發(fā)布時間：2021-09-21 23:41

　　隨著經(jīng)濟發(fā)展和科學技術(shù)的進步,零售行業(yè)也迎來了前所未有的變革和挑戰(zhàn)。零售企業(yè)對于客戶價值的研究一直都是一個熱門的話題,由于零售商品的特點,對于零售客戶的消費習慣、消費行為等研究能幫助零售企業(yè)掌握零售客戶的重要信息,這些消費相關(guān)的信息能有效地輔助零售企業(yè)進行商業(yè)決策,制定相關(guān)的企業(yè)戰(zhàn)略。隨著企業(yè)信息化的日益普及,眾多零售企業(yè)完成數(shù)字化轉(zhuǎn)型之后,如何利用信息技術(shù)提供的先進工具賦能企業(yè),指導零售企業(yè)日常運營,對許多企業(yè)來說,是十分重大的挑戰(zhàn)。本文的研究工作如下:第一個工作是對現(xiàn)階段客戶價值分析模型的研究。針對現(xiàn)階段客戶價值分析模型不足以對客戶的消費行為和特點進行表征,以及現(xiàn)階段RFM模型（Recency Frequency Monetary Model）對客戶分類方法存在的問題和局限性,提出一種基于聚類算法的客戶價值分析模型。本工作的主要創(chuàng)新點包括:第一,通過考察現(xiàn)階段企業(yè)系統(tǒng)的三層架構(gòu)模型,提出了扁平架構(gòu)的聚類方法,這一方法通過簡化分析過程中數(shù)據(jù)在應用服務器中的傳輸步驟,簡化了現(xiàn)有的分析流程;第二,提出了改進之后的客戶價值分析模型:C-RFM模型（Clustering-Based Rece... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

圖２－７緩沖區(qū)機制??Ｐｉｃｔｕｒｅ?２－７?Ｔｈｅ?ｂｕｆｆｅｒ?ｃｏｎｃｅｐｔ??

?數(shù)據(jù)讀取操作??圖２－７緩沖區(qū)機制??Ｐｉｃｔｕｒｅ?２－７?Ｔｈｅ?ｂｕｆｆｅｒ?ｃｏｎｃｅｐｔ??在內(nèi)存計算架構(gòu)中，每一張表格都由主存儲和增量空間兩部分組成［２９］。主存??儲是內(nèi)存計算架構(gòu)中，經(jīng)過了讀取操作優(yōu)化的區(qū)域，用戶只能讀取主存儲區(qū)域的數(shù)??據(jù)，而不能修改主存儲中間的數(shù)據(jù)。增量空間與主存儲相比，沒有對數(shù)據(jù)進行壓縮??和讀取優(yōu)化，犧牲了一部分讀取性能，但增量空間中的數(shù)據(jù)修改操作的效率非常高。??通過對增量空間中的數(shù)據(jù)進行數(shù)據(jù)修改的操作，將增量空間作為主存儲與修改數(shù)??據(jù)之間的中介，解決內(nèi)存計算中的寫入優(yōu)化問題。在數(shù)據(jù)讀取操作時，需要同時讀??取主存儲和增量空間兩個部分中的數(shù)據(jù)。隨著寫入操作的累積，增量空間會逐漸增??大

與之前的全局合并不同，單列合并通過在合并過程中創(chuàng)建新屬性向量與舊屬性向??量的映射表，并減少合并過程中所需要涉及的屬性，實現(xiàn)節(jié)約內(nèi)存開銷的目的。如??圖２－９為列存儲增量空間的合并過程。??ＡＶｍ?Ｄｍ?Ｄｃ?ＡＵＸｍ??０?４?０?０?ａｎｎａ?＾?ａｎｎａ?０?０??１２?１?１?Ｃｈａｒｌｉｅ?Ｉｆ?ｂｅｍｄ＾＇］?１?＾?２＞??２?３?１?２?２?ｄａｎｉｅｌ?１?Ｃｈａｒｌｉｅ?２?３??３?２?３?３?ｆｒａｎｋ?，３?ｄａｎｉｅｌ?３?４??４?０?４?４?ｈａｎｓ?ｆｒａｎｋ?４?５??５?麵?１?５?５?ｉｓａｂｅｌｌ?５?ｈａｎｓ?５?６??６?曜?Ｉ?６?／?６?ｉｓａｂｅｌｌ??７?５?７?／??ＡＶｄ?Ｄｄ?／?ＡＵＸｄ??０?０、８?０?ｔ?ｂｅｍｄ?０?｜；．?｜｜｜??１?＾?０?９?１?ｆｒａｎｋ?１?４?％??２?２?１０?２?ｈａｎｓ?２?５??３?１?１１??圖２＿９列存儲增量空間合并過程（一）??Ｐｉｃｔｕｒｅ?２－９?Ｆｉｒｓｔ?ｓｔｅｐ?ｏｆ?ｔｈｅ?ｍｅｒｇｅ?ｐｒｏｃｅｓｓ?ｆｏｒ?ａ?ｓｉｎｇｌｅ?ｃｏｌｕｍｎ：?ｄｉｃｔｉｏｎａｒｙ?ｍｅｒｇｅ??單列合并的步驟分為兩步：第一步，首先獲取主存儲屬性列（ＡＶｍ）中的屬性??字典（Ｄｍ）以及增量空間中的屬性字典（Ｄｄ）然后對這兩個字典中的值進行重排??序，為了進行重排序并合并這兩個字典，指針會先分別指向這兩個字典中的第一個??元素，在迭代過程中比較這兩個字典指針所指向的值，較小值添加到基于這兩個屬??性字典創(chuàng)建新的字典（Ｄｃ）中

【參考文獻】：
期刊論文
[1]基于RFM模型的半監(jiān)督聚類算法[J]. 程汝嬌,徐鴻雁.  計算機系統(tǒng)應用. 2017(11)
[2]基于RFM購買樹的客戶分群[J]. 明勇,張文斌,黃哲學,陳小軍.  深圳大學學報(理工版). 2017(03)
[3]內(nèi)存計算技術(shù)研究綜述[J]. 羅樂,劉軼,錢德沛.  軟件學報. 2016(08)
[4]基于購買行為RFM及評論行為RFMP模型的客戶終身價值研究[J]. 趙萌,齊佳音.  統(tǒng)計與信息論壇. 2014(09)
[5]隨機RFM模型及其在零售顧客價值識別中的應用[J]. 馬寶龍,李飛,王高,李純青.  管理工程學報. 2011(01)
[6]基于RFM模型和協(xié)同過濾的電子商務推薦機制[J]. 孫玲芳,張婧.  江蘇科技大學學報(自然科學版). 2010(03)
[7]基于決策樹的證券客戶流失模型[J]. 杜修平,王中.  計算機應用與軟件. 2009(09)

博士論文
[1]基于客戶價值的客戶分類模型研究[D]. 劉朝華.華中科技大學 2008

碩士論文
[1]基于改進RFM模型的聚類算法在農(nóng)村用戶4G消費行為中研究與應用[D]. 楊磊.南京郵電大學 2017
[2]基于產(chǎn)品分類的RFM多層級客戶價值模型及其應用研究[D]. 熊蘭.暨南大學 2016
[3]基于RFM模型的協(xié)同過濾方法及其在個性化推薦中的應用[D]. 王淵.杭州電子科技大學 2014
[4]基于改進RFM模型的應用研究[D]. 計海斌.吉林大學 2010



本文編號：3402721