没有合适的资源?快使用搜索试试~ 我知道了~
比较有借鉴意义的客户价值分析模型,数学基础不好的慎下,通过数据对用户需求进行分析、推倒、得到最终结果,如何描述客户行为,过程性非常强,简单易懂。 没有数学基础的不要下载,如果你连贝叶斯算法都不懂,就不要浪费分了
资源推荐
资源详情
资源评论
客户价值分析模型
Kotler (2000)认为关系行销的重心要放在如何和最有价值的顾客建立长期并为公司带来利润的关系,而
Morgan & Hunt (1994)更明白点出顾客价值已经成为顾客关系行销的核心基础。如同 Wyner (1996)所提,顾客价
值已经重新诠释了传统行销的活动:把顾客视为一种资产,评估其未来收益以及成本以决定是否进行行销活动。
Wyner (1996)更指出,企业 80%的销售利润是来自于 20%的顾客,而其余 20%的销售利润,却花了公司 80%的
行销费用。由此可知,如何找出具有价值的顾客,对企业的获利来说是多么重要。而根据 Kotler & Armstrong (1996)
所下的定义,具有价值的顾客为「一个未来为公司带来的利润大过于公司花在其身上的成本之顾客」。
顾客价值之计算主要是将顾客在未来数年间之消费金额与相对应之产品成本与维持成本加以扣除,再折现以求
得出顾客未来数年净贡献的现值。在这样的理论基础之下,发展出了不少顾客价值分析模型。Dwyer (1989)首先
定义顾客终生价值为「由顾客面所预期之利润,减去与顾客相关成本的现值」。此外 Sewell & Brown (1990)、Hughes
(1994)、Kotler (2000)等学者也分别在不同的假设以及定义之下提出了各自对顾客价值的计算公式,不过大都是在
特定的假设以及参数之下所提出的例子。而 Berger & Nasr (1998)有鉴于此,试图提出一套有系统的模型计算顾客
价值,他们针对 Jackson (1985)提出的二类顾客之特色加以整理,对该二类型的顾客之终生价值提出了五种类型
的模型。而 Hughes (1994)所提出之 RFM 顾客价值分析模型不同于其它之方法,此模型利用三种指针:最近购买
日(Recency)、购买频率(Frequency)及购买金额(Monetary),以判断顾客的价值,Stone (1995)更在其研究中利用
此模型分析信用卡顾客之价值。因为一般企业的顾客交易数据库中都可以萃取出这些信息,因此 RFM 模型可以说
是目前企业界最常用的顾客价值分析方法之一。
建立顾客购买行为随机模型以描述顾客行为
根据 Ehrenberg (1959)及 Colombo & Jiang (1999)对顾客行为之机率分配假设,建立顾客购买行为随机模型,
以描述顾客的购买行为。
建构结合 RFM 模型及马可夫链的顾客价值分析模型
根据顾客购买行为的改变为马可夫链随机过程,并利用 Hughes (1994)所提出之 RFM 模型定义顾客购买状态。
利用贝氏机率推导顾客购买状态移转机率,根据顾客行为随机模型计算各购买状态下之预期利润进行顾客利润矩
阵之估计,最后结合顾客购买状态移转矩阵及利润矩阵,进行顾客价值估计。
进行顾客价值分析模型的数据实证及比较
利用某企业之实际顾客交易数据,进行本顾客价值分析模型之数据实证,并将分析结果和目前业界常用之顾客
价值预测方法进行比较
。
微积分公司采用的顾客价值分析模型,主要结合顾客购买行为随机模型、马可夫链、RFM 模型及贝氏机率此
四个理论或模型所发展而成。首先,建立顾客购买行为随机模型,并根据顾客之历史交易数据估计模型假设中之
先验分配参数。此外,利用马可夫链描述顾客购买行为,并且根据 Hughes (1994)所提出之 RFM 顾客价值分析模
型,定义马可夫链中之不同顾客购买行为状态,以建构顾客购买状态之马可夫链移转矩阵及利润矩阵。而最主要
的贡献为:根据贝氏机率推导顾客在已观察到前期购买行为状态时,其下期购买行为状态之事后机率分配,并以
之估计顾客购买状态移转矩阵之移转机率。此外,依据顾客购买行为随机模型之行为机率分配假设,估计顾客于
不同购买状态下之预期贡献利润,以建立利润矩阵。最后,结合顾客购买状态移转矩阵以及顾客利润矩阵进行顾
客价值之分析。
购买行为随机模型之假设
本购买行为随机模型建立方式主要为设立六个顾客购买行为之假设,利用此六大假设描述顾客购买行为以建
构此随机模型。本随机模型结合 Ehrenberg (1959)所提出之负二项分配模型及 Colombo & Jiang (1999)提出之
Gamma-Gamma 混合型模型,设立顾客每期购买频率及购买金额之机率分配假设,并利用 Gamma 分配捕捉顾客
之异质性,以描述顾客之购买行为。
假设一:
假设顾客购买频率和购买金额两个不同的行为维度是互相独立,不具有相关性。因此这两个行为机率函数的
参数互相独立。
假设二:
假设顾客的购买状态移转行为符合马可夫链的假设,这表示顾客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:
假设个别顾客购买频率 f 为卜松分配(Poisson Distribution):
[]
0
!
>==
−
λ
λ
λ
λ
f
efFP
f
f
(1)
公式(1)表示,在单位时间平均购买次数为
λ
之下,单位时间内购买次数为 f 的机率。
假设四:
因为考虑顾客的异质性,故假设个别顾客单位时间平均购买次数
λ
服从 Gamma 分配:
()
()
0,0 ,|
1
>>
Γ
=
−−
αλ
α
αλ
αλ
λ
we
w
wg
w
w
(2)
假设五:
假设个别顾客发生购买行为之各期平均单次购买金额为 Gamma 分配,因为购买金额不可能为负,不适合用
常态分配来捕捉,因此依据 Colombo & Jiang (1999)之假设,采用更具有弹性、并且符合购买金额不为负之特性
的 Gamma 分配:
0,0
)(
),|(
1
>>
Γ
=
−−
θ
θ
θ
θ
uem
u
umg
mu
u
m
(3)
公式(3)中, m 代表各期平均单次购买金额。
假设六:
依据 Colombo & Jiang (1999)之假设,由于顾客各期平均单次购买金额服从之 Gamma 分配的平均值为
θ
/u ,
为了考虑顾客的异质性,假设此 Gamma 分配的平均值
θ
/u
随着不同顾客而变动,因此,将u 定义为常数值,利
用
θ
捕捉每位顾客购买金额行为之不同,假设顾客平均单次购买金额的 Gamma 分配之参数
θ
符合另一个
Gamma 分配:
0,0
)(
),|(
1
>>
Γ
=
−−
φθ
φ
φθ
φθ
θ
ve
v
vg
v
v
(4)
首先根据假设三和假设四可以推导出顾客购买频率的机率为负二项分配(Ehrenberg, 1959):
[]
fw
NBD
fw
fw
wfFP
⎟
⎠
⎞
⎜
⎝
⎛
+
⎟
⎠
⎞
⎜
⎝
⎛
+Γ
+Γ
=
=
1
1
1!)(
)(
,|
αα
α
α
(5)
剩余8页未读,继续阅读
资源评论
xieshen947
- 粉丝: 30
- 资源: 12
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于vue2和iview2的后台管理系统.zip
- 基于vue+vant搭建h5通用框架子(包含cli3,cli4,typescript版本).zip
- 基于canvas Fabric.js库创建的vue Fabric组件,定制画板,图片关联较差.zip
- 基于 vue2 和 vuetify2 的管理面板.zip
- 基于 Vue.js 显示格式化货币值的输入字段组件.zip
- 基于 Vue.js 并使用 Quasar 框架的免费 Quasar 管理模板 .zip
- 基于 Vue 的拖放看板.zip
- 基于 Vue 3 的小程序框架 简单,强大,高性能 .zip
- 基于 Vue 2.0、iView 和 ECharts 的面板框架 .zip
- 基于 Quasar 框架的 Vue 2.0 管理仪表板.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功