论文部分内容阅读
随着“大数据时代”的到来,零售业、医疗、电子商务以及金融等行业对数据挖掘技术的重视日益提高。在零售业中,客户是第一生产力,客户忠诚度分类是客户关系管理的重要内容,购物篮分析是挖掘客户购买习惯的重要方法。充分运用数据挖掘技术解决客户分类、挖掘客户购买习惯等问题对于零售业增加客户保持率尤为重要。本文选择某大型超市555位会员9年间购买记录的微观数据,运用聚类分析及关联规则等数据挖掘方法进行实证分析,主要包括以下工作:(1)在客户忠诚度的研究中,结合改进的经典模型RFM以及李卫东等(2005)提出的新模型结构,创建自己的指标体系,运用聚类算法中的层次分析及K-means算法对不同观测个体的客户忠诚度指标进行聚类,并对比结果,得出最优解,最终划分为四类客户。(2)在给客户忠诚度进行分类的基础上,分别对黄金、忠诚、普通及非忠这四类客户开展购物篮分析。得到以下结论:黄金客户对于主食、零食、酱料汤包及生活用品的购买力非常强;忠诚客户在生活家居用品购买力这块不如黄金客户,其购买更多的是零食饮料类商品;普通客户相对于忠诚客户,干果蜜饯类商品购买减少,作为主食的油米面被购买的更多;非忠客户与普通客户相比,不常购买日用消耗类商品,购买最多的反而是价格较高的非消耗品,比如珠宝首饰。(3)在对关联规则算法Apriori增加销售额占比的约束条件后,又对它产生频繁项集时的运行速率进行改进。一方面通过销售额占比这个约束条件提高购物篮的价值,避免由大量低价商品组成的购物篮产生对企业提高销售额无实际帮助的关联规则;另一方面当(k-1)项频繁项集产生k项候选频繁项集时对Apriori算法进行速率改进。(4)对四类客户的购物篮分析结果进行对比,并提出相应建议。针对黄金客户的主要购买商品,可考虑经常性的推出试吃这种营销策略带动销量;对于忠诚客户关联度高的零食饮料类商品,可考虑对一者降价来促进另一者的销量这种交叉销售策略;对于普通用户常购买的主食,可考虑捆绑销售这种策略来吸引他们购买;对于非忠客户,可考虑对其增加导购或者常发活动信息,增加非消耗品的销量。