数据挖掘在b2c电子商务企业客户细分中的应用研究

《数据挖掘在b2c电子商务企业客户细分中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10036例矽}；爹f节贸易声学硕士学位论文数据挖掘在B2C电子商务企业客户细分中的应用研究培养单位：专业名称：研究方向：作者：指导教师：论文日期：信息学院产业经济学信息管理与电子商务宋妍妮佟强二。一三年五月TheApplicationofDataMininginCustomerSegmentationofB2CServiceProviders学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文所涉及的研究工作做

2、出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律责任由本人承担。特此声明学位论文作者签名：束奸镌肋B年5月31日学位论文版权使用授权书本人完全了解对外经济贸易大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文：学校有权提供目录检索以及提供本学位论文全文或部分的阅览服务；学校有权按照有关规定向国家有关部门或者机构送交论文；学校可以采用影印、缩印或者其它方式合理使用学位论文，或将学位论文的内容编入相关

3、数据库供检索；保密的学位论文在解密后遵守此规定。学位论文作者签名：宋妍航2口B年5月31日导师签名：彦bz弓年厂具≥＼日摘要随着互联网的发展，B2C电子商务的服务越来越个人化、差异化。因此，如何尽可能满足更多客户的个性化需求，需要企业做出权衡，进行客户细分，识别出哪些客户是有价值客户，从而将有限的资源利用起来。对于B2C电子商务企业而言，要想在激烈的市场竞争中取得成功，准确把握住客户需求并据此制定相应的营销策略是非常重要的。本文正是从上述目的出发，将扩展的RFM模型与数据挖掘技术、B2C环境相结合，得出B2C环境下基于聚类分析的客户细分方法，同时将理论联系实际

4、，利用该细分方法对某B2C企业进行实例分析，对各个客户细分群体的行为特征进行分析，并提出相应建议，帮助企业制定适当的营销策略。数据挖掘是从大量的数据中提取隐含的、未知的、具有潜在价值的有用信息。B2C企业由于其特性，容易获得大量关于客户基本信息、交易行为、浏览行为等数据。将数据挖掘技术运用于客户细分领域，对于B2C企业而言是非常有价值的。本文采用聚类分析中的经典算法之一——缸mealls算法，进行基于RFM模型的客户细分，针对不同的客户细分群分析了其行为特征，帮助企业识别出不同的客户群体，并提出相应的客户细分群的营销策略。本文最后总结了现有研究工作以及存在的不

5、足，并对进一步完善电子商务市场中客户细分工作提出了自己的看法。关键词：B2C，客户细分，RFM模型，k-means算法AbstractWiththedevelopmentoftheIntemet，B2Chasbeenbecomingamorepersonalizedservice．ForB2Cserviceprovidersaimingatmeetingtheneedsofcustomerindividualization，itisnecessarytobalancetherevenuesandexpendituresOilpromotionactivitie

6、s．Inordertoincreasetheirmarketshares，providershavetoidentifywhatthecustomerexactlyneedbysegmentationandaccordinglymakepromotionstrategies．ThisarticlebroughttheextendedRFMModel，DataMiningtechnologyintotheB2Cenvironment，andcameoutthemethodofCustomerSegmentationbasedOilClusterforB2Cent

7、erprises．DataMiningisaprocessthroughwhichpeoplecoulddiscoverunknown，invaluableinformation．TheB2Cserviceproviderscouldobtainenormousinformationoncustomerprofiles，orders，sessionlogs，etc．ItisessentialforB2CproviderstoimplementDataMininginCustomerSegmentation．Thisarticleappliedoneofthem

8、ostclassicalalgorit