客户价值分析（数据挖掘-转载）1
需积分: 0 88 浏览量
2022-08-08
19:18:17
上传
评论
收藏 139KB DOCX 举报
数据挖掘技术：客户价值分析（转）
使用 RFM 方法(最近购买日 Recency, 各期购买频率 Frequency, 各期平均单次购买金
额 Monetary)能够科学地预测老客户(有交易客户)今后的购买金额，再对销售毛利率、关系
营销费用进行推算，就能按年、按季、按月分析出今后几期的客户价值。
在这里，客户价值指 CRM 毛利。CRM 毛利 = 购买金额 – 产品成本 – 关系营销费
用。
RFM 方法是国际上最成熟、最为接受的客户价值分析方法，RFM 实际上是一整套分析
方法中的部分内容，但最具代表性，其它还包括客户购买行为随机模型、马可夫链状态移
转矩阵方法、贝氏机率推导状态移转概率方法、回归拟合方法等。
一、客户购买行为随机模型中隐藏着哪些秘密？
随机模型除了显示购买频率概率、平均金额概率的密度分配，还隐藏着购买频率、平
均金额的状态移转期望值和概率这两个秘密，等待被揭示。
揭秘后，您就更加理解用必要长度和宽度的样本数据建立起一套牢固、可靠随机模型
的重要意义，样本越大，客户价值推测结果就越接近即将发生的事情。
【客户随机购买行为的六个基本假设】
假设一：假设客户随机购买频率和随机购买金额两个不同的行为纬度互相独立，不具
有相关性。
假设二：假设客户的购买状态移转行为符合马可夫链的假设，这表示客户下一期购买
状态发生的机率只和上一期的购买状态有关。
假设三：假设个别客户购买频率为卜松分配(Poisson Distribution)。
假设四：考虑客户的异质性，假设上述个别客户单位时间平均购买次数服从伽玛分配
(Gamma Distribution)。
假设五：假设个别客户有购买行为的各期平均单次购买金额为伽玛分配(Gamma
Distribution)。
假设六：考虑客户的异质性，假设上述各期平均单次购买金额又符合另一个伽玛分配
(Gamma Distribution)。
1、观察随机模型
频率概率分布列
平均金额概率密度
评论0