本文關鍵詞：電子商務網站中客戶流失預測模型研究

  更多相關文章： 電子商務 客戶流失 Pareto/NBD模型 樸素貝葉斯算法 支持向量機 BP神經網絡

【摘要】：近年來,隨著互聯網的發(fā)展,信息化社會的日益進步,電子商務網站作為企業(yè)新的營銷渠道,越來越多的消費者已經開始接受網絡購物這一新的購物方式。電子商務網站越來越成為眾多網絡用戶光顧的場所的同時也帶來了一系列的問題,客戶時常處于不穩(wěn)定狀態(tài),客戶流失率高。對于網站,如何最大程度的規(guī)避客戶的流失,降低網站客戶的流失率,成為當前電子商務運營商急需解決的一個問題。 本文首先在對客戶關系管理理論及電子商務客戶流失、數據挖掘相關理論理解的基礎上,結合電子商務網站客戶流失的特征,提出了電子商務網站下的四種客戶流失預測模型。 接著,本文通過理論和實證相結合的方式,以CD零售商CDNOW電子商務網站客戶購買數據為研究背景,對樣本數據使用SPSS17.0進行描述性分析的基礎上,分別利用Pareto/NBD模型、樸素貝葉斯算法模型、支持向量機預測模型及BP神經網絡預測模型進行實證研究。論文在第四部分詳細介紹了模型的實證過程,包括數據的說明與解釋、模型實證,實證后采用數值化指標進行的模型結果評價。 最后,結合客戶關系管理理論及實證結果,首先提出了電子商務網站客戶流失類型及控制網站客戶流失的策略制定原則;接著將受力分析的思想引入對客戶流失問題的研究,對網站客戶流失進行受力分析,發(fā)現導致網站客戶流失的推力和引力;最后通過分析,引入控制網站客戶流失的拉力及阻力策略來控制網站客戶流失。從實踐角度看,本文提出的研究思路可以為我國電子商務行業(yè)客戶流失分析、預測提供一定的參考。
【關鍵詞】：電子商務 客戶流失 Pareto/NBD模型 樸素貝葉斯算法 支持向量機 BP神經網絡
【學位授予單位】：江蘇科技大學
【學位級別】：碩士
【學位授予年份】：2011
【分類號】：F274;F724.6;TP393.092
【目錄】：

• 摘要6-7
• Abstract7-18
• 第1章 緒論18-28
• 1.1 研究背景及目的意義18-19
• 1.1.1 研究背景18-19
• 1.1.2 研究目的和意義19
• 1.2 國內外研究現狀19-23
• 1.2.1 契約關系情景下客戶流失預測方法國內外研究現狀20-21
• 1.2.2 非契約關系情景下客戶流失預測方法國內外研究現狀21-22
• 1.2.3 國內外研究現狀評述22-23
• 1.3 研究思路、主要內容、研究方法、創(chuàng)新點23-26
• 1.3.1 研究內容23-24
• 1.3.2 研究思路24
• 1.3.3 研究方法24-25
• 1.3.4 研究創(chuàng)新點25-26
• 1.4 技術路線26-27
• 1.5 本章小結27-28
• 第2章 相關理論及技術28-40
• 2.1 客戶關系管理28-30
• 2.1.1 CRM 概述28
• 2.1.2 CRM 的核心思想28-29
• 2.1.3 CRM 的目標29
• 2.1.4 CRM 在電子商務中應用29-30
• 2.2 電子商務客戶流失及相關理論30-31
• 2.2.1 客戶流失30-31
• 2.2.2 電子商務客戶流失31
• 2.3 Pareto/NBD 模型31-33
• 2.4 數據挖掘33-34
• 2.4.1 數據挖掘定義33
• 2.4.2 數據挖掘的任務33
• 2.4.3 數據挖掘的過程33-34
• 2.5 用于預測的數據挖掘方法34-38
• 2.5.1 樸素貝葉斯算法35
• 2.5.2 支持向量機35-37
• 2.5.3 BP 神經網絡37-38
• 2.6 本章小結38-40
• 第3章 電子商務網站客戶流失預測模型40-46
• 3.1 建立網站客戶流失預測模型的可行性與必要性40-41
• 3.2 Pareto/NBD 預測模型41-42
• 3.2.1 數據處理41
• 3.2.2 參數估計41
• 3.2.3 客戶活躍度計算41
• 3.2.4 算法實現41-42
• 3.3 樸素貝葉斯算法預測模型42-43
• 3.3.1 算法步驟42
• 3.3.2 算法實現42-43
• 3.4 支持向量機預測模型43
• 3.4.1 指標的選擇43
• 3.4.2 模型的構造43
• 3.4.3 算法實現43
• 3.5 BP 神經網絡預測模型43-45
• 3.5.1 BP 神經網絡模型的結構設計43-44
• 3.5.2 BP 神經網絡初始參數的選擇44
• 3.5.3 算法實現44-45
• 3.6 本章小結45-46
• 第4章 網站客戶流失預測模型實證研究46-65
• 4.1 基于Pareto/NBD 模型的客戶流失預測實證研究46-52
• 4.1.1 數據的獲取與解釋46
• 4.1.2 Pareto/NBD 模型參數估計46-50
• 4.1.3 Pareto/NBD 模型計算客戶活躍度50-52
• 4.2 基于樸素貝葉斯算法的客戶流失預測實證研究52-57
• 4.2.1 數據的獲取與解釋52
• 4.2.2 訓練樣本訓練樸素貝葉斯算法模型52-56
• 4.2.3 測試樣本驗證樸素貝葉斯算法模型56-57
• 4.3 基于支持向量機的客戶流失預測實證研究57-58
• 4.3.1 數據的獲取與解釋57
• 4.3.2 支持向量機模型的構造57-58
• 4.4 基于BP 神經網絡的客戶流失預測實證研究58-61
• 4.4.1 數據的獲取與解釋58-59
• 4.4.2 模型訓練及測試59-61
• 4.5 模型評價61-64
• 4.5.1 模型評價標準61-62
• 4.5.2 模型評價結果62-64
• 4.6 本章小結64-65
• 第5章 控制電子商務網站客戶流失的策略研究65-72
• 5.1 電子商務網站客戶流失類型65-66
• 5.2 控制電子商務網站客戶流失的策略制定原則66
• 5.3 控制電子商務網站客戶流失的策略66-71
• 5.3.1 導致電子商務網站客戶流失的受力分析66-68
• 5.3.2 基于受力分析的控制電子商務網站客戶流失的策略68-71
• 5.4 本章小結71-72
• 總結與展望72-74
• 參考文獻74-77
• 攻讀學位期間發(fā)表的學術論文77-78
• 致謝78-79
• 詳細摘要79-83

【引證文獻】

中國碩士學位論文全文數據庫 前1條

1 趙曄;基于服務供應鏈的煤炭港口客戶關系管理研究[D];燕山大學;2012年

，

本文編號：591478