數(shù)據(jù)挖掘在B2C電子商務(wù)企業(yè)客戶細(xì)分中的應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，B2C電子商務(wù)的服務(wù)越來(lái)越個(gè)人化、差異化。因此，如何盡可能滿足更多客戶的個(gè)性化需求，需要企業(yè)做出權(quán)衡，進(jìn)行客戶細(xì)分，識(shí)別出哪些客戶是有價(jià)值客戶，從而將有限的資源利用起來(lái)。對(duì)于B2C電子商務(wù)企業(yè)而言，要想在激烈的市場(chǎng)競(jìng)爭(zhēng)中取得成功，準(zhǔn)確把握住客戶需求并據(jù)此制定相應(yīng)的營(yíng)銷策略是非常重要的。本文正是從上述目的出發(fā)，將擴(kuò)展的RFM模型與數(shù)據(jù)挖掘技術(shù)、B2C環(huán)境相結(jié)合，得出B2C環(huán)境下基于聚類分析的客戶細(xì)分方法，同時(shí)將理論聯(lián)系實(shí)

2、際，利用該細(xì)分方法對(duì)某B2C企業(yè)進(jìn)行實(shí)例分析，對(duì)各個(gè)客戶細(xì)分群體的行為特征進(jìn)行分析，并提出相應(yīng)建議，幫助企業(yè)制定適當(dāng)?shù)臓I(yíng)銷策略。
　　 數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中提取隱含的、未知的、具有潛在價(jià)值的有用信息。B2C企業(yè)由于其特性，容易獲得大量關(guān)于客戶基本信息、交易行為、瀏覽行為等數(shù)據(jù)。將數(shù)據(jù)挖掘技術(shù)運(yùn)用于客戶細(xì)分領(lǐng)域，對(duì)于B2C企業(yè)而言是非常有價(jià)值的。本文采用聚類分析中的經(jīng)典算法之一——k-means算法，進(jìn)行基于RFM模型的客戶細(xì)