客户,并制定相应的操作策略.     

基于RS_RBF的电信企业客户流失预测

针对电信企业客户流失的不规律性,提出以粗糙集（RS）_RBF神经网络作为电信企业客户流失的预测模型.首先利用粗糙集理论对客户属性约简,简化了网络结构.其次提出以约简后的决策表的规则支持度作为径向基函数的响应宽度基准,此种赋值方法相比传统方法更具合理性和科学性.最后利用正交最小二乘法（OLS）求得对网络输出贡献度较大的条件属性集和网络权值.把本模型与其它RBF预测模型应用于电信企业客户流失预测并且进行效果比较,实验结果证明了本模型的有效性和高效性.     

基于DBSCAN算法的电信客户分类的应用研究

为了在激烈的市场竞争中取胜,电信企业意识到必须将客户分类,针对不同的客户研究相应的营销策略,DBSCAN算法能够实现客户分类,但对初始参数E和MinPts的取值非常敏感,不同的取值将产生不同的聚类结果,通过对DBSCAN算法进行改进,实现了更加准确和全面的客户分类。     

粗糙集知识约简在RFM分析模型中的应用

阐述了客户关系管理中的一种行之有效的客户价值分类方法——RFM分析模型,并运用粗糙集知识约简对商业客户数据进行数据挖掘,获得客户价值分类的决策规则,确定具有相似需求和价值趋向的客户群体,最大限度地提高客户满意度。     

基于客户价值分析的客户发展战略

市场经济的发展,使客户成为了企业最应关注的因素之一.客户关系管理为企业与客户之间的互动提供了强有力的支持.运用价值分析的方法,对客户的当前价值、潜在价值和终身价值做出定量化的分析与研究,以便企业做出更好的经营决策.企业在进行客户关系的管理时,应重视客户的一体化,找出顾客最关注的价值领域,分析企业的竞争状况和提高市场反应速度.     

消费者的时尚生活方式对于顾客忠诚度的影响

在不同的细分方法下,影响顾客忠诚度的要素及差异是最近市场营销领域研究的热点.本研究将讨论如何使用时尚生活方式对消费者细分以及时尚生活方式对于顾客忠诚度的影响.采用问卷调查法收集数据,对时尚生活方式量表的信度和效度进行检验,并进一步验证时尚生活方式的属性对于顾客忠诚度的影响.结果表明在全球市场中存在着跨国界的市场细分方法;消费者购买时尚产品时考虑的产品属性以及他们对于时尚产品的忠诚度均存在显著差异;时尚生活方式对于顾客的忠诚度有着显著的直接影响.     

基于客户价值的期货业客户聚类细分方法

针对目前国内外学者较少重视的期货业客户细分问题,提出了可操作的期货业客户细分方法。通过对中国期货业面临的市场服务问题和客户特点的分析,认为解决问题的关键是对期货客户进行有效细分,支持期货企业差异化服务的实现。依据期货业客户管理特点构建了期货业客户价值预测模型,提出基于客户当前价值和增值价值的两维聚类细分方法。以某期货公司为案例描述了方法的实际应用,证明了所提方法可行性。     

浅谈QH公司顾客管理系统的改进

随着我国市场化进程不断推进,顾客对产品的要求不仅仅满足于产品本身,全方位满足顾客需求已经成为一些优秀企业的共识。通过对企业顾客管理系统的研究,提出了顾客管理系统的方法,并运用该方法对QH公司的顾客管理系统进行分析,提出一些改进措施。     

基于数据挖掘的电信企业客户细分研究

结合数据挖掘技术研究电信企业的客户细分,提出了客户细分的模型和客户细分的流程,以提高电信企业的竞争力。     

元胞自动机预测客户群问题的研究

客户资产是企业的核心资产,能否拥有稳定的、高利润的客户群是企业能否获得竞争优势的关键所在,预测客户群就顺理成章地成为企业生存发展的必要战略.文章采用了元胞自动机模型,分析企业中的最佳客户群,为企业赢得最大的利润.     

客户关系管理研究

客户关系管理(CRM)首先是管理客户的过程。文章围绕整合公司与客户的接触点、客户终身价值和客户分离进行了探讨。     

K—means聚类算法在客户细分中的应用

以某超市会员为研究对象,以其会员卡的消费记录为数据源,运用K-means聚类算法对该超市VIP客户进行细分,得到一个细分模型,该模型对企业营销策略的制定具有一定的辅助作用．