某上市公司的客戶資源分析與預(yù)測(cè).pdf

1、隨著國(guó)際化的進(jìn)程，全球品牌的服裝產(chǎn)業(yè)競(jìng)爭(zhēng)日益激烈，交易的主動(dòng)權(quán)逐漸由企業(yè)向客戶轉(zhuǎn)移，只有以客戶為中心的企業(yè)才能在競(jìng)爭(zhēng)中獲取優(yōu)勢(shì)。客戶關(guān)系管理理論讓人們知道企業(yè)80％的利潤(rùn)由20％的客戶產(chǎn)生，且開發(fā)一個(gè)新客戶成本要比維持一個(gè)老客戶的成本要高5倍，所以在營(yíng)銷資源有限的情況下，必須對(duì)客戶進(jìn)行細(xì)分，以保證將有限的營(yíng)銷資源分配給最有價(jià)值的客戶，以達(dá)到客戶保持，增加營(yíng)收的目的。而本文的研究重點(diǎn)就是從暫時(shí)性流失的老客戶中找出最可能回歸的客戶，并將他們

2、交給公司進(jìn)行精準(zhǔn)營(yíng)銷，提高客戶保留率，進(jìn)而擴(kuò)大營(yíng)收。
　　本文研究的數(shù)據(jù)集如下:A公司數(shù)據(jù)庫中有所有客戶的歷史購買數(shù)據(jù)、郵件營(yíng)銷數(shù)據(jù)以及網(wǎng)頁點(diǎn)擊數(shù)據(jù)。將截止2015年1月1日與2014年1月1日的暫時(shí)性流失客戶數(shù)據(jù)集分別記為樣本內(nèi)數(shù)據(jù)集與樣本外數(shù)據(jù)集，用bootstrap方法分別抽取200000條數(shù)據(jù)，按樣本內(nèi)抽取數(shù)據(jù)照7/3的比例分為建模數(shù)據(jù)集與樣本內(nèi)驗(yàn)證數(shù)據(jù)集，響應(yīng)率分別為1.6％與1.7％，樣本外數(shù)據(jù)集抽取的記為樣本外驗(yàn)證集

3、。
　　本文先通過RFM模型的理念，對(duì)歷史數(shù)據(jù)進(jìn)行重新架構(gòu)，得到2800多個(gè)變量。通過變量意義檢測(cè)，異常值處理，缺失值處理以及轉(zhuǎn)化與比較，得到清洗好的數(shù)據(jù)集。并通過顯著性檢驗(yàn)、相關(guān)性檢驗(yàn)、主成分分析、方差膨脹因子等統(tǒng)計(jì)方法并結(jié)合變量實(shí)際意義進(jìn)行變量篩選，最終為挑選出最優(yōu)的7個(gè)變量進(jìn)入模型。模型在建模數(shù)據(jù)集內(nèi)的預(yù)測(cè)正確率高達(dá)73％，符合預(yù)期，并對(duì)7個(gè)變量以及模型結(jié)果分別進(jìn)行十分位數(shù)檢驗(yàn)與Lift Chart檢驗(yàn)，發(fā)現(xiàn)變量的可解釋性都