近年來,互聯(lián)網(wǎng)技術(shù)發(fā)展迅速,市場(chǎng)競(jìng)爭(zhēng)激烈,企業(yè)更加關(guān)注客戶的流失管理。提高客戶留存是企業(yè)控制成本的重要環(huán)節(jié)。而減少客戶流失的核心工作在于識(shí)別潛在的流失客戶。如何精準(zhǔn)地預(yù)測(cè)客戶的流失是客戶關(guān)系管理領(lǐng)域中不容小覷的研究問題。本文以電子商務(wù)企業(yè)客戶為研究對(duì)象,展開對(duì)客戶流失預(yù)測(cè)問題的研究。首先考慮客戶細(xì)分對(duì)客戶流失預(yù)測(cè)的正向影響作用,本文在分析客戶的購買行為與社交行為對(duì)客戶價(jià)值影響的基礎(chǔ)上,對(duì)傳統(tǒng)價(jià)值模型RFM進(jìn)行改進(jìn),引入了客戶社交影響力指標(biāo)I,構(gòu)建了 RFMI價(jià)值識(shí)別模型,從客戶的個(gè)人價(jià)值與社交網(wǎng)絡(luò)價(jià)值兩個(gè)維度出發(fā),基于客戶價(jià)值對(duì)企業(yè)客戶進(jìn)行有效的細(xì)分。接著針對(duì)電子商務(wù)客戶流失研究中存在的特征維度高、數(shù)據(jù)量大的問題,利用隨機(jī)森林算法進(jìn)行特征篩選,并基于集成學(xué)習(xí)算法XGBoost構(gòu)建了客戶流失預(yù)測(cè)模型。其中,針對(duì)預(yù)測(cè)可能產(chǎn)生的兩類錯(cuò)誤損失程度不同的問題,本文對(duì)XGBoost算法進(jìn)行了改進(jìn),在其損失函數(shù)中增加了錯(cuò)分懲罰系數(shù),令一類錯(cuò)誤損失高于二類錯(cuò)誤損失,使其更加符合實(shí)際應(yīng)用場(chǎng)景,并提高整體模型的預(yù)測(cè)精度。本文利用國內(nèi)某電子商務(wù)企業(yè)的客戶數(shù)據(jù)對(duì)模型進(jìn)行了驗(yàn)證與對(duì)比分析。研究結(jié)果發(fā)現(xiàn):(1)改進(jìn)后的XGBoost算法能夠有效降低一類錯(cuò)誤發(fā)生的概率并具有更高的準(zhǔn)確性,其中準(zhǔn)確率提升了 2.8%;(2)細(xì)分后的客戶群體相比細(xì)分前預(yù)測(cè)效果更好,其中對(duì)核心價(jià)值客戶預(yù)測(cè)時(shí)一類錯(cuò)誤發(fā)生概率下降10.8%,準(zhǔn)確率提升7.8%;(3)相比其他分類算法,改進(jìn)后的XGBoost算法在AUC值、準(zhǔn)確率、精確率等指標(biāo)上均有顯著提升。
【學(xué)位單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F724.6;F274
【部分圖文】：

ＢＰ神經(jīng)網(wǎng)絡(luò)通常使用Ｓｉｇｍｏｄ函數(shù)與雙曲正切函數(shù)作為激活函數(shù)，當(dāng)神經(jīng)元接收到??輸入信號(hào)時(shí)，會(huì)將這些信號(hào)乘以對(duì)應(yīng)的權(quán)重并累加作為輸入總值，與當(dāng)前神經(jīng)元閾值進(jìn)??行比較，通過激活函數(shù)的處理產(chǎn)生神經(jīng)元的輸出。圖２－１為ＢＰ神經(jīng)網(wǎng)絡(luò)層次示意圖，??能夠清楚地展示反向傳播的過程。??１６??

３．２．１模型基本框架??本文提出的客戶價(jià)值識(shí)別模型有指標(biāo)體系構(gòu)建、客戶價(jià)值計(jì)算以及客戶價(jià)值分類ｉ！??大階段，如圖３－１所示。首先是指標(biāo)體系的構(gòu)建，本文已在３．１小節(jié)初步提出了價(jià)值模??■的４大指標(biāo)Ｒ、Ｆ、Ｍ、Ｉ；接著我們通過專家打分法來確定各大指標(biāo)的權(quán)重值，并對(duì)??判斷矩陣進(jìn)行一致性檢驗(yàn)；其次是客戶價(jià)值計(jì)算，本文采用相乘相加的方法，對(duì)已收集??和處理的相關(guān)客戶數(shù)據(jù)進(jìn)行價(jià)值計(jì)算，以得到每個(gè)客戶的價(jià)值：Ｆ值；最后是客戶價(jià)值分??類，該階段是根據(jù)第二步的計(jì)算結(jié)果以及客戶分布情況來確定劃分客戶群體的閾值，并??根據(jù)閾值對(duì)客戶進(jìn)行分類，以達(dá)到幫助企業(yè)識(shí)別核心價(jià)值客戶的目的。??（５）指標(biāo)體系構(gòu)建＝［＞?確定指標(biāo)?一＊確定指標(biāo)權(quán)重一》?＿致性檢驗(yàn)?????????????？客戶價(jià)值計(jì)筲＝＞?數(shù)據(jù)收集與處理——？計(jì)算價(jià)值Ｖ??（Ｄ客戶價(jià)值分類＝＞?設(shè)罝閾值?一＊?jiǎng)澐挚蛻羧后w??圖３－１客戶價(jià)值識(shí)別模型框架??３．２．２指標(biāo)權(quán)重確定??在ＲＦＭＩ模型中，四大指標(biāo)對(duì)客戶價(jià)值的影響程度各不相同，在指標(biāo)權(quán)童的設(shè)定中??應(yīng)盡可能區(qū)別不同指標(biāo)對(duì)客戶產(chǎn)生的作用程度。本文采用層次分析法來解決ＲＦＭＩ模型??中的指標(biāo)權(quán)重狗題。??層次分析法是集合構(gòu)建、測(cè)量及分析的一個(gè)強(qiáng)大且靈活的決策工具，適用于需要同??時(shí)考慮定性與定量方面的復(fù)雜問題

３．２．１模型基本框架??本文提出的客戶價(jià)值識(shí)別模型有指標(biāo)體系構(gòu)建、客戶價(jià)值計(jì)算以及客戶價(jià)值分類ｉ！??大階段，如圖３－１所示。首先是指標(biāo)體系的構(gòu)建，本文已在３．１小節(jié)初步提出了價(jià)值模??■的４大指標(biāo)Ｒ、Ｆ、Ｍ、Ｉ；接著我們通過專家打分法來確定各大指標(biāo)的權(quán)重值，并對(duì)??判斷矩陣進(jìn)行一致性檢驗(yàn)；其次是客戶價(jià)值計(jì)算，本文采用相乘相加的方法，對(duì)已收集??和處理的相關(guān)客戶數(shù)據(jù)進(jìn)行價(jià)值計(jì)算，以得到每個(gè)客戶的價(jià)值：Ｆ值；最后是客戶價(jià)值分??類，該階段是根據(jù)第二步的計(jì)算結(jié)果以及客戶分布情況來確定劃分客戶群體的閾值，并??根據(jù)閾值對(duì)客戶進(jìn)行分類，以達(dá)到幫助企業(yè)識(shí)別核心價(jià)值客戶的目的。??（５）指標(biāo)體系構(gòu)建＝［＞?確定指標(biāo)?一＊確定指標(biāo)權(quán)重一》?＿致性檢驗(yàn)?????????????？客戶價(jià)值計(jì)筲＝＞?數(shù)據(jù)收集與處理——？計(jì)算價(jià)值Ｖ??（Ｄ客戶價(jià)值分類＝＞?設(shè)罝閾值?一＊?jiǎng)澐挚蛻羧后w??圖３－１客戶價(jià)值識(shí)別模型框架??３．２．２指標(biāo)權(quán)重確定??在ＲＦＭＩ模型中，四大指標(biāo)對(duì)客戶價(jià)值的影響程度各不相同，在指標(biāo)權(quán)童的設(shè)定中??應(yīng)盡可能區(qū)別不同指標(biāo)對(duì)客戶產(chǎn)生的作用程度。本文采用層次分析法來解決ＲＦＭＩ模型??中的指標(biāo)權(quán)重狗題。??層次分析法是集合構(gòu)建、測(cè)量及分析的一個(gè)強(qiáng)大且靈活的決策工具，適用于需要同??時(shí)考慮定性與定量方面的復(fù)雜問題
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張宇;張之明;;一種基于C5.0決策樹的客戶流失預(yù)測(cè)模型研究[J];統(tǒng)計(jì)與信息論壇;2015年01期

2 文志林;王淼;;社會(huì)資本、道德資本與企業(yè)客戶穩(wěn)定關(guān)系:基于在華跨國管理咨詢服務(wù)公司顧客視角的研究[J];國際商務(wù)研究;2014年06期

3 潘俊;王瑞琴;;基于選擇性聚類集成的客戶細(xì)分[J];計(jì)算機(jī)集成制造系統(tǒng);2015年06期

4 吳信東;李毅;李磊;;在線社交網(wǎng)絡(luò)影響力分析[J];計(jì)算機(jī)學(xué)報(bào);2014年04期

5 馬建平;潘俊卿;陳渤;;Android智能手機(jī)自適應(yīng)手勢(shì)識(shí)別方法[J];小型微型計(jì)算機(jī)系統(tǒng);2013年07期

6 朱志勇;徐長梅;劉志兵;胡晨剛;;基于貝葉斯網(wǎng)絡(luò)的客戶流失分析研究[J];計(jì)算機(jī)工程與科學(xué);2013年03期

7 朱幫助;;基于SMC-RS-LSSVM的電子商務(wù)客戶流失預(yù)測(cè)模型[J];系統(tǒng)工程理論與實(shí)踐;2010年11期

8 馬少輝;;Pareto/NBD模型擴(kuò)展[J];系統(tǒng)工程;2008年08期

9 應(yīng)維云;覃正;趙宇;李兵;李秀;;SVM方法及其在客戶流失預(yù)測(cè)中的應(yīng)用研究[J];系統(tǒng)工程理論與實(shí)踐;2007年07期

10 馬少輝;劉金蘭;;Pareto/NBD模型實(shí)證與應(yīng)用研究[J];管理科學(xué);2006年05期

相關(guān)碩士學(xué)位論文 前5條

1 趙偉;基于RFM模型X公司客戶關(guān)系管理研究[D];北京化工大學(xué);2018年

2 王麗菊;基于客戶價(jià)值的航空旅客細(xì)分研究[D];北京郵電大學(xué);2018年

3 李皎皎;BES貨代公司客戶關(guān)系管理問題研究[D];華東師范大學(xué);2015年

4 馬君;B2B情境下面向CLV建模的風(fēng)險(xiǎn)研究[D];北京郵電大學(xué);2012年

5 王東亮;灰色預(yù)測(cè)和神經(jīng)網(wǎng)絡(luò)在電信客戶流失預(yù)測(cè)中的應(yīng)用[D];北京郵電大學(xué);2010年

本文編號(hào)：2885710