《信息化-數(shù)據(jù)挖掘-挖掘持續(xù)性購(gòu)買行為》由會(huì)員分享，可在線閱讀，更多相關(guān)《信息化-數(shù)據(jù)挖掘-挖掘持續(xù)性購(gòu)買行為（25頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、,按一下以編輯母片標(biāo)題樣式,按一下以編輯母片,第二層,第三層,第四層,第五層,*,探勘持續(xù)性購(gòu)買行為以銷售資料為例,指導(dǎo)教授：許中川 博士,研究生：林勇助,林旻宏,智慧型資料庫(kù)系統(tǒng)實(shí)驗(yàn)室,1,報(bào)告大綱,研究動(dòng)機(jī),研究目的,研究架構(gòu),持續(xù)性購(gòu)買探勘演算法,實(shí)驗(yàn)與結(jié)果,結(jié)論,2,研究動(dòng)機(jī),賣場(chǎng)收集大量而龐雜的會(huì)員交易記錄,相關(guān)研究重點(diǎn)大多在於顧客特徵發(fā)掘及產(chǎn)品銷售之關(guān)聯(lián)性,分析與探討持續(xù)性購(gòu)買行為,3,研究目的,建構(gòu)持續(xù)性購(gòu)買顧客探勘演算法,挖掘出各產(chǎn)品之持續(xù)性購(gòu)買顧客清單，協(xié)助行銷策略制定,評(píng)估持續(xù)性購(gòu)買顧客探勘演算法之績(jī)效,4,RFM模型,常用於評(píng)估顧客對(duì)企業(yè)忠誠(chéng)度或貢獻(xiàn)度,RFM由三個(gè)維度組

2、成,Recency：最近購(gòu)買時(shí)間,Frequency：購(gòu)買次數(shù),Monetary：購(gòu)買金額,本研究採(cǎi)用RFM為顧客持續(xù)購(gòu)買力,5,研究架構(gòu),VIP,PRODUCT,POS,前置處理,權(quán)重敏感度分析,持續(xù)性購(gòu)買顧客,個(gè)別績(jī)效分析,持續(xù)性購(gòu)買顧客探勘方法,Dynamic RFM,Customer Quintiles,Stone RFM,Behavior Quintiles,顧客具購(gòu)買持續(xù)性假設(shè)檢驗(yàn),高購(gòu)買頻率顧客預(yù)測(cè)能力檢驗(yàn),6,持續(xù)性購(gòu)買探勘演算法,傳統(tǒng)RFM方法,Stone RFMStone,1989,Customer QuintilesMiglautsch,2000,Behavior Qui

3、ntilesMiglautsch,2000,改良式動(dòng)態(tài)RFM,7,Stone RFM,R,本季：R=24,距今六個(gè)月內(nèi)：R=12,距今九個(gè)月內(nèi)：R=6,今年：R=3,F,購(gòu)買次數(shù)乘上4,M,max消費(fèi)金額*10%,9,如此是要避免購(gòu)買頻率低卻大量消費(fèi)金額的情形,8,顧客五等分法,R,將顧客交易資料依最近購(gòu)買時(shí)間由近至遠(yuǎn)分成五等分，分別給予5至1分,F,將顧客交易資料依購(gòu)買次數(shù)由多至少分成五等分，分別給予5至1分,M,將顧客交易資料依購(gòu)買金額由多至少分成五等分，分別給予5至1分,9,行為五等分法,R,前03個(gè)月間：得分5,前46個(gè)月間：得分4,前712個(gè)月間：得分3,前1324個(gè)月間：得分2,2

4、5個(gè)月前：得分1,F,購(gòu)買頻率只購(gòu)買一次者得分為1,計(jì)算其餘顧客之頻率平均，購(gòu)買頻率少於平均者得分為一等分,重覆此法直到分為5群，由高至低分別給定5至1分,M：,同顧客五等分法,10,改良式動(dòng)態(tài) RFM,提供一個(gè)R、F、M三值計(jì)算之基準(zhǔn)值，以適用各類產(chǎn)品,依顧客與母體平均之差距給定分?jǐn)?shù)以消弭個(gè)人主觀達(dá)到客觀性之要求,提供一個(gè)更精準(zhǔn)量度值、更具鑑別度之給分方式,11,產(chǎn)品銷售平均週期,其中,Time,end,與,Time,start,為計(jì)算之日期區(qū)間起迄,Frequency,i,為顧客,i,購(gòu)買某產(chǎn)品之次數(shù),Frequency_threshold,為顧客購(gòu)買某產(chǎn)品之最小次數(shù)要求,e.g.:a顧客

5、30天內(nèi)買了3次,10天/次,b顧客30天內(nèi)買了5次6天/次,=8天,12,產(chǎn)品銷售平均頻率,其中,Frequency,i,為顧客,i,購(gòu)買某產(chǎn)品之次數(shù),e.g.:a顧客30天內(nèi)買了3次,b顧客30天內(nèi)買了5次,=,4次,13,產(chǎn)品銷售平均金額,其中,Amount,i,t,為顧客,i,於計(jì)算之日期區(qū)間內(nèi)每次購(gòu)買某產(chǎn)品之金額,TRANSACTION,i,為顧客,i,於計(jì)算日期區(qū)間內(nèi)之交易集合,e.g.:a顧客30天內(nèi)買了30元,b顧客30天內(nèi)買了50元,=,40元,14,改良式動(dòng)態(tài) RFM(續(xù)),其中,W,R,、,W,F,與,W,M,為權(quán)重值，,C,為一個(gè)常數(shù)值，n為該顧客最近購(gòu)買時(shí)間落於最近幾

6、個(gè)區(qū)間內(nèi)，而,Time,last,i,是顧客,i,於計(jì)算區(qū)間中最後一次購(gòu)買某產(chǎn)品之日期。,15,實(shí)驗(yàn)資料來(lái)源,實(shí)驗(yàn)資料來(lái)源,某校之消費(fèi)合作社會(huì)員消費(fèi)記錄,記錄時(shí)間自1999/10/1至2000/5/31,扣除寒假(2000/1/232000/2/19)消費(fèi)記錄,會(huì)員數(shù)811人，產(chǎn)品數(shù)2275項(xiàng),資料約10,000筆,訓(xùn)練期：1999/10/12000/3/31(約5個(gè)月),測(cè)試期：2000/4/12000/5/31(2個(gè)月),16,績(jī)效評(píng)量指標(biāo),顧客具購(gòu)買持續(xù)性假設(shè)檢驗(yàn),高購(gòu)買頻率顧客預(yù)測(cè)能力檢驗(yàn),其中，N,traning,：訓(xùn)練期中RFM值較佳之排名前p名顧客,|N,traning,|：訓(xùn)練

7、期中RFM值較佳之排名前p名顧客人數(shù),N,test,：測(cè)試期中購(gòu)買次數(shù)大於等於q次之顧客,|N,test,|：測(cè)試期中購(gòu)買次數(shù)大於等於q次之顧客人數(shù),|N,training,N,test,|：N,traning,與N,test,重複之顧客人數(shù),17,RFM參數(shù)個(gè)別績(jī)效分析,個(gè)別績(jī)效比較圖-純喫茶,18,RFM參數(shù)權(quán)重敏感度分析,W,R,敏感度分析圖-純喫茶,19,RFM參數(shù)權(quán)重敏感度分析(續(xù)),W,F,敏感度分析圖-純喫茶,W,M,敏感度分析圖-純喫茶,20,顧客具購(gòu)買持續(xù)性假設(shè)檢驗(yàn),顧客具購(gòu)買持續(xù)性績(jī)效圖-電話卡,21,高購(gòu)買頻率顧客預(yù)測(cè)能力檢驗(yàn),高購(gòu)買頻率顧客預(yù)測(cè)能力績(jī)效圖-純喫茶,22,鑑別度實(shí)驗(yàn),持續(xù)性購(gòu)買顧客探勘演算法鑑別度比較,23,結(jié)論,提出持續(xù)性購(gòu)買顧客探勘架構(gòu),整理出四種持續(xù)性購(gòu)買演算法，並進(jìn)行分析及比較,DRFM,在績(jī)效上及鑑別度上優(yōu)於其它方法，適用於各類產(chǎn)品之持續(xù)性購(gòu)買顧客探勘。,輔助行銷決策與顧客關(guān)係管理,24,報(bào)告完畢敬請(qǐng)指教,25,