發(fā)布時間：2022-02-19 14:50

　　針對傳統(tǒng)電子商務客戶流失估計模型對RFM數(shù)值分析不準確,估計誤差大的問題,提出基于改進神經(jīng)網(wǎng)絡的電子商務客戶流失估計模型。利用改進神經(jīng)網(wǎng)絡分析歷史數(shù)據(jù),完成數(shù)據(jù)挖掘,分析客戶活躍度以及再交易的可能性,考察客戶潛在價值,建立貢獻分析評價流程,采用RFM模型確定權重,建立基于改進神經(jīng)網(wǎng)絡的電子商務客戶流失估計模型。實驗結果表明,與傳統(tǒng)方法相比,所提方法對RFM數(shù)值分析更加精準,使電子商務客戶流失估計誤差明顯縮小,由此證明所提出的基于改進神經(jīng)網(wǎng)絡的電子商務客戶流失估計模型更加有效。 

【文章來源】：現(xiàn)代電子技術. 2020,43(13)北大核心

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 基于改進神經(jīng)網(wǎng)絡的電子商務客戶流失估計模型
    1.1 基于改進神經(jīng)網(wǎng)絡的數(shù)據(jù)挖掘
    1.2 電子商務客戶潛在價值分析
    1.3 電子商務客戶流失估計模型構建
2 仿真實驗結果與分析
3 結語


【參考文獻】：
期刊論文
[1]基于改進神經(jīng)網(wǎng)絡的板樁結構可靠性分析[J]. 姜逢源,董勝,張鑫.  海洋湖沼通報. 2018(02)
[2]語義挖掘結合神經(jīng)網(wǎng)絡的電商網(wǎng)頁推薦方案[J]. 王斐玉,文華,王紅梅.  控制工程. 2018(01)
[3]基于改進神經(jīng)網(wǎng)絡的汽車ABS故障診斷[J]. 翟梅杰,高鵬.  中小企業(yè)管理與科技(上旬刊). 2017(10)
[4]改進神經(jīng)網(wǎng)絡的大學物理實驗教學質(zhì)量評價[J]. 辛建英.  現(xiàn)代電子技術. 2017(15)
[5]基于改進神經(jīng)網(wǎng)絡算法的變電站變壓器裂紋圖像識別[J]. 吳曦,姚楠,許建剛.  現(xiàn)代電子技術. 2017(13)
[6]基于最優(yōu)加權組合的電信客戶流失預測模型設計研究[J]. 張小敏,伍小平,豐婷,胡景.  赤峰學院學報(自然科學版). 2017(12)
[7]一種改進的細胞神經(jīng)網(wǎng)絡圖像邊緣提取方法[J]. 張憲紅,張春蕊.  暨南大學學報(自然科學與醫(yī)學版). 2017(02)
[8]基于客戶細分和AdaBoost的電子商務客戶流失預測研究[J]. 武小軍,孟蘇芳.  工業(yè)工程. 2017(02)
[9]改進神經(jīng)網(wǎng)絡的數(shù)字調(diào)制信號識別[J]. 劉翔.  內(nèi)蒙古師范大學學報(自然科學漢文版). 2017(02)
[10]基于改進神經(jīng)網(wǎng)絡的糖尿病生化指標值預測[J]. 陳德華,洪靈濤,潘喬.  微型機與應用. 2017(05)



本文編號：3633098