隨著經(jīng)濟(jì)發(fā)展和科學(xué)技術(shù)的進(jìn)步,零售行業(yè)也迎來(lái)了前所未有的變革和挑戰(zhàn)。零售企業(yè)對(duì)于客戶價(jià)值的研究一直都是一個(gè)熱門(mén)的話題,由于零售商品的特點(diǎn),對(duì)于零售客戶的消費(fèi)習(xí)慣、消費(fèi)行為等研究能幫助零售企業(yè)掌握零售客戶的重要信息,這些消費(fèi)相關(guān)的信息能有效地輔助零售企業(yè)進(jìn)行商業(yè)決策,制定相關(guān)的企業(yè)戰(zhàn)略。隨著企業(yè)信息化的日益普及,眾多零售企業(yè)完成數(shù)字化轉(zhuǎn)型之后,如何利用信息技術(shù)提供的先進(jìn)工具賦能企業(yè),指導(dǎo)零售企業(yè)日常運(yùn)營(yíng),對(duì)許多企業(yè)來(lái)說(shuō),是十分重大的挑戰(zhàn)。本文的研究工作如下:第一個(gè)工作是對(duì)現(xiàn)階段客戶價(jià)值分析模型的研究。針對(duì)現(xiàn)階段客戶價(jià)值分析模型不足以對(duì)客戶的消費(fèi)行為和特點(diǎn)進(jìn)行表征,以及現(xiàn)階段RFM模型（Recency Frequency Monetary Model）對(duì)客戶分類方法存在的問(wèn)題和局限性,提出一種基于聚類算法的客戶價(jià)值分析模型。本工作的主要?jiǎng)?chuàng)新點(diǎn)包括:第一,通過(guò)考察現(xiàn)階段企業(yè)系統(tǒng)的三層架構(gòu)模型,提出了扁平架構(gòu)的聚類方法,這一方法通過(guò)簡(jiǎn)化分析過(guò)程中數(shù)據(jù)在應(yīng)用服務(wù)器中的傳輸步驟,簡(jiǎn)化了現(xiàn)有的分析流程;第二,提出了改進(jìn)之后的客戶價(jià)值分析模型:C-RFM模型（Clustering-Based Rece... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－７緩沖區(qū)機(jī)制??Ｐｉｃｔｕｒｅ?２－７?Ｔｈｅ?ｂｕｆｆｅｒ?ｃｏｎｃｅｐｔ??

?數(shù)據(jù)讀取操作??圖２－７緩沖區(qū)機(jī)制??Ｐｉｃｔｕｒｅ?２－７?Ｔｈｅ?ｂｕｆｆｅｒ?ｃｏｎｃｅｐｔ??在內(nèi)存計(jì)算架構(gòu)中，每一張表格都由主存儲(chǔ)和增量空間兩部分組成［２９］。主存??儲(chǔ)是內(nèi)存計(jì)算架構(gòu)中，經(jīng)過(guò)了讀取操作優(yōu)化的區(qū)域，用戶只能讀取主存儲(chǔ)區(qū)域的數(shù)??據(jù)，而不能修改主存儲(chǔ)中間的數(shù)據(jù)。增量空間與主存儲(chǔ)相比，沒(méi)有對(duì)數(shù)據(jù)進(jìn)行壓縮??和讀取優(yōu)化，犧牲了一部分讀取性能，但增量空間中的數(shù)據(jù)修改操作的效率非常高。??通過(guò)對(duì)增量空間中的數(shù)據(jù)進(jìn)行數(shù)據(jù)修改的操作，將增量空間作為主存儲(chǔ)與修改數(shù)??據(jù)之間的中介，解決內(nèi)存計(jì)算中的寫(xiě)入優(yōu)化問(wèn)題。在數(shù)據(jù)讀取操作時(shí)，需要同時(shí)讀??取主存儲(chǔ)和增量空間兩個(gè)部分中的數(shù)據(jù)。隨著寫(xiě)入操作的累積，增量空間會(huì)逐漸增??大

與之前的全局合并不同，單列合并通過(guò)在合并過(guò)程中創(chuàng)建新屬性向量與舊屬性向??量的映射表，并減少合并過(guò)程中所需要涉及的屬性，實(shí)現(xiàn)節(jié)約內(nèi)存開(kāi)銷的目的。如??圖２－９為列存儲(chǔ)增量空間的合并過(guò)程。??ＡＶｍ?Ｄｍ?Ｄｃ?ＡＵＸｍ??０?４?０?０?ａｎｎａ?＾?ａｎｎａ?０?０??１２?１?１?Ｃｈａｒｌｉｅ?Ｉｆ?ｂｅｍｄ＾＇］?１?＾?２＞??２?３?１?２?２?ｄａｎｉｅｌ?１?Ｃｈａｒｌｉｅ?２?３??３?２?３?３?ｆｒａｎｋ?，３?ｄａｎｉｅｌ?３?４??４?０?４?４?ｈａｎｓ?ｆｒａｎｋ?４?５??５?麵?１?５?５?ｉｓａｂｅｌｌ?５?ｈａｎｓ?５?６??６?曜?Ｉ?６?／?６?ｉｓａｂｅｌｌ??７?５?７?／??ＡＶｄ?Ｄｄ?／?ＡＵＸｄ??０?０、８?０?ｔ?ｂｅｍｄ?０?｜；．?｜｜｜??１?＾?０?９?１?ｆｒａｎｋ?１?４?％??２?２?１０?２?ｈａｎｓ?２?５??３?１?１１??圖２＿９列存儲(chǔ)增量空間合并過(guò)程（一）??Ｐｉｃｔｕｒｅ?２－９?Ｆｉｒｓｔ?ｓｔｅｐ?ｏｆ?ｔｈｅ?ｍｅｒｇｅ?ｐｒｏｃｅｓｓ?ｆｏｒ?ａ?ｓｉｎｇｌｅ?ｃｏｌｕｍｎ：?ｄｉｃｔｉｏｎａｒｙ?ｍｅｒｇｅ??單列合并的步驟分為兩步：第一步，首先獲取主存儲(chǔ)屬性列（ＡＶｍ）中的屬性??字典（Ｄｍ）以及增量空間中的屬性字典（Ｄｄ）然后對(duì)這兩個(gè)字典中的值進(jìn)行重排??序，為了進(jìn)行重排序并合并這兩個(gè)字典，指針會(huì)先分別指向這兩個(gè)字典中的第一個(gè)??元素，在迭代過(guò)程中比較這兩個(gè)字典指針?biāo)赶虻闹�，較小值添加到基于這兩個(gè)屬??性字典創(chuàng)建新的字典（Ｄｃ）中

【參考文獻(xiàn)】：
期刊論文
[1]基于RFM模型的半監(jiān)督聚類算法[J]. 程汝嬌,徐鴻雁.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(11)
[2]基于RFM購(gòu)買(mǎi)樹(shù)的客戶分群[J]. 明勇,張文斌,黃哲學(xué),陳小軍.  深圳大學(xué)學(xué)報(bào)(理工版). 2017(03)
[3]內(nèi)存計(jì)算技術(shù)研究綜述[J]. 羅樂(lè),劉軼,錢(qián)德沛.  軟件學(xué)報(bào). 2016(08)
[4]基于購(gòu)買(mǎi)行為RFM及評(píng)論行為RFMP模型的客戶終身價(jià)值研究[J]. 趙萌,齊佳音.  統(tǒng)計(jì)與信息論壇. 2014(09)
[5]隨機(jī)RFM模型及其在零售顧客價(jià)值識(shí)別中的應(yīng)用[J]. 馬寶龍,李飛,王高,李純青.  管理工程學(xué)報(bào). 2011(01)
[6]基于RFM模型和協(xié)同過(guò)濾的電子商務(wù)推薦機(jī)制[J]. 孫玲芳,張婧.  江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(03)
[7]基于決策樹(shù)的證券客戶流失模型[J]. 杜修平,王中.  計(jì)算機(jī)應(yīng)用與軟件. 2009(09)

博士論文
[1]基于客戶價(jià)值的客戶分類模型研究[D]. 劉朝華.華中科技大學(xué) 2008

碩士論文
[1]基于改進(jìn)RFM模型的聚類算法在農(nóng)村用戶4G消費(fèi)行為中研究與應(yīng)用[D]. 楊磊.南京郵電大學(xué) 2017
[2]基于產(chǎn)品分類的RFM多層級(jí)客戶價(jià)值模型及其應(yīng)用研究[D]. 熊蘭.暨南大學(xué) 2016
[3]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]. 王淵.杭州電子科技大學(xué) 2014
[4]基于改進(jìn)RFM模型的應(yīng)用研究[D]. 計(jì)海斌.吉林大學(xué) 2010



本文編號(hào)：3402721