为了核算百度外卖客户给企业带来的价值,对百度外卖客户进行价值分析,提出一种改进的最近消费时间、消费频率、消费金额(recency frequency monetary,RFM)模型。该模型由平均订单交易时间间隔、客户一定时期内的交易次数、平均单次订单...为了核算百度外卖客户给企业带来的价值,对百度外卖客户进行价值分析,提出一种改进的最近消费时间、消费频率、消费金额(recency frequency monetary,RFM)模型。该模型由平均订单交易时间间隔、客户一定时期内的交易次数、平均单次订单交易金额、客户贡献时间4个指标构成,运用离差标准化方法对4个指标进行规范化处理,采用主成分分析法计算4个指标的权重,4个指标与指标对应权重的乘积之和为客户的价值,采用K-Means聚类算法将客户分为价值由高到低的客户群。对2017年百度外卖企业某商家为期3个月的4 815名客户的订单交易数据进行聚类,结果表明,4 815名客户可以分为重要保持型客户、忠诚型客户、发展型客户、一般客户、低价值客户5类客户群体。改进后RFM模型可用于百度外卖客户价值分析。展开更多
文摘为了核算百度外卖客户给企业带来的价值,对百度外卖客户进行价值分析,提出一种改进的最近消费时间、消费频率、消费金额(recency frequency monetary,RFM)模型。该模型由平均订单交易时间间隔、客户一定时期内的交易次数、平均单次订单交易金额、客户贡献时间4个指标构成,运用离差标准化方法对4个指标进行规范化处理,采用主成分分析法计算4个指标的权重,4个指标与指标对应权重的乘积之和为客户的价值,采用K-Means聚类算法将客户分为价值由高到低的客户群。对2017年百度外卖企业某商家为期3个月的4 815名客户的订单交易数据进行聚类,结果表明,4 815名客户可以分为重要保持型客户、忠诚型客户、发展型客户、一般客户、低价值客户5类客户群体。改进后RFM模型可用于百度外卖客户价值分析。
