本文關鍵詞：基于RFM改進模型的互聯(lián)網(wǎng)金融平臺用戶細分研究

  更多相關文章： RFM改進 互聯(lián)網(wǎng)金融 Two-Step層次聚類 用戶價值 用戶細分

【摘要】：從2013年起,互聯(lián)網(wǎng)金融開始在我國迅速發(fā)展,余額寶、微信支付等各種互聯(lián)網(wǎng)金融創(chuàng)新產(chǎn)品相繼推出,對傳統(tǒng)銀行很大的沖擊,我國金融行業(yè)進入互聯(lián)網(wǎng)金融領域。本文結(jié)合用戶在互聯(lián)網(wǎng)金融平臺活期產(chǎn)品的投資贖回行為特點,建立了考慮用戶贖回行為的RFM改進模型,采用熵值法確定指標權(quán)重,計算確定用戶個人價值,并使用Two-Step層次聚類算法對用戶群體細分,最后將用戶劃分為五類用戶群體,分別命名為低價值用戶群、普通用戶群、中堅用戶群、高端用戶群和VIP用戶群。然后對各細分群體的四個聚類變量進行單變量分析和多變量分析,詳細的闡述了用戶群的特征和價值。結(jié)果表明改進的RFFM模型方法適應于互聯(lián)網(wǎng)金融領域,是用戶的價值識別與分析有效工具,也是研究用戶投資行為特征的有效方法。最后根據(jù)不同細分群體的行為特征對企業(yè)方面提出了維持重要價值用戶、突破重要存款用戶和重要挽留用戶、刺激一般發(fā)展用戶的建議。對于在用戶篩選的優(yōu)先級方面以第5類用戶為主,依次向下一級遞減,每一級的高端用戶向上一級轉(zhuǎn)化,尾端用戶預警和挽留,防止降級。本文的創(chuàng)新之處是把新興互聯(lián)網(wǎng)金融領域的贖回行為考慮在內(nèi)實踐并改進了傳統(tǒng)RFM模型并做出用戶細分研究,該模型對互聯(lián)網(wǎng)金融企業(yè)加強用戶價值分析,了解用戶行為特征,提高管理水平和保證營銷決策的精準性具有積極的實踐意義。
【關鍵詞】：RFM改進 互聯(lián)網(wǎng)金融 Two-Step層次聚類 用戶價值 用戶細分
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F724.6;F832
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-10
• 1 引言10-13
• 1.1 研究背景和意義10-11
• 1.2 研究目標11-12
• 1.3 研究的主要內(nèi)容和創(chuàng)新之處12-13
• 2 理論基礎和相關概念13-22
• 2.1 客戶關系管(CRM)概述13-14
• 2.2 客戶價值理論基礎14-16
• 2.3 RFM在客戶細分中應用16-22
• 2.3.1 客戶細分的概念16-17
• 2.3.2 基于RFM的客戶細分17-22
• 3 基于互聯(lián)網(wǎng)金融平臺用戶RFM模型改進22-26
• 3.1 互聯(lián)網(wǎng)金融平臺用戶價值模型建立22
• 3.2 互聯(lián)網(wǎng)金融平臺用戶價值模型權(quán)重確定22-24
• 3.2.1 異常值處理23
• 3.2.2 標準化處理23-24
• 3.3 互聯(lián)網(wǎng)金融平臺用戶價值模型確定24-26
• 4 基于RFFM模型的用戶價值計算26-34
• 4.1 數(shù)據(jù)描述26-31
• 4.1.1 數(shù)據(jù)準備26-27
• 4.1.2 樣本描述統(tǒng)計27-31
• 4.2 用戶價值計算31-34
• 4.2.1 用戶權(quán)重確定31-32
• 4.2.2 用戶價值計算32-34
• 5 基于聚類分析算法的用戶細分34-63
• 5.1 聚類分析算法理論描述34-41
• 5.1.1 聚類分析的概念34
• 5.1.2 聚類分析算法的劃分34-35
• 5.1.3 主要代表聚類算法35-37
• 5.1.4 兩步聚類算法37-41
• 5.2 用戶細分實證分析41-63
• 5.2.1 聚類結(jié)果41-42
• 5.2.2 聚類結(jié)果類別特征描述42-63
• 6 結(jié)論與建議63-65
• 參考文獻65-67
• 附錄A67-72
• 附錄B72-75
• 作者簡歷及攻讀碩士/博士學位期間取得的研究成果75-77
• 學位論文數(shù)據(jù)集77

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 黃聰;王東;;基于RFM分析模式與馬爾可夫鏈的客戶行為預測模型研究[J];情報雜志;2009年S2期

2 孫玲芳;張婧;;基于RFM模型和協(xié)同過濾的電子商務推薦機制[J];江蘇科技大學學報(自然科學版);2010年03期

3 ;[J];;年期

中國重要報紙全文數(shù)據(jù)庫 前1條

1 建行上海市分行信息技術(shù)部 劉玲玲;個人客戶RFM模型初探[N];上海金融報;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 吳曉雪;基于RFM改進模型的互聯(lián)網(wǎng)金融平臺用戶細分研究[D];北京交通大學;2016年

，

本文編號：1106296