基于客户消费行为的电信客户聚类分析.docVIP

基于客户消费行为的电信客户聚类分析 文章来源 毕业论文网 nbsp;yjbys小编为您提供一篇毕业论文，是关于基于客户消费行为的电信客户聚类分析的计算机应用毕业论文，欢迎参考！ nbsp; 　　关键词： 移动增值业务 RFM模型 层次分析法 nbsp; 　　摘要：论文结合电信行业特点，将RFM模型和层次分析法结合起来衡量客户价值，并采用聚类方法对客户细分，挖掘出潜力客户，有效地降低了营销成本。 nbsp; 　　前言 nbsp; 　　客户细分是按照一定的标准将企业现有客户划分为不同客户群的过程，客户细分是精确营销的基础。通过客户细分能掌握不同客户群的差异化需求，进而才能针对不同客户群的差异化需求，设计个性化的产品和服务，并针对不同细分客户群设计相应的营销策略，从而吸引客户、保持客户、提高客户忠诚度。客户细分的方法包括基于客户统计学特征的客户细分、基于客户价值的客户细分、基于客户行为的客户细分、基于客户态度的客户细分。本文结合电信行业特点，将RFM模型和层次分析法结合起来衡量客户价值，并采用聚类方法对客户细分，挖掘出潜力客户，有效地降低了营销成本。 nbsp; 　　1衡量客户价值 nbsp; 　　1.1 RFM模型 nbsp; 　　RFM模型是衡量客户价值和客户创利能力的一种重要方法，它基于3个指标，其中，R（Recency）代表最近一次购买到现在的时间长度；F（Frequency）代表一定时期内的购买次数；M（Monetary）代表一定时期内客户在本企业的消费额。在客户价值研究方面，Goodman等[1]根据RFM值将企业有限的物力、财力应用到高价值客户身上。Hughes[2]根据RFM的值将客户分为五类，并针对五类客户采取不同的销售策略。[本文来自论文之家:,转载请保留此标记]Stone等[3]提出不同行业的RFM应赋予不同的权重。Sung[4]利用SOM将顾客的RFM值分类，然后比较各类的RFM平均值以及所有顾客的RFM平均值，观察各类顾客的变化规律，通过其上升或者下降，来判断各类顾客是否为忠诚度高的白金顾客还是即将流失的顾客。其中，Hughes将客户分为五类的设定较主观；Stone的权重设定也较为主观，缺乏一个系统的方法；Sung的方法将客户分为8（2*2*2）类也较为主观。 nbsp; 　　1.2改进RFM模型 nbsp; 　　虽然RFM模型的最终目的是计算顾客价值，但是应结合行业特点对RFM模型进行改进。例如，在传统的RFM模型中，对于每天都在使用电信业务的客户，R值均为零，F值太大难以区分客户，因而，不能用传统的RFM模型对电信企业客户进行分析。对于电信行业，因为客户交费额度等于消费额度，且时间间隔较大、频次相对较少，因此，可以基于客户消费行为构建RFM模型来衡量客户价值，R代表最近一次交费到现在的时间长度；F代表一定时期内的交费次数；M代表一定时期内客户在本企业的交费额（消费额），改进后的RFM模型中三个指标的权重需要采用系统而科学的方法进行分析[4]。 nbsp; 　　美国运筹学家T. L. Satty于20世纪70年代提出的AHP决策分析法（analytic hierarchy process，简称AHP方法），是一种定性与定量相结合的决策分析方法。可以将复杂问题分解为若干层次和若干因素，在各因素之间进行简单的比较和计算，就可以得出不同方案重要性程度的权重，可用来计算改进后的RFM模型中三个指标的权重。选择某市电信公司的三位业务经理、四位市场营销人员和三位老客户采用1-9及其倒数的标度方法对改进后的RFM模型中的三个指标重要性进行两两比较，分别得到10位评价者的判断矩阵，对其求平均，得到判断矩阵A，见表1。 nbsp; 　　表1 判断矩阵A nbsp; 　　采用和积法计算特征向量，首先将判断矩阵A每一列归一化 nbsp; 　　对按列归一化的判断矩阵，再按行求和将向量 = 归一化则nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp;nbsp; 即为所求的特征向量，Wi代表各因素的相对权重，经计算，判断矩阵A的特征向量为nbsp; ，其中M的权重最大，F的权重次之，R的权重最小，即10位评价者认为交费金额是影响顾客价值的最主要因素，交费的频度F次之，而近度R是最不重要因素。 nbsp; 　　接着计算判断矩阵A的最大特征根 nbsp; 　　为了防止判断矩阵中出现相互矛盾之处，需要对判断矩阵做一致性检验。首先，计算一致性指标CI nbsp; 　　接着，为了检验判断矩阵是否具有令人满意的一致性，还需要将CI与平均随机一致性指标RI进行比较。查表可知，RI=0.58，因而，随机一致