對電子商務企業(yè)的客戶進行客戶細分,通過差異化服務,可以提高電子商務企業(yè)的競爭力。通過Python對某家電子商務數(shù)據(jù)進行整理,建立RFM模型,在此模型上,通過兩種方法—K-means聚類分析和四分位法,對客戶進行客戶細分,并對兩種方法的優(yōu)缺點進行比較,企業(yè)可以根據(jù)自己的需要選擇不同的方法。通過肘部曲線,更合理的確定了分類的個數(shù),四分位法可以使客戶價值的評分與權重更加客觀。企業(yè)可以通過自己的需要選擇相應的方法來找到最優(yōu)和有潛力客戶等,進行針對性策略吸引客戶,形成長期購買行為,提高客戶忠誠度。 

【文章來源】：市場周刊. 2020,(04)

【文章頁數(shù)】：3 頁

【文章目錄】：
一、 引言
二、 RFM模型
三、 權重分析
    (一)K-means聚類
    (二)四分位法
四、 數(shù)據(jù)整理
五、 數(shù)據(jù)分析與結(jié)果
    (一)K-means聚類結(jié)果
    (二)四分位法細分的結(jié)果
    (三)兩種模型結(jié)果比較
六、 結(jié)語


【參考文獻】：
期刊論文
[1]基于RFM模型視角的服務成本與顧客價值關系研究[J]. 宗毅,邢浩.  價值工程. 2019(30)
[2]基于聚類的恐襲事件嫌疑人與可疑據(jù)點預測[J]. 姜丁菊,劉學文,姜曉雪.  重慶工商大學學報(自然科學版). 2019(03)
[3]基于RFA模型和聚類分析的百度外賣客戶細分[J]. 包志強,趙媛媛,趙研,胡嘯天,高帆.  計算機科學. 2018(S2)
[4]基于改進RFM模型的電子商務客戶細分[J]. 徐翔斌,王佳強,涂歡,穆明.  計算機應用. 2012(05)
[5]客戶行為的有效聚類[J]. 劉慧婷,倪志偉.  計算機工程與應用. 2010(04)

碩士論文
[1]基于RFM模型的C2C環(huán)境下顧客價值識別研究[D]. 安祥茜.西南財經(jīng)大學 2012



本文編號：3634393