【摘要】：本文以顧客細分為研究內容，以結構方程模型分類為基本方法，以提高基于結構方程模型的顧客分類、描述和預測效果為目標，進行了以下研究工作： 1.回顧顧客細分理論的發(fā)展歷程，總結根據不同特征的三類細分方式：根據人口統(tǒng)計特征的細分、根據顧客行為的細分和根據顧客心理的細分，并簡要介紹了市場細分中簡單易行的聚類方法和交互檢測方法。通過對比聚類方法、交互檢測方法和結構方程模型之間的優(yōu)劣，得出結構方程是最有研究和應用前景的結論，并對現有的為數不多的結構方程分類方法做了細致的研究和對比。 2.通過對比現有的結構方程分類方法，作者發(fā)現REBUS-PLS方法善于找到行為特征、心理特征同質的顧客群體而苦于無法用特征信息描述和預測，PATHMOX則恰好相反，過多利用特征信息分類而無法保證類內成員的同質性。作者以此為切入點，嘗試找到一種既能分類又能預測的方法，以REBUS-PLS為基礎，改進了REBUS-PLS中“距離”的概念，把人口統(tǒng)計信息也納入到距離的計算，在分類時考慮了類的內部和外部的綜合特征。為了防止特征信息在分類過程中的作用超過內部特征，為人口統(tǒng)計信息設置了一個小于1的可調整的權重。 3.由于結構方程模型在顧客滿意度中的應用非常成功，因此選擇經典的顧客滿意度案例作為新方法在實際應用的開始。根據2008年西班牙金融機構的顧客滿意度調查結果構建顧客滿意度模型，，通過信效度和穩(wěn)定性分析進一步確認該結構方程模型有效性。在此基礎上用新方法對顧客分類，與REBUS-PLS方法分類結果對比，發(fā)現新方法確實達到了合理分類且預測的目的。新方法在分類過程中遇到了種種問題，作者如實一一列出作，以作為今后研究的參考。
【圖文】：

4.1 節(jié)建立的總體結構方程模型計算得到潛變量與顯變量的殘差，方法嘗試對所有樣本分類，實際上用所有變量的殘差遵循了盡量不類原則。層次聚類樹狀圖見圖 4.2。

REBUS-PLS分類對應分析
【學位授予單位】：天津大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：C81

【參考文獻】

相關期刊論文 前2條

1 劉英姿;吳昊;;客戶細分方法研究綜述[J];管理工程學報;2006年01期

2 林盛;劉金蘭;韓文秀;;基于PLS-結構方程的顧客滿意度評價方法[J];系統(tǒng)工程學報;2005年06期

本文編號：2570752