基于數(shù)據(jù)挖掘的零售業(yè)客戶細(xì)分方法.pdf

1、隨著我國經(jīng)濟(jì)水平的提高，零售業(yè)發(fā)展迅猛。但由于競爭的加劇，零售業(yè)的利潤日漸微薄，迫切需要尋找新的利潤增長點。對于現(xiàn)在供過于求的零售業(yè)來說，如何贏得和保留客戶并將客戶價值最大化變得尤為重要，也日漸成為企業(yè)最為關(guān)注的問題之一?？蛻艏?xì)分是企業(yè)成功實施客戶保持的關(guān)鍵，數(shù)據(jù)挖掘技術(shù)的出現(xiàn)更是為客戶細(xì)分提供了新方法。
　　已有的零售業(yè)客戶細(xì)分研究存在兩方面的不足：一是尚未形成完整的適用于零售業(yè)的客戶細(xì)分指標(biāo)體系；二是客戶細(xì)分模型準(zhǔn)確度偏低。為

2、了彌補(bǔ)以上不足，本研究工作在梳理了客戶細(xì)分理論和數(shù)據(jù)挖掘技術(shù)基礎(chǔ)上，構(gòu)建了一套基于RFM的客戶細(xì)分指標(biāo)體系，利用基于屬性加權(quán)的K-Mea ns算法建立了客戶細(xì)分模型。采用某連鎖超市的3萬多條會員數(shù)據(jù)和近38萬條銷售數(shù)據(jù)進(jìn)行實證研究，運用以上指標(biāo)體系和客戶細(xì)分模型完成了客戶細(xì)分，最終將客戶分為四大類，并針對不同客戶群體給出相應(yīng)的營銷策略。實證研究結(jié)果表明，該方法在客戶行為特征區(qū)分能力和聚類緊湊性方面均優(yōu)于傳統(tǒng)基于RFM的細(xì)分方法。方法可行