信息化—数据挖掘—挖掘持续性购买行为.pptVIP

探勘持續性購買行為－以銷售資料為例 指導教授：許中川 博士 研究生：林勇助 林旻宏 智慧型資料庫系統實驗室 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 報告大綱 研究動機 研究目的 研究架構 持續性購買探勘演算法 實驗與結果 結論 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 研究動機 賣場收集大量而龐雜的會員交易記錄 相關研究重點大多在於顧客特徵發掘及產品銷售之關聯性 分析與探討「持續性購買」行為 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 研究目的 建構持續性購買顧客探勘演算法 挖掘出各產品之持續性購買顧客清單，協助行銷策略制定 評估持續性購買顧客探勘演算法之績效 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. RFM模型 常用於評估顧客對企業忠誠度或貢獻度 RFM由三個維度組成 Recency：最近購買時間 Frequency：購買次數 Monetary：購買金額 本研究採用RFM為顧客持續購買力 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 研究架構 VIP PRODUCT POS 前置處理 權重敏感度分析 持續性購買顧客 個別績效分析 持續性購買顧客探勘方法 Dynamic RFM Customer Quintiles Stone RFM Behavior Quintiles 顧客具購買持續性假設檢驗 高購買頻率顧客預測能力檢驗 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 持續性購買探勘演算法 傳統RFM方法 Stone RFM[Stone, 1989] Customer Quintiles[Miglautsch, 2000] Behavior Quintiles[Miglautsch, 2000] 改良式動態RFM Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Stone RFM R 本季：R=24 距今六個月內：R=12 距今九個月內：R=6 今年：R=3 F 購買次數乘上4 M max{消費金額*10%, 9} 如此是要避免購買頻率低卻大量消費金額的情形 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 顧客五等分法 R 將顧客交易資料依最近購買時間由近至遠分成五等分，分別給予5至1分 F 將顧客交易資料依購買次數由多至少分成五等分，分別給予5至1分 M 將顧客交易資料依購買金額由多至少分成五等分，分別給予5至1分 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 行為五等分法 R 前0~3個月間：得分5 前4~6個月間：得分4 前7~12個月間：得分3 前13~24個月間：得分2 25個月前：得分1 F 購買頻率只購買一次者得分為1 計算其餘顧客之頻率平均，購買頻率少於平均者得分為一等分 重覆