勘探持續(xù)性購買行為研究(已修改)
2025-03-01 04:42 本頁面
【正文】 探勘持續(xù)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(tǒng)實驗室 1報告大綱n 研究動機n 研究目的n 研究架構(gòu)n 持續(xù)性購買探勘演算法n 實驗與結(jié)果n 結(jié)論2研究動機n 賣場收集大量而龐雜的會員交易記錄n 相關研究重點大多在於顧客特徵發(fā)掘及產(chǎn)品銷售之關聯(lián)性n 分析與探討「持續(xù)性購買」行為3研究目的n 建構(gòu)持續(xù)性購買顧客探勘演算法 n 挖掘出各產(chǎn)品之持續(xù)性購買顧客清單，協(xié)助行銷策略制定 n 評估持續(xù)性購買顧客探勘演算法之績效4RFM模型n 常用於評估顧客對企業(yè)忠誠度或貢獻度n RFM由三個維度組成n Recency：最近購買時間n Frequency：購買次數(shù)n Moary：購買金額n 本研究採用 RFM為顧客持續(xù)購買力5研究架構(gòu) VIPPRODUCTPOS 前置處理權(quán)重敏感度分析持續(xù)性購買顧客個別績效分析持續(xù)性購買顧客探勘方法Dynamic RFMCustomer QuintilesStone RFMBehavior Quintiles顧客具購買持續(xù)性假設檢驗高購買頻率顧客預測能力檢驗6持續(xù)性購買探勘演算法n 傳統(tǒng) RFM方法n Stone RFM[Stone, 1989]n Customer Quintiles[Miglautsch, 2023]n Behavior Quintiles[Miglautsch, 2023]n 改良式動態(tài) RFM7Stone RFMn Rn 本季： R=24n 距今六個月內(nèi)： R=12n 距今九個月內(nèi)： R=6n 今年： R=3n Fn 購買次數(shù)乘上 4n Mn max{消費金額 *10%, 9} n 如此是要避免購買頻率低卻大量消費金額的情形 8顧客五等分法n Rn 將顧客交易資料依最近購買時間由近至遠分成五等
黨政相關相關推薦
鄂ICP備17016276號-1