本文關(guān)鍵詞：基于兩步層次聚類的B2C電子商務(wù)客戶細(xì)分研究

  更多相關(guān)文章： 客戶細(xì)分 數(shù)據(jù)挖掘 聚類算法

【摘要】：近年來,電子商務(wù)得到了迅猛發(fā)展,越來越重要的客戶資源已變成企業(yè)取得并保持競爭優(yōu)勢的重要因素。企業(yè)的工作重心逐漸轉(zhuǎn)移到客戶上面,資源也投入到發(fā)展和維持客戶上,采用差異化的營銷手段來提升客戶滿意度,而實現(xiàn)精準(zhǔn)營銷的前提就是有效的客戶細(xì)分。而客戶細(xì)分的有效性取決于使用的模型和方法,傳統(tǒng)過于簡單和粗糙的模型和方法必然難以滿足日漸多樣化的企業(yè)要求和客戶需求,而數(shù)據(jù)挖掘技術(shù)可以高準(zhǔn)確度、高效率地處理復(fù)雜的模型和數(shù)據(jù),從而對客戶群進行精確分類和描述,充分體現(xiàn)各類客戶的綜合特征,企業(yè)營銷部門據(jù)此可以細(xì)致地了解并分析客戶的特點,甚至可以實現(xiàn)對顧客的動態(tài)追蹤,繼而提出有效的營銷計劃,達到最終目標(biāo)。 論文在闡述客戶細(xì)分理論后,在分析了其細(xì)分依據(jù)、方式、要求、局限性及在B2C電子商務(wù)環(huán)境下的變化的基礎(chǔ)上,從人口統(tǒng)計屬性、心理特征屬性、消費行為和客戶價值以及網(wǎng)絡(luò)影響四個方面分析,建立了B2C電子商務(wù)客戶細(xì)分指標(biāo)體系,其中根據(jù)電子商務(wù)交易的特性,在一些基本屬性的基礎(chǔ)上,添加了保持水平、支付方式、平均利潤價值和網(wǎng)絡(luò)影響因素等屬性,以供進行聚類分析選擇指標(biāo)時參考。 此外,論文選擇聚類分析作為進行B2C電子商務(wù)客戶細(xì)分的方法,對聚類分析的原理、特點以及劃分做了較為充分的說明和總結(jié),重點介紹了K-means算法、SL層次聚類算法、DBSCAN算法和兩步層次聚類算法,分析了兩步層次聚類分析算法在原理和思想上的優(yōu)勢及與電子商務(wù)客戶細(xì)分的契合性,最后用仿真實驗對幾大聚類算法進行了比較,在準(zhǔn)確率、算法效率和噪聲處理能力方面給出了比較結(jié)果,最終確定兩步層次聚類算法作為完成B2C電子商務(wù)客戶細(xì)分過程的方法。 最后是兩步層次聚類算法在B2C電子商務(wù)客戶細(xì)分領(lǐng)域的應(yīng)用,從網(wǎng)站獲取數(shù)據(jù)后,經(jīng)過數(shù)據(jù)清洗和數(shù)據(jù)變換等數(shù)據(jù)準(zhǔn)備過程,結(jié)合建立的指標(biāo)體系和實際情況,確定最終參與聚類分析的客戶指標(biāo),使用IBM的Clementine軟件完成用兩步層次聚類算法對數(shù)據(jù)的聚類過程,對聚類結(jié)果進行信息統(tǒng)計和結(jié)果分析,并給出了一定的建議。 本文在客戶細(xì)分理論和聚類分析理論的基礎(chǔ)上,探討了聚類分析在B2C電子商務(wù)客戶細(xì)分領(lǐng)域中應(yīng)用的問題,提出了自己的一些觀點。
【關(guān)鍵詞】：客戶細(xì)分 數(shù)據(jù)挖掘 聚類算法
【學(xué)位授予單位】：東北財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：F274;F713.36
【目錄】：

• 摘要2-4
• ABSTRACT4-8
• 1. 緒論8-16
• 1.1 選題的背景8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.3 研究意義11-13
• 1.3.1 理論意義11
• 1.3.2 實踐意義11-13
• 1.4 研究方法13
• 1.5 研究內(nèi)容及創(chuàng)新點13-14
• 1.6 論文結(jié)構(gòu)14-16
• 2. B2C電子商務(wù)客戶細(xì)分研究16-22
• 2.1 客戶細(xì)分理論研究16-18
• 2.1.1 客戶細(xì)分概述16-17
• 2.1.2 客戶細(xì)分的依據(jù)17
• 2.1.3 客戶細(xì)分方式17-18
• 2.2 傳統(tǒng)客戶細(xì)分的局限性18
• 2.3 B2C電子商務(wù)中客戶細(xì)分的變化18-19
• 2.4 B2C電子商務(wù)客戶細(xì)分的要求19-20
• 2.5 B2C電子商務(wù)客戶細(xì)分技術(shù)研究20-21
• 2.6 本章小結(jié)21-22
• 3. B2C電子商務(wù)客戶細(xì)分過程22-27
• 3.1 B2C電子商務(wù)環(huán)境下客戶細(xì)分流程22-23
• 3.2 B2C電子商務(wù)環(huán)境下客戶細(xì)分指標(biāo)體系23-26
• 3.2.1 客戶細(xì)分變量的選擇標(biāo)準(zhǔn)23-24
• 3.2.2 客戶細(xì)分指標(biāo)體系構(gòu)建24-26
• 3.3 本章小結(jié)26-27
• 4. 聚類分析算法27-46
• 4.1 聚類定義27
• 4.2 聚類分析的特點27-28
• 4.3 聚類分析算法的劃分28-30
• 4.3.1 從聚類結(jié)果角度劃分28
• 4.3.2 從聚類變量類型角度劃分28
• 4.3.3 從聚類原理角度劃分28-30
• 4.4 主要代表聚類算法30-34
• 4.4.1 K-means算法30-31
• 4.4.2 SL層次聚類算法31-32
• 4.4.3 DBSCAN算法32-33
• 4.4.4 聚類算法的評價標(biāo)準(zhǔn)33-34
• 4.5 兩步層次聚類算法34-40
• 4.5.1 兩步層次聚類算法概述34-35
• 4.5.2 兩步層次聚類算法的“親疏程度”35-36
• 4.5.3 兩步層次聚類過程36-38
• 4.5.4 聚類數(shù)目的確定38-40
• 4.6 算法仿真實驗40-45
• 4.6.1 算法準(zhǔn)確率測試40-42
• 4.6.2 算法效率測試42-43
• 4.6.3 算法噪聲敏感性測試43-45
• 4.7 本章小結(jié)45-46
• 5. 基于兩步層次聚類的算法應(yīng)用于B2C電子商務(wù)客戶細(xì)分46-54
• 5.1 聚類算法應(yīng)用于客戶細(xì)分的步驟46
• 5.2 數(shù)據(jù)獲取46-47
• 5.3 數(shù)據(jù)準(zhǔn)備與指標(biāo)選取47-49
• 5.4 使用兩步層次聚類算法進行客戶細(xì)分49-52
• 5.5 客戶細(xì)分聚類結(jié)果分析52-53
• 5.6 本章小結(jié)53-54
• 6. 結(jié)論與展望54-56
• 6.1 結(jié)論54-55
• 6.2 B2C客戶細(xì)分發(fā)展趨勢55-56
• 參考文獻56-59

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李益強,漆晨曦;基于數(shù)據(jù)挖掘的電信客戶細(xì)分研究析[J];廣東通信技術(shù);2005年05期

2 張曉航;基于聚類算法的客戶細(xì)分[J];通信企業(yè)管理;2005年12期

3 張國政;高杰;;客戶關(guān)系管理中基于數(shù)據(jù)挖掘的客戶細(xì)分研究[J];市場營銷導(dǎo)刊;2005年05期

4 劉立;;數(shù)據(jù)倉庫中的客戶細(xì)分[J];當(dāng)代經(jīng)理人;2006年03期

5 葉強;盧濤;閆相斌;李一軍;;客戶關(guān)系管理中的動態(tài)客戶細(xì)分方法研究[J];管理科學(xué)學(xué)報;2006年02期

6 張國政;;客戶關(guān)系管理中基于數(shù)據(jù)挖掘的客戶細(xì)分研究[J];商業(yè)研究;2006年13期

7 夏維力;王青松;;基于客戶價值的客戶細(xì)分及保持策略研究[J];管理科學(xué);2006年04期

8 周粉妹;;聚類算法在客戶細(xì)分中的應(yīng)用[J];煙臺職業(yè)學(xué)院學(xué)報;2006年02期

9 閻長順;李一軍;;基于云模型的動態(tài)客戶細(xì)分分類模型研究[J];哈爾濱工業(yè)大學(xué)學(xué)報;2007年02期

10 李春宏;;基于數(shù)據(jù)挖掘方法的中小型企業(yè)客戶細(xì)分的案例研究[J];云南師范大學(xué)學(xué)報(自然科學(xué)版);2007年03期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 張國政;;基于CLV及客戶滿意度的客戶細(xì)分研究[A];中國市場營銷創(chuàng)新與發(fā)展學(xué)術(shù)研討會論文集[C];2009年

2 謝琳;潘定;;珠三角寬帶客戶細(xì)分及保持策略研究[A];第二十九屆中國控制會議論文集[C];2010年

3 盧艷麗;韓景元;袁麗娜;;基于客戶終身價值的客戶細(xì)分方法實證研究[A];中國市場學(xué)會2006年年會暨第四次全國會員代表大會論文集[C];2006年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 范煒;合理確定客戶細(xì)分標(biāo)準(zhǔn)是理財業(yè)務(wù)的重中之中[N];中國城鄉(xiāng)金融報;2006年

2 ;撥開“客戶細(xì)分”迷霧[N];網(wǎng)絡(luò)世界;2006年

3 工業(yè)和信息化部電信研究院泰爾管理研究所 狄輝;客戶細(xì)分魔法書[N];通信產(chǎn)業(yè)報;2009年

4 任柏菘;普爾特的客戶細(xì)分[N];中國房地產(chǎn)報;2011年

5 主持人 中國房地產(chǎn)報管理評論部資深記者 張勁松;怎樣實現(xiàn)中國特色的客戶細(xì)分？[N];中國房地產(chǎn)報;2011年

6 郵儲銀行江蘇省連云港市分行 朱慈;基于經(jīng)濟生命周期的銀行客戶細(xì)分[N];中國郵政報;2013年

7 本報記者 李秀中;客戶細(xì)分 上海大眾運作“關(guān)系營銷”[N];第一財經(jīng)日報;2005年

8 記者 方俊;券商強化客戶細(xì)分初嘗甜頭[N];上海證券報;2011年

9 中研博峰咨詢有限公司咨詢顧問 高榮霞;六步驟鎖定細(xì)分市場[N];通信產(chǎn)業(yè)報;2009年

10 楊怡 劉學(xué);重慶移動深度推進客戶細(xì)分工程[N];人民郵電;2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳昊;基于利益的客戶細(xì)分方法研究[D];華中科技大學(xué);2004年

2 羅斌;面向客戶細(xì)分的改進關(guān)聯(lián)規(guī)則算法研究[D];哈爾濱工業(yè)大學(xué);2006年

3 卞愛軍;基于信息化平臺的壽險客戶細(xì)分管理研究[D];南京理工大學(xué);2008年

4 劉崗;電信企業(yè)客戶細(xì)分研究[D];暨南大學(xué);2008年

5 吳濤;陜西聯(lián)通租機客戶細(xì)分研究[D];西北大學(xué);2009年

6 盧峗棟;客觀聚類在房地產(chǎn)客戶細(xì)分中的應(yīng)用及理論研究[D];首都經(jīng)濟貿(mào)易大學(xué);2009年

7 朱幸燕;基于消費行為認(rèn)知的電信企業(yè)客戶細(xì)分方法研究[D];華南理工大學(xué);2011年

8 李媛;電信企業(yè)客戶細(xì)分的模型研究[D];北京交通大學(xué);2007年

9 蔡凌卿;銀行卡客戶細(xì)分系統(tǒng)分析與設(shè)計[D];西南財經(jīng)大學(xué);2004年

10 郭強;基于多示例核聚類的港口客戶細(xì)分[D];大連理工大學(xué);2007年

，

本文編號：935166