亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于RFM模型的顧客消費(fèi)行為與顧客價(jià)值預(yù)測(cè)研究

        2017-11-07 16:53:17徐文瑞
        商業(yè)經(jīng)濟(jì)研究 2017年19期

        徐文瑞

        內(nèi)容摘要:在以顧客為中心的營(yíng)銷時(shí)代,顧客關(guān)系管理成為企業(yè)的重要戰(zhàn)略性舉措。RFM模型是衡量顧客價(jià)值和顧客創(chuàng)利能力的重要工具和手段。本文以通信行業(yè)的流量包訂購(gòu)業(yè)務(wù)為研究對(duì)象,采用RFM模型及層次分析法,根據(jù)顧客的歷史消費(fèi)數(shù)據(jù),預(yù)測(cè)出具有較強(qiáng)再次訂購(gòu)傾向的潛在價(jià)值顧客,為企業(yè)營(yíng)銷策略制定提供可量化的參考依據(jù)。

        關(guān)鍵詞:RFM模型 消費(fèi)行為 預(yù)測(cè)研究

        研究背景

        在以顧客為中心的營(yíng)銷時(shí)代,顧客關(guān)系管理成為企業(yè)的重要戰(zhàn)略性舉措。顧客是企業(yè)存在和發(fā)展的基石,許多統(tǒng)計(jì)數(shù)據(jù)表明,獲得一個(gè)新顧客的成本是維護(hù)一個(gè)現(xiàn)有顧客成本的5-8倍。與顧客建立持久穩(wěn)固的關(guān)系,挖掘出最大化的顧客價(jià)值,是企業(yè)從競(jìng)爭(zhēng)中脫穎而出的有效途徑。要想做到有的放矢的管理顧客,與顧客建立長(zhǎng)期穩(wěn)定的關(guān)系,不僅要從顧客已發(fā)生的交易支出中進(jìn)行分析,還要以發(fā)展的眼光關(guān)注顧客一定時(shí)期內(nèi)消費(fèi)的頻度、增量消費(fèi)額及購(gòu)買率,提前預(yù)測(cè)出有再次購(gòu)買傾向的顧客,充分挖掘其潛在價(jià)值。

        RFM模型作為顧客關(guān)系管理領(lǐng)域的一種顧客消費(fèi)行為分析模型,在反映顧客價(jià)值及顧客購(gòu)買偏好方面都具有良好的表征性,是衡量顧客價(jià)值和顧客創(chuàng)利能力的重要工具和手段。本文以電信行業(yè)的流量包訂購(gòu)業(yè)務(wù)為研究對(duì)象,采用RFM模型及層次分析法,根據(jù)顧客的歷史消費(fèi)數(shù)據(jù),預(yù)測(cè)出具有較強(qiáng)再次訂購(gòu)傾向的潛在價(jià)值顧客,為企業(yè)營(yíng)銷策略制定提供可量化的參考依據(jù)。

        RFM模型及其研究現(xiàn)狀

        經(jīng)典的RFM模式由美國(guó)數(shù)據(jù)庫(kù)營(yíng)銷研究所Arthur Hughes(1994)提出,RFM模型包括最近購(gòu)買時(shí)間R(Recency)、購(gòu)買頻率F(Frequency)、購(gòu)買金額M(Monetary)三個(gè)變量。

        最近購(gòu)買時(shí)間R表示顧客最近一次的購(gòu)買時(shí)間和分析時(shí)間點(diǎn)間隔的天數(shù)。該值越小,顧客重復(fù)購(gòu)買的可能性越大,顧客價(jià)值越高。購(gòu)買頻率F表示計(jì)算期內(nèi)顧客購(gòu)買產(chǎn)品或服務(wù)的次數(shù)。一般來(lái)說(shuō),顧客購(gòu)買頻率越高,顧客越忠誠(chéng),顧客價(jià)值越大。購(gòu)買金額M表示計(jì)算期內(nèi)顧客的購(gòu)買總金額。一般來(lái)說(shuō),顧客購(gòu)買金額越高,顧客越忠誠(chéng),顧客價(jià)值越大。

        RFM模型被廣泛的應(yīng)用于識(shí)別顧客和分析顧客再次購(gòu)買的可能性。Jonker(2009)基于RFM模型各變量提供了一種決策支持系統(tǒng),該系統(tǒng)確定郵件發(fā)送的頻率以刺激顧客保持活躍并進(jìn)行購(gòu)買。季曉芬、賈真(2015)基于RFM模型分析了服裝企業(yè)VIP顧客的忠誠(chéng)度、活躍度,并結(jié)合模糊數(shù)學(xué)方法構(gòu)建判斷矩陣,將三維數(shù)據(jù)(RFM得分)變?yōu)橐痪S數(shù)據(jù)進(jìn)行比較,對(duì)企業(yè)從多角度進(jìn)行VIP顧客管理與服務(wù)提供參考依據(jù)。呂斌、張晉東(2013)在運(yùn)用RFM模型對(duì)商業(yè)銀行顧客進(jìn)行分類的基礎(chǔ)上,通過(guò)數(shù)學(xué)算法確定了商業(yè)銀行各類顧客的營(yíng)銷策略問(wèn)題。王淵(2013)利用顧客交易的歷史數(shù)據(jù)算出每位顧客的R、F、M值,之后利用RFM模型確定顧客的價(jià)值高低,再針對(duì)不同價(jià)值類別的顧客采用基于顧客偏好的協(xié)同過(guò)濾技術(shù)進(jìn)行個(gè)性化商品推薦,有效提升了顧客的重復(fù)購(gòu)買率。

        綜上所述,RFM模式的優(yōu)點(diǎn)在于資料搜集容易、計(jì)算邏輯簡(jiǎn)單、適用于多個(gè)行業(yè),最重要的是,RFM的三個(gè)屬性被許多研究證實(shí),對(duì)于識(shí)別顧客價(jià)值有很強(qiáng)的解釋能力,對(duì)各行業(yè)企業(yè)實(shí)施差異化營(yíng)銷策略,提升顧客重復(fù)購(gòu)買率起到了支撐作用,但在模型變量的權(quán)重確定方面以主觀判斷為主,難免影響最終分析的客觀性。

        本文根據(jù)電信行業(yè)顧客數(shù)量多、消費(fèi)數(shù)據(jù)維度多、顧客生命周期長(zhǎng)等特點(diǎn),在傳統(tǒng)RFM模型的基礎(chǔ)上,運(yùn)用層次分析法確定模型中各個(gè)變量的權(quán)重,以期更加客觀的預(yù)測(cè)顧客未來(lái)的購(gòu)買情況,為企業(yè)精準(zhǔn)營(yíng)銷策略的制定提供參考依據(jù)。

        建模背景

        本文以某市電信企業(yè)的全網(wǎng)語(yǔ)音用戶(剔除無(wú)效用戶)為研究對(duì)象,根據(jù)其2016年10月及10月之前的消費(fèi)數(shù)據(jù),預(yù)測(cè)其在下一個(gè)月是否繼續(xù)訂購(gòu)?fù)ㄓ茂B加流量包,以合理制定顧客接觸頻率,進(jìn)而提高現(xiàn)有顧客的訂購(gòu)率。根據(jù)歷史數(shù)據(jù)分析,發(fā)現(xiàn)訂購(gòu)?fù)ㄓ茂B加流量包的用戶主要跟訂購(gòu)時(shí)間、訂購(gòu)金額以及訂購(gòu)次數(shù)有關(guān),這跟RFM模型的三要素相吻合,因此本文采用RFM模型對(duì)通用疊加流量包的訂購(gòu)情況進(jìn)行預(yù)測(cè)分析。

        如果把流量包也當(dāng)作一件商品來(lái)看待,那正好跟傳統(tǒng)的RFM模型的指標(biāo)一致,R表示用戶最近一次訂購(gòu)流量包距離分析點(diǎn)的時(shí)間,F(xiàn)表示用戶一定時(shí)間段內(nèi)訂購(gòu)流量包的次數(shù),M表示用戶一定時(shí)間段內(nèi)訂購(gòu)流量包的總費(fèi)用,最后用計(jì)算公式:RFM_SCORE=R×WR+F×WF+M×WM(Wx表示各參數(shù)的權(quán)重值)計(jì)算出最終得分。

        模型構(gòu)建

        (一)樣本選擇

        本研究主要是根據(jù)歷史消費(fèi)數(shù)據(jù)進(jìn)行預(yù)測(cè),因此假設(shè)只要訂購(gòu)過(guò)流量包業(yè)務(wù)的用戶都有可能在未來(lái)訂購(gòu)?fù)ㄓ茂B加流量包,據(jù)此選擇2016年8-10月訂購(gòu)過(guò)任何流量包業(yè)務(wù)的用戶作為建模樣本。

        (二)權(quán)重確定

        對(duì)目標(biāo)用戶計(jì)算各屬性值,提取出用戶的R(最近的流量包訂購(gòu)時(shí)間)、F(訂購(gòu)次數(shù))、M(累計(jì)訂購(gòu)的費(fèi)用),表1列出了各屬性的描述性統(tǒng)計(jì)量,其中R代表最近訂購(gòu)日期距離測(cè)試日期2016/11/01的間隔。

        構(gòu)建判斷矩陣,本文采用層次分析法(AHP)確定各參數(shù)權(quán)重,它是一種定性和定量相結(jié)合的方法,比較第i個(gè)元素與第j個(gè)元素相對(duì)上一層某個(gè)因素的重要性時(shí),使用數(shù)量化的相對(duì)權(quán)重aij來(lái)描述。設(shè)共有n個(gè)元素參與比較,則A=(aij)n×n,稱為成對(duì)比較矩陣,aij在1-9及其倒數(shù)中取值:aij=1,元素i與元素j對(duì)上一層次因素的重要性相同;aij=3,元素i比元素j略重要;aij=5,元素i比元素j重要;aij=7,元素i比元素j重要得多;aij=9,元素i相比元素j極其重要。然后構(gòu)建判斷矩陣,也就是每?jī)蓚€(gè)因素的權(quán)重比矩陣(見(jiàn)表2):

        對(duì)歸一化處理后判斷矩陣進(jìn)行特征向量的計(jì)算,最后得出R、F、M的特征向量為W=(0.11,0.31,0.58),再通過(guò)判斷矩陣和特征向量計(jì)算最大特征根λmax:endprint

        從理論分析得到,如果判斷矩陣是完全一致的判斷矩陣,應(yīng)該有:

        實(shí)際上構(gòu)成判斷矩陣完全一致是不可能的,因此退而求其次,要求判斷矩陣有一定的一致性。對(duì)完全一致的判斷矩陣而言,其絕對(duì)值最大的特征值等于該矩陣的維數(shù),因此可以將一致性判斷準(zhǔn)則定為:判斷矩陣的絕對(duì)值最大的特征值和該矩陣的維數(shù)相差不大。

        一致性檢驗(yàn):計(jì)算衡量一個(gè)判斷矩陣A不一致程度的指標(biāo)CI:。對(duì)于固定的n,構(gòu)造判斷矩陣A,其中aij是從1,2,…,9;1/2,1/3,…,1/9中隨機(jī)抽取的,這樣的A不一致,取充分大的子樣得到A的最大特征值的平均值,得到表3。

        計(jì)算隨機(jī)一致性比率CR:,當(dāng)CR<0.1時(shí),認(rèn)為層次總排序通過(guò)一致性檢驗(yàn)。最后確定最終權(quán)重:(WR,WF,WM)=(0.6,0.3,0.1)。

        (三)RFM值的標(biāo)準(zhǔn)化處理

        由于用戶的三個(gè)參數(shù)R、F、M值的度量單位各不相同,數(shù)據(jù)的取值也存在很大差異,所以需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。由于F、M指標(biāo)對(duì)顧客價(jià)值存在正相關(guān)影響,因此對(duì)這兩個(gè)指標(biāo)的標(biāo)準(zhǔn)化公式為:

        X`=(X-XMin)/XRa

        其中,X'表示標(biāo)準(zhǔn)化后的值,X表示原始值,XMin表示該指標(biāo)的極小值,XMax表示該指標(biāo)的極大值,XRa表示該指標(biāo)的全距:

        XRa=(XMax-XMin)

        R對(duì)顧客價(jià)值存在負(fù)相關(guān)關(guān)系,即值越小,標(biāo)準(zhǔn)化后的值越高,因此其標(biāo)準(zhǔn)化調(diào)整公式為R對(duì)顧客價(jià)值存在負(fù)相關(guān)關(guān)系,其標(biāo)準(zhǔn)化調(diào)整公式為:

        X`=(XMax-X)/XRa

        由公式RFM_SCORE=R`*0.6+F`*0.3+M`*0.1計(jì)算結(jié)果,如表4所示。

        (四)模型檢驗(yàn)

        計(jì)算出用戶的RFM得分后,需要對(duì)結(jié)果進(jìn)行檢驗(yàn),即分析該批用戶在分析時(shí)點(diǎn)后一段時(shí)期內(nèi)的訂購(gòu)情況,理論上RFM得分越高,顧客訂購(gòu)概率越大,結(jié)果如圖1所示。

        從圖1可以看出,該方案的結(jié)果跟理論相吻合,再將顧客按20等分對(duì)其訂購(gòu)率、訂購(gòu)用戶數(shù)以及累計(jì)訂購(gòu)率進(jìn)行區(qū)間分析,結(jié)果如表5所示。

        圖2表明該權(quán)重和計(jì)算公式符合預(yù)期,0.55-0.6分區(qū)間是累計(jì)用戶占比跟累計(jì)訂購(gòu)率的交叉點(diǎn),取該區(qū)間的中值0.575為分段點(diǎn),得分為0.575分以上的用戶訂購(gòu)標(biāo)記為1,共標(biāo)記用戶14999個(gè)。

        (五)模型結(jié)論

        該模型以2016年3-5月訂購(gòu)過(guò)流量包的用戶為目標(biāo)用戶數(shù)據(jù),共38954戶;該批用戶在6月成功訂購(gòu)的總數(shù)為14092;通過(guò)本模型預(yù)測(cè)會(huì)訂購(gòu)的用戶有14999戶,成功預(yù)測(cè)用戶數(shù)為9574戶,查全率為67.94%,查準(zhǔn)率為63.83%。

        綜上,利用該模型可以對(duì)已經(jīng)訂購(gòu)過(guò)流量疊加包的用戶進(jìn)行很好的預(yù)測(cè),而且形成有效規(guī)則,簡(jiǎn)單易用,利用IQ集群的存儲(chǔ)過(guò)程或者大數(shù)據(jù)平臺(tái)就可以完成,各地市根據(jù)實(shí)際情況微調(diào)權(quán)重就可以完成數(shù)據(jù)預(yù)測(cè)。但是對(duì)從未訂購(gòu)過(guò)流量疊加包的用戶無(wú)法進(jìn)行預(yù)測(cè)分析,需要進(jìn)一步優(yōu)化。

        參考文獻(xiàn):

        1.Hughes,A.Strategic Database Marketing[M].Chicago:Probus Publishing,1994

        2.Jonker JJ,Piersma N,Potharst R.A decision support system for direct mailing decision.Decsi[J].Support System,2009

        3.季曉芬,賈真.基于RFM行為模型的服裝企業(yè)VIP顧客數(shù)據(jù)挖掘[J].浙江理工大學(xué)學(xué)報(bào),2015(4)

        4.呂斌,張晉東.基于RFM模型的商業(yè)銀行營(yíng)銷決策分析[J].統(tǒng)計(jì)與決策,2013(4)

        5.王淵.基于RFM模型的協(xié)同過(guò)濾方法及其在個(gè)性化推薦中的應(yīng)用[D].杭州電子科技大學(xué),2013endprint

        人妻无码中文字幕| 久久精品国产亚洲综合色| 精品91亚洲高清在线观看| 久天啪天天久久99久孕妇| 日日噜噜噜夜夜狠狠久久蜜桃| 国产成人精品蜜芽视频| 国产成人综合久久大片| 中文字幕精品一区二区三区| 亚洲s色大片在线观看| 美女av一区二区三区| 亚洲AV无码一区二区三区日日强| 天堂网www在线资源| 四虎成人精品无码永久在线| 东京热无码人妻中文字幕| 亚洲一区二区三区码精品色| 亚洲成年国产一区二区| 疯狂的欧美乱大交| 日韩精品无码一区二区三区免费| 精品不卡久久久久久无码人妻| 中文字幕麻豆一区二区| 亚洲av中文字字幕乱码软件| 中文字幕一区二区三区四区五区 | 亚洲图区欧美| 亚洲妇女av一区二区| 日韩精品午夜视频在线| 亚洲综合精品亚洲国产成人| 成人无码网www在线观看| 中出内射颜射骚妇| 一本久到久久亚洲综合| 精品国产一区二区av麻豆不卡| 国产精品一二三区亚洲 | 二区三区日本高清视频| 人禽杂交18禁网站免费| 亚洲乱亚洲乱少妇无码99p| 国产自在自线午夜精品视频在| 亚洲成片在线看一区二区| 日本一二三四区在线观看| 东京热人妻一区二区三区| 亚洲色欲大片AAA无码| 免费一区二区三区av| 中文字幕无码乱人伦|