本文關(guān)鍵詞：電子商務網(wǎng)站中客戶流失預測模型研究

  更多相關(guān)文章： 電子商務 客戶流失 Pareto/NBD模型 樸素貝葉斯算法 支持向量機 BP神經(jīng)網(wǎng)絡

【摘要】：近年來,隨著互聯(lián)網(wǎng)的發(fā)展,信息化社會的日益進步,電子商務網(wǎng)站作為企業(yè)新的營銷渠道,越來越多的消費者已經(jīng)開始接受網(wǎng)絡購物這一新的購物方式。電子商務網(wǎng)站越來越成為眾多網(wǎng)絡用戶光顧的場所的同時也帶來了一系列的問題,客戶時常處于不穩(wěn)定狀態(tài),客戶流失率高。對于網(wǎng)站,如何最大程度的規(guī)避客戶的流失,降低網(wǎng)站客戶的流失率,成為當前電子商務運營商急需解決的一個問題。 本文首先在對客戶關(guān)系管理理論及電子商務客戶流失、數(shù)據(jù)挖掘相關(guān)理論理解的基礎(chǔ)上,結(jié)合電子商務網(wǎng)站客戶流失的特征,提出了電子商務網(wǎng)站下的四種客戶流失預測模型。 接著,本文通過理論和實證相結(jié)合的方式,以CD零售商CDNOW電子商務網(wǎng)站客戶購買數(shù)據(jù)為研究背景,對樣本數(shù)據(jù)使用SPSS17.0進行描述性分析的基礎(chǔ)上,分別利用Pareto/NBD模型、樸素貝葉斯算法模型、支持向量機預測模型及BP神經(jīng)網(wǎng)絡預測模型進行實證研究。論文在第四部分詳細介紹了模型的實證過程,包括數(shù)據(jù)的說明與解釋、模型實證,實證后采用數(shù)值化指標進行的模型結(jié)果評價。 最后,結(jié)合客戶關(guān)系管理理論及實證結(jié)果,首先提出了電子商務網(wǎng)站客戶流失類型及控制網(wǎng)站客戶流失的策略制定原則;接著將受力分析的思想引入對客戶流失問題的研究,對網(wǎng)站客戶流失進行受力分析,發(fā)現(xiàn)導致網(wǎng)站客戶流失的推力和引力;最后通過分析,引入控制網(wǎng)站客戶流失的拉力及阻力策略來控制網(wǎng)站客戶流失。從實踐角度看,本文提出的研究思路可以為我國電子商務行業(yè)客戶流失分析、預測提供一定的參考。
【關(guān)鍵詞】：電子商務 客戶流失 Pareto/NBD模型 樸素貝葉斯算法 支持向量機 BP神經(jīng)網(wǎng)絡
【學位授予單位】：江蘇科技大學
【學位級別】：碩士
【學位授予年份】：2011
【分類號】：F274;F724.6;TP393.092
【目錄】：

• 摘要6-7
• Abstract7-18
• 第1章 緒論18-28
• 1.1 研究背景及目的意義18-19
• 1.1.1 研究背景18-19
• 1.1.2 研究目的和意義19
• 1.2 國內(nèi)外研究現(xiàn)狀19-23
• 1.2.1 契約關(guān)系情景下客戶流失預測方法國內(nèi)外研究現(xiàn)狀20-21
• 1.2.2 非契約關(guān)系情景下客戶流失預測方法國內(nèi)外研究現(xiàn)狀21-22
• 1.2.3 國內(nèi)外研究現(xiàn)狀評述22-23
• 1.3 研究思路、主要內(nèi)容、研究方法、創(chuàng)新點23-26
• 1.3.1 研究內(nèi)容23-24
• 1.3.2 研究思路24
• 1.3.3 研究方法24-25
• 1.3.4 研究創(chuàng)新點25-26
• 1.4 技術(shù)路線26-27
• 1.5 本章小結(jié)27-28
• 第2章 相關(guān)理論及技術(shù)28-40
• 2.1 客戶關(guān)系管理28-30
• 2.1.1 CRM 概述28
• 2.1.2 CRM 的核心思想28-29
• 2.1.3 CRM 的目標29
• 2.1.4 CRM 在電子商務中應用29-30
• 2.2 電子商務客戶流失及相關(guān)理論30-31
• 2.2.1 客戶流失30-31
• 2.2.2 電子商務客戶流失31
• 2.3 Pareto/NBD 模型31-33
• 2.4 數(shù)據(jù)挖掘33-34
• 2.4.1 數(shù)據(jù)挖掘定義33
• 2.4.2 數(shù)據(jù)挖掘的任務33
• 2.4.3 數(shù)據(jù)挖掘的過程33-34
• 2.5 用于預測的數(shù)據(jù)挖掘方法34-38
• 2.5.1 樸素貝葉斯算法35
• 2.5.2 支持向量機35-37
• 2.5.3 BP 神經(jīng)網(wǎng)絡37-38
• 2.6 本章小結(jié)38-40
• 第3章 電子商務網(wǎng)站客戶流失預測模型40-46
• 3.1 建立網(wǎng)站客戶流失預測模型的可行性與必要性40-41
• 3.2 Pareto/NBD 預測模型41-42
• 3.2.1 數(shù)據(jù)處理41
• 3.2.2 參數(shù)估計41
• 3.2.3 客戶活躍度計算41
• 3.2.4 算法實現(xiàn)41-42
• 3.3 樸素貝葉斯算法預測模型42-43
• 3.3.1 算法步驟42
• 3.3.2 算法實現(xiàn)42-43
• 3.4 支持向量機預測模型43
• 3.4.1 指標的選擇43
• 3.4.2 模型的構(gòu)造43
• 3.4.3 算法實現(xiàn)43
• 3.5 BP 神經(jīng)網(wǎng)絡預測模型43-45
• 3.5.1 BP 神經(jīng)網(wǎng)絡模型的結(jié)構(gòu)設計43-44
• 3.5.2 BP 神經(jīng)網(wǎng)絡初始參數(shù)的選擇44
• 3.5.3 算法實現(xiàn)44-45
• 3.6 本章小結(jié)45-46
• 第4章 網(wǎng)站客戶流失預測模型實證研究46-65
• 4.1 基于Pareto/NBD 模型的客戶流失預測實證研究46-52
• 4.1.1 數(shù)據(jù)的獲取與解釋46
• 4.1.2 Pareto/NBD 模型參數(shù)估計46-50
• 4.1.3 Pareto/NBD 模型計算客戶活躍度50-52
• 4.2 基于樸素貝葉斯算法的客戶流失預測實證研究52-57
• 4.2.1 數(shù)據(jù)的獲取與解釋52
• 4.2.2 訓練樣本訓練樸素貝葉斯算法模型52-56
• 4.2.3 測試樣本驗證樸素貝葉斯算法模型56-57
• 4.3 基于支持向量機的客戶流失預測實證研究57-58
• 4.3.1 數(shù)據(jù)的獲取與解釋57
• 4.3.2 支持向量機模型的構(gòu)造57-58
• 4.4 基于BP 神經(jīng)網(wǎng)絡的客戶流失預測實證研究58-61
• 4.4.1 數(shù)據(jù)的獲取與解釋58-59
• 4.4.2 模型訓練及測試59-61
• 4.5 模型評價61-64
• 4.5.1 模型評價標準61-62
• 4.5.2 模型評價結(jié)果62-64
• 4.6 本章小結(jié)64-65
• 第5章 控制電子商務網(wǎng)站客戶流失的策略研究65-72
• 5.1 電子商務網(wǎng)站客戶流失類型65-66
• 5.2 控制電子商務網(wǎng)站客戶流失的策略制定原則66
• 5.3 控制電子商務網(wǎng)站客戶流失的策略66-71
• 5.3.1 導致電子商務網(wǎng)站客戶流失的受力分析66-68
• 5.3.2 基于受力分析的控制電子商務網(wǎng)站客戶流失的策略68-71
• 5.4 本章小結(jié)71-72
• 總結(jié)與展望72-74
• 參考文獻74-77
• 攻讀學位期間發(fā)表的學術(shù)論文77-78
• 致謝78-79
• 詳細摘要79-83

【引證文獻】

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 趙曄;基于服務供應鏈的煤炭港口客戶關(guān)系管理研究[D];燕山大學;2012年

，

本文編號：591478