本文關(guān)鍵詞：基于RFM改進(jìn)模型的互聯(lián)網(wǎng)金融平臺(tái)用戶細(xì)分研究

  更多相關(guān)文章： RFM改進(jìn) 互聯(lián)網(wǎng)金融 Two-Step層次聚類 用戶價(jià)值 用戶細(xì)分

【摘要】：從2013年起,互聯(lián)網(wǎng)金融開始在我國(guó)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(duì)傳統(tǒng)銀行很大的沖擊,我國(guó)金融行業(yè)進(jìn)入互聯(lián)網(wǎng)金融領(lǐng)域。本文結(jié)合用戶在互聯(lián)網(wǎng)金融平臺(tái)活期產(chǎn)品的投資贖回行為特點(diǎn),建立了考慮用戶贖回行為的RFM改進(jìn)模型,采用熵值法確定指標(biāo)權(quán)重,計(jì)算確定用戶個(gè)人價(jià)值,并使用Two-Step層次聚類算法對(duì)用戶群體細(xì)分,最后將用戶劃分為五類用戶群體,分別命名為低價(jià)值用戶群、普通用戶群、中堅(jiān)用戶群、高端用戶群和VIP用戶群。然后對(duì)各細(xì)分群體的四個(gè)聚類變量進(jìn)行單變量分析和多變量分析,詳細(xì)的闡述了用戶群的特征和價(jià)值。結(jié)果表明改進(jìn)的RFFM模型方法適應(yīng)于互聯(lián)網(wǎng)金融領(lǐng)域,是用戶的價(jià)值識(shí)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(xì)分群體的行為特征對(duì)企業(yè)方面提出了維持重要價(jià)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(duì)于在用戶篩選的優(yōu)先級(jí)方面以第5類用戶為主,依次向下一級(jí)遞減,每一級(jí)的高端用戶向上一級(jí)轉(zhuǎn)化,尾端用戶預(yù)警和挽留,防止降級(jí)。本文的創(chuàng)新之處是把新興互聯(lián)網(wǎng)金融領(lǐng)域的贖回行為考慮在內(nèi)實(shí)踐并改進(jìn)了傳統(tǒng)RFM模型并做出用戶細(xì)分研究,該模型對(duì)互聯(lián)網(wǎng)金融企業(yè)加強(qiáng)用戶價(jià)值分析,了解用戶行為特征,提高管理水平和保證營(yíng)銷決策的精準(zhǔn)性具有積極的實(shí)踐意義。
【關(guān)鍵詞】：RFM改進(jìn) 互聯(lián)網(wǎng)金融 Two-Step層次聚類 用戶價(jià)值 用戶細(xì)分
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：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(biāo)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(chǔ)和相關(guān)概念13-22
• 2.1 客戶關(guān)系管(CRM)概述13-14
• 2.2 客戶價(jià)值理論基礎(chǔ)14-16
• 2.3 RFM在客戶細(xì)分中應(yīng)用16-22
• 2.3.1 客戶細(xì)分的概念16-17
• 2.3.2 基于RFM的客戶細(xì)分17-22
• 3 基于互聯(lián)網(wǎng)金融平臺(tái)用戶RFM模型改進(jìn)22-26
• 3.1 互聯(lián)網(wǎng)金融平臺(tái)用戶價(jià)值模型建立22
• 3.2 互聯(lián)網(wǎng)金融平臺(tái)用戶價(jià)值模型權(quán)重確定22-24
• 3.2.1 異常值處理23
• 3.2.2 標(biāo)準(zhǔn)化處理23-24
• 3.3 互聯(lián)網(wǎng)金融平臺(tái)用戶價(jià)值模型確定24-26
• 4 基于RFFM模型的用戶價(jià)值計(jì)算26-34
• 4.1 數(shù)據(jù)描述26-31
• 4.1.1 數(shù)據(jù)準(zhǔn)備26-27
• 4.1.2 樣本描述統(tǒng)計(jì)27-31
• 4.2 用戶價(jià)值計(jì)算31-34
• 4.2.1 用戶權(quán)重確定31-32
• 4.2.2 用戶價(jià)值計(jì)算32-34
• 5 基于聚類分析算法的用戶細(xì)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(xì)分實(shí)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(xiàn)65-67
• 附錄A67-72
• 附錄B72-75
• 作者簡(jiǎn)歷及攻讀碩士/博士學(xué)位期間取得的研究成果75-77
• 學(xué)位論文數(shù)據(jù)集77

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 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(yù)測(cè)模型研究[J];情報(bào)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(wù)推薦機(jī)制[J];江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年03期

3 ;[J];;年期

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

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

，

本文編號(hào)：1106296