数据挖掘零售业客户细分研究-聚类分析和决策树分类.pdf

发布时间：2022-06-18 发布人：admin 分类：说明书资料大小：0.39M 资料格式：pdf 举报版权申诉

26f94a68-5765-444c-ac94-378176dff61f.pdf-第1页.png

第1页 / 共6页

26f94a68-5765-444c-ac94-378176dff61f.pdf-第2页.png

第2页 / 共6页

26f94a68-5765-444c-ac94-378176dff61f.pdf-第3页.png

第3页 / 共6页

26f94a68-5765-444c-ac94-378176dff61f.pdf-第4页.png

第4页 / 共6页

26f94a68-5765-444c-ac94-378176dff61f.pdf-第5页.png

第5页 / 共6页

26f94a68-5765-444c-ac94-378176dff61f.pdf-第6页.png

第6页 / 共6页

文本预览

■2006年第6期 ■现代管理科学 ■发展战略基于数据挖掘的零售业客户细分研究 ●叶孝明黄祖庆摘要：文章根据基于购买行为的客户细分方法，运用数据挖掘中的聚类分析和决策树分类技术，对零售业客户细分模型进行了研究、建立及实验分析，为零售业客户细分提供了一种有效而实用的分析方法。关键词：零售业；客户细分；数据挖掘客户细分是客户关系管理的基本任务之一，在目前客户终生价值研究还没有成熟的情况下。采用基于购买行为的客户细分方法不失为一种有效的选择。对于零售企业而言．通过一定的技术将客户细分为不确定型客户、经常性客户、乐于消费型客户和最好的客户，然后对每一类客户的特征进行分析．有助于提高营销活动的针对性和有效性．有助于客户关系管理的良好实施。零售业客户人数众多，购买行为数据量十分庞大，通过运用数据挖掘中的聚类分析和决策树技术。可以对零售业客户群进行合理的细分。于客户价值矩阵的某个象限里。然后，分析每个象限中的客户群的关键差异。二、聚类分析将物理或抽象对象的集合分组成为由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。聚类分析通常用到两种数据结构：一是数据矩阵，这种数据结构是关系表的形式，或者看成nxp(n个对象×p个变量)的矩阵；一是相异度矩阵，这里的d(I，j)是对象i和对象j之间相异度的量化表示，一、基于购买行为的客户细分方法通常它是一个非负的数据值，当对象i和f越相似或“接 RFM分析是广泛应用于数据库营销的一种客户细分近”，其值越接近0；两个对象越不同，其值越大。方法。R(Recency)指上次购买至今之期间，该时期越短，则 R越大。研究发现。R越大的客户越有可能与企业达成新的交易。F(Frequency)指在某一期间内购买的次数。交易次数越多的客户越有可能与企业达成新的交易。M(Mone— 如果对象都是由连续型变量描述的，其相异度常用欧几里得距离计算，它的定义如下： d(I，，)=~厂瓦i『rF医面丁再了瓦矿 (1) 这里的i=(xlt，X／2，…，砩)和j=(xjl，稚，…，嘞)是两个P tary)指在某一期间内购买的金额。M越大，越有可能再次维的数据对象。响应企业的产品与服务。RFM分析的所有成分都是行为方面的，应用这些容易获得的因素。能够预测客户的购买行为。以最近的行为预测客户的购买行为比用其他任何一种因素进行预测更加准确和有效。另一个著名的度量方法是曼哈坦距离，其定义如下： d(I，．『)=I鼍1一弓l I+Ix口一’啦I+…+I xr墨*I (2) k—means算法是一种采用划分的方式实现聚类的算法，七代表该算法在数据集上分割并计算后输出的聚类的为了消除购买次数与总购买额间的多重共线性，Mar- 数量。数据集是由n个对象(或称数据点)组成的。在初始 CUS提出对传统的RFM分析进行修正，用平均购买额代替总购买额。另外，为了解决传统RFM分析过多细分客户群的缺陷，他提出用购买次数(F)与平均购买额(A)构造的客户价值矩阵简化细分的结果，该矩阵将客户细分为四个客户群，其中平均购买额与购买次数都较低的为不确定型客户：平均购买额较低而购买次数较高的为经常性客户；平均购买额较高而购买次数较低的为乐于消费型客户主；平均购买额与购买次数都较高的为最好的客户。第三个变量化时，根据输入参数k随机性地从n个对象{j。，五，…，L}找出k个原型{啊，％，…，耽}。令G表示第J个聚类，聚类的质量是由以下的错误函数确定的： ^ E三∑∑l卜彤I 2 』’11tfe』 (3) K--means聚类算法描述如下： Function k--menas() 初始化k个原形{啊，％，…，％}，其中胙‘，J∈{1，2， Recency在客户价值矩阵中被剔除。 …，七)，J∈{1，2，…，n} 产生客户价值矩阵需要的信息有：客户代码、购买日使每个聚类cf与原形彤相对应期、日购买额，购买次数由不同的购买日期的数目确定，日购买额用来计算平均购买额。在Marcus提出的客户价值矩阵中。确定购买次数与平均购买额的基准是各自的平均值。一旦确定每一个坐标轴的平均值，每个客户就被定位 repeat for每个输入向量il，其中J∈{1，2，…，n}do 将it分配给最近的原形吖所属的聚类C『． do for每一个聚类c『，其中J∈{1，2，…，kl 一63— 万方数据

树分类的一种著名算法是Quinlan提出的 ID3算法。这个算法要求数据集的所有属性都是离散型的。其选择分割训练数据集的属性时采用称为信息增益的度量。以下对信息增益及有关概念进行定义。定义1若给定的概率分布P_(pl， p2，…，岛)，则由该分布传递的信息量称为 P的熵，即 I(P)=一((pl*l092(p1)+P2+l092(p2)+…+ 客户一ID 年收入未成年孩子数会员卡类型平均购买额购买次数 55 76 88 89 106 110 $10K一$30K $70K一$90K $30K一$50K $70K——$90K $50K一$70K $10K——$30K 2 0 O O 0 0 Normal Normal 4．9 5．689 79 Bronze 4．908 18 Bronze 8．842 73 Bronze 10．973 08 Normal 4．39 11 48 11 11 13 7 ■发展战略一现代管理科学 ■2006年第6期将原形更新为当前的G中所有样本的均值，即睁 samples中的多数类创建一个树叶。 ∑ie∥IG 计算错误函数E 判断聚类成员的变化 Unit E不再明显地改变或者聚类的成员不再变化。三、。决策树分类技术决策树(decision tree)是一个类似于流程图的树结构，其中每个内部节点表示在一个属性上的测试，每个分枝代表一个测试输出，而每个树叶节点代表类或类分布。决策四、零售业客户细分模型的建立与分析本文的研究数据来自Microsoft Analysis Service所带的一个实例Foodmart 2000，这是关于某超市会员卡客户资料及销售记录的数据库。此处主要用到其中的一个客户表 (Customer)和一个销售实事表(SMes_Faet_1997)，客户表里存储了10 281个会员客户资料，销售实事表记录了一年当中的每一笔销售记录。在进行了SQL查询处理、随机选样及属性筛选后．得到了一个含540条记录的用于数据挖掘的数据集．该数据集的部分示例如下：表1示例样本 p声l092(p。)) (4) 定义2若一个记录的集合T根据类别属性的值被分成互相独立的类cl，c2，…，Q，则识别丁的一个元素所属哪个类所需要的信息量是Info(T)=I(P)，其中P是(c1， c2，…，G)的概率分布，即正(I cl I，J T I，J c2 I／I T I，…，I G l／I丁J) (5) 定义3若我们先根据非类别属性x的值将T分成集合正，E，…，L，则确定T中一个元素类的信息量可通过确定Z的信息量的加权平均值来得到，即Info(正)的加权平均值为： lnfo(X，T)=∑I置l，I T xlnfo(T／) i·l 定义4将信息增益Gain(X，T)定义为： Gain(X，T)=Info(T)一Info(X，T) 、 (6) (7) ID3算法是一种贪心算法，它以自顶向下递归的各个击破方式构造决策树。算法的基本策略如下： 1．树以代表训练样本的单个节点开始。 2．如果样本都在同一个类，则该节点成为树叶，并用该类标记。分两个步骤实施挖掘：第一步，选择客户的平均购买额和购买次数，采用聚类的方法对客户进行分类，这样每个客户都有一个确定的分类；第二步，选用决策树模型对客户构建决策树，以对客户的特征进行进一步分类分析。具体实施过程是结合编程实验并借助于Microsoft Analysis Service的数据挖掘工具来完成的。第一步的聚类是在 Visual Foxpro 6．0环境下采用编程方式来实现的。这一步完成客户群细分后将客户类别信息添加到数据挖掘库当中。第二步通过Mierosoft Analysis Service数据挖掘工具的决策树模型来实现。第一步得到的挖掘结果如表2所示。表2聚类挖掘结果簇中心簇成员个数百分比％平均购买额购买次数 3．818 9 7．868 8 6．633 8 6．249 2 6．27 7．89 49．19 15．40 117 145 52 226 22 27 10 42 簇 cl c2 c3 ca 从以上数据分析可知，C．客户群的平均购买额与购买次数都较低，属于不确定型客户，c4客户群的平均购买额 3．否则，算法使用称为信息增益的度量，选择能够最较低，但购买次数较高，应属于经常性客户，c2客户群的平好地将样本分类的属性。均购买额较高，但购买次数较低，属于乐于消费型客户，而 4．对测试属性的每个已知的值，创建一个分枝，并据 G客户群的平均购买额与购买次数都较高，应属于最好的此划分样本。客户。从客户数量比例来看。也基本与帕累托原则相符。 5．算法使用同样的过程，递归地形成每个划分上的样将客户分类信息c1、c2、c3、c4作为Cluster属性写入到本决策树。 6．递归划分步骤仅当下列条件之一成立时停止：‘ (1)给定节点的所有样本属于同一类。 (2)没有剩余属性可以用来进一步划分样本。在此情况下，将给定的节点转换成树叶，并用samples中的多数所在的类标记它。 (3)分枝test_attribute=a_i没有样本。在这种情况下，以挖掘库中。然后选择它作为预测列并选择年收入、未成年孩子数等作为输入列创建的决策树如图l所示。从该模型结果可以看出．年收入在l万元到3万元之间的客户当中有86．84％的客户属于不确定型客户，年收入在3万元以上且未成年孩子数小于等于2人的客户当中有79．4％的客户属于经常性客户，而在年收入在3万元以上且未成年孩子数大于2人的客户当(下转第82页) ——64—— 万方数据

●管理创新 ■现代管理科学 ■2006年第6期人力成本。前者主要是指员工的收入，具体包括与生产直接相关的成本和各种福利费用、津贴、奖金等；后者主要包资源利用水平。每一级指标又被细化为若干个二级评价指标。最终构成了一个可操作的、多级树状评价指标体系结括员工取得费用(招聘成本等)、培训费用和遣散费用等。假设cH表示敏捷供应链的人力资源费用，则：构。参考文献： c婚寻CH ④物流成本cⅢ包括各节点企业内和企业之间的运输费和装卸费。假设cL表示敏捷供应链的物流费用，则：％=G (2)资金管理cc。资金管理cc反映敏捷供应链管理中流动资金、固定资金的管理与利用效率。可用总资产周转率、资金周转时间、净资金收益率等指标来描述。 ①总资产周转率ca表示敏捷供应链在一个会计周期内资产(所以节点企业资产的总和)周转的次数。计算公式为： co：删笪掣坠×100％ Ⅶ一]财霸霜瓦丽历亍_“ ②总资产周转时间c&表示敏捷供应链的总资产周转一次所需时间。计算公式为： C一-供应链总贸36严0月饔顽×100％一供应链总贸严月票顽“ ③净资产收益率cb反映敏捷供应链净资产的盈利状况。。o一1廷面豆焉歪百可鸨F铲“ c0：集鏖篓箜姿型翼．×100％四、结语综合全文的分析结果。可以得到敏捷供应链整体绩效评价体系(ASCPMS)。该评价体系由四个一级指标构成：顾客满意度、敏捷性、合作关系、运作成本。其中顾客满意度反映顾客服务水平，敏捷性反映对环境变化的响应能力，合作关系节点企业之间协调计划和生产的能力、提供产品或服务的质量以及伙伴间信息共享程度．运营成本C反映 (上接第64页) 1．Bullinger H．，Kuhner M．and Hoof A．V．hna— lyzing supply chain performance USing a balanced measurement method，Int．J．Product ion Research， 2002，40(15)：3533—3543． 2．高萍，黄培清，张存禄．基于SCOR模型的供应链绩效评价与衡量指标选取．工业工程与管理，2004，9 (3)：49-52． 3．施家芳，张媛．关于供应链绩效评价的探讨．北方经贸，2004，(6)：88-89． 4．K1eijnen J．P．C．，SmitS i．T．Performance metrics in supply chain management．10urnal of the Operat ional Research Society，2003，54(5)：507—514． 5．马士华，李华焰，林勇．平衡记分法在供应链绩效评价中的应用研究．工业工程与管理，2003，7(4)： 5-10． 6．Edward A Morash．Supply chain strategies， capabilities and performance．Transportation jour— nal，2001，(fall)：37-55． 7．柴跃廷，刘义．敏捷供需链管理．北京：清华大学出版社，2001：11-13．基金项目：广东省自然科学基金资助项目，项目编号： 021352；广东省“千百十工程”培养基金资助项目，项目编号：Q021193。作者简介：刘晋，五邑大学管理学院院长，教授，博士；洪伟民，五邑大学管理学院硕士生。收稿日期：2006—05一01。中有57．69％的客户属于最好的客户．此外有11．54％的客户属于乐于消费型客户，有19．23的客户属于经常性客户。这些挖掘结果为零售企业更好地认识客户具有重要的参导的学习方法．需要预先知道样本的类型。因此，在零售企业面对众多客户的情况下．结合聚类和决策树技术进行客户细分建模是一种有效而实用的方法。考价值。参考文献： 1．邵峰晶，于忠清编著．数据挖掘原理与算法．北京：中国水利水电出版社，2003． 2．Jiawei Han，iichel ine Kamber著．范明，孟小峰等译．数据挖掘概念与技术．北京：机械工业出版社， 2001． 3．刘义，万迪a-h-，张鹏．基于购买行为的客户细分方法比较研究．管理科学，2003，16(2)：69—72． 4．陈明亮，李怀祖．客户价值细分与保持策略研究．成组技术与生产现代化，2001，18(4)：23-27．作者简介：叶孝明，景德镇陶瓷学院工商学院讲师；黄图1客户细分决策祖庆，景德镇陶瓷学院信息工程学院教授。五、结论收稿日期：2006—04-28。决策树是一种较好的分类模型。但由于它是一种有指一82一万方数据

基于数据挖掘的零售业客户细分研究作者：叶孝明，黄祖庆作者单位：刊名：景德镇陶瓷学院现代管理科学英文刊名： MODERN MANAGEMENT SCIENCE 年，卷(期)： 2006，""(6) 1次被引用次数：参考文献(4条) 1.邵峰晶.于忠清数据挖掘原理与算法 2003 2.Jiawei Han.Micheline Kamber.范明.孟小峰数据挖掘概念与技术 2001 3.刘义.万迪昉.张鹏基于购买行为的客户细分方法比较研究[期刊论文]-管理科学 2003(02) 4.陈明亮.李怀祖客户价值细分与保持策略研究[期刊论文]-成组技术与生产现代化 2001(04) 相似文献(10条) 1.学位论文卢琦蓓基于分布式关联分类的连锁零售业客户细分模型研究 2009 在管理思想更新、管理实践需求及信息技术发展的推动下，客户关系管理正在成为21世纪全球企业界最关心的管理议题和发展方向之一。客户细分是客户关系管理系统的核心功能之一，可以对客户获取、客户保持及客户增值等客户关系管理过程提供全面支持，其结果对客户关系管理有着十分重要的影响。目前，大型连锁商业企业借助于网络和信息技术迅速扩张并向国际化经营方向发展，商品经营已演变为“信息经营”。大量分布的连锁分店、配送中心与总店间通过网络互连，形成了分布型的商业共享数据环境。在这个分布型数据环境中，每个节点积集了大量的经济运行数据，形成了规模庞大的分布商业数据金矿。传统的客户细分方法已经无法满足日益增长的数据量以及日益复杂的分析需求，而基于分布式数据挖掘技术的分类方法，为进行更深入的客户细分提供了新的实现手段。本文在国内外研究基础上，以连锁零售业的消费者为研究对象，建立了基于分布式关联分类的连锁零售业客户细分模型(CustomerSegmentation Model Based on Distributed Associative Classification，简称DCSM)。主要研究内容包括：第一，对传统的客户细分相关理论和关联分类算法进行了深入的研究与分析，尤其是关联分类经典算法CBA、CMAR，以期取其之长运用到连锁零售业客户细分问题中来。第二，针对目前数据分布环境下连锁零售业客户细分方法存在的不足，提出了基于分布式关联分类的连锁零售业客户细分模型DCSM。该模型以连锁零售业各分布结点的客户数据为数据源，以具有移动Agent功能的Bee-gent系统为框架，以基于改进型FP-树的分布式关联分类算法为关键技术，从分布的商业数据库中训练得到全局的关联分类器，利用全局的关联分类器实现对客户的细分。第三，本文提出了基于改进型FP-树的分布式关联分类算法。首先，在各局部站点分别生成改进后的频繁模式树，再通过各站点间传送条件模式树形成全局条件模式树；其次，引入显著度概念挖掘全局条件模式树，得到初始的全局显著分类规则；最后，通过剪枝策略选择一个小规则集构造全局的关联分类器。该算法能够有效地减小网络通信量，提高挖掘效率，同时保证规则的统计显著性，提高了对隐含规则的发现能力。第四，在上述研究工作的基础上，本文设计了一个面向连锁零售业客户细分的数据挖掘原型系统。该系统初步实现了数据的导入、预处理、模型建立和模型使用等功能。最后结合一个具体商业应用，通过对客户个人特征、客户消费行为、客户价值等多个维度的挖掘，得出客户的细分结果，从而为提高连锁零售业的经营分析、决策支持和商品管理等水平提供有力支持。 2.学位论文温风云零售业客户关系管理及效果指标研究 2006 全球化带来的对客户资源的竞争，使得CRM成为零售业在新的市场环境下的新的有利战略。零售业作为典型的CRM应用领域，有其自身的特点。传统的零售业客户关系管理由于缺乏有效的度量工具和IT技术支持，经常造成营销经费的浪费，利用新技术及工具收集、分析、分配信息的能力，是对零售业客户关系管理的新的考验，也正是本文研究的目的和重点所在。论文从零售业的实际出发，以客户关系管理理论为基础，从营销理念和应用技术两方面入手，全面分析了我国零售业实施客户关系管理的现状，指出目前在实施客户关系管理上存在的不足并提出所要研究的问题。并对CRM理论的最新发展、客户细分、数据挖掘等相关理论与方法进行了深入分析，在此基础上，提出了CRM在零售业的实施方案：运用数据挖掘技术、电子商务和移动商务技术，度身量做零售业的CRM系统；根据CRM系统的要求，对客户进行准确分类，调整企业的营销活动，实现管理与IT技术的有效融合。要控制CRM项目的风险，提高CRM的成功率，必须事先建立可量度、可预期的企业商业目标。文章最后对零售业客户关系管理效果指标进行分析，构建了基于客户关系管理模式下的营销、财务、客户三方面的度量指标，主要目的是为零售业建立CRM系统提供可靠的参考指标体系。 3.学位论文李娜基于数据挖掘的零售客户细分模型的应用研究 2008 随着信息网络的迅猛发展，零售市场以客户为中心的、服务为目的的战略显得至关重要，掌握客户的需求趋势，加强与客户的关系，有效发掘、管理客户资源是企业的致胜关键。因此，客户关系管理成为了零售领域的研究焦点。客户细分是客户关系管理中的首要任务，只有得到好的细分模型才能有效地对客户进行识别，进而客户保持、客户吸引才能针对性地实施。许多营销者都相信，行为是构建细分市场的最佳起点，本文选择了基于客户行为的细分方法。对于细分变量的选取，能够兼顾客户价值和客户关系的质量最好，然而现实中却很难做到。基于行为的细分中，经典的RFM分析、客户价值矩阵分析虽然都是相对有效的细分方法，但是都忽略了一个关键因素，那就是客户忠诚，忠诚客户群带来的盈利对企业也是很重要的。因此，本文在价值矩阵分析方法的基础上，选取了平均购买额和购买频率两个变量之后，增加了一个用以表征客户存在时间的变量，即客龄，可以在一定程度上体现客户的稳定性。本文利用数据挖掘技术，以平均购买金额、购买频率和客龄作为细分变量，构建零售业的客户细分模型。客户聚类，K-均值算法是一种常用算法，但是聚类数目要预先指定，初始聚类质心是随机选取的，聚类效果未必令人满意。自组织神经网络SOM算法，能够自适应的将样本数据划分成不同的类，不需要预先设定聚类数目，但是不能提供分类后精确的聚类信息。于是，本文提出一种将两算法结合的方式，把整个聚类分析分为了两阶段进行：第一阶段使用SOM神经网络得到聚类数目与聚类质心；第二阶段用第一阶段的输出作为k-均值算法的输入。将客户分为不同类别后，对每一类客户的特征进行提取，有助于提高营销活动的针对性和有效性，有助于客户关系管理的良好实施，本文应用数据挖掘中的决策树来提取客户特征。最后，进行购买参照分析，分析每一类客户的特征与购买商品之间的关联。客户特征提取和购买参照即是对所建客户细分模型的应用。 4.学位论文贾蜀苇我国商业银行零售业务拓展问题研究 2007 一、论文的主要内容及观点 2006年12月11日，五年的WTO过渡期结束，我国金融业全面开放和商业银行全面竞争机制的序幕就此拉开。我国商业银行经营环境发生了根本的变化

，资本约束对银行发展的钳制作用具有现实性、紧迫性和长期性，利率市场化条件下传统经营方式正走向尽头，外资银行进入后国内商业银行低水平的竞争环境彻底改变。在“狼来了”的惊呼声中各家商业银行目前更多地是把零售业务作为银行业务转型，实现业务结构调整，形成适应新的资本金约束发展模式的一个主要内容。经过近几年的发展，商业银行零售业务宾至如归的硬件环境、微笑服务和顾客至上的经营理念等方面有较大的改观，但仍存在如下非常突出问题：一是零售业务对商业银行的利润贡献率非常的低；二是就整个商业银行零售业务而言，零售业务的发展仍处于盲目的市场扩张而忽视了价值创造，银行间缺乏实质性合作，重复建设相当严重，高成本投入下零售业务的服务质量仍不尽人意。正因为如此，通过分析判断商业银行零售业务的基本现状，探索在开放市场环境下商业银行零售业务的发展阶段、发展思路和有效路径，对提高商业银行的盈利水平、服务质量和市场竞争力具有现实作用。这是本文研究的目的和意义。本文具体分为四章论述商业银行零售业务问题。本文的论述和全文的逻辑结构就像中医的辨症施治一样，第一章可以视之为中医对病人整个身体状况和精神面貌的全面了解和把握：第二章和第三章是中医通过“望、闻、问、切”的准确辨症的过程，是本文论述的核心；第四章是高明医生的施治，它是治病的关键。第一章主要阐述商业银行零售业务的概念、内容、特征和发展趋势。本文对商业银行零售业务的定义是狭义的商业银行零售业务，即商业银行对居民个人和家庭、个体生产经营者提供的各种金融服务。本章全面概括了当前我国商业银行零售业务的内容，阐述了商业银行零售业务的特点，分析了商业银行零售业务的发展趋势。它使我们明白了什么是商业银行零售业务、零售业务包括哪些内容、特点如何、发展趋势怎样等一系列问题，这是本文研究的起点，也是相关理论分析的基础，为进一步展开论述奠定基础。第二章是对我国商业银行零售业务发展现状的基本判断。本章包括三方面的内容，第一节分析新环境、新因素催生零售业务的兴起，零售业务已成为商业银行的发展重点；第二节分析商业银行零售业务逐步兴起，但发展处于初级阶段；第三节分析困扰和制约商业银行零售业务发展一系列因素。本章是“辩症施治”中的“辩症”，但落脚点是“找问题”。随着我国经济的持续、快速和健康发展，人民收入水平普遍提高，可支配金融资产和金融需求日益多样化：城市化进程的加快，房地产经济迅速发展；我国高校扩招的提速，我国社会正在形成一股不容忽视的现代消费者，他们已经成为中国社会中产阶级的主要来源，诸多因素推动了我国商业银行零售业务的兴起。但零售业务的发展处于初级阶段，商业银行零售产品高度雷同，缺少银行间的合作；柜台业务仍是服务的主渠道，信息化、网络化发展滞后，服务质量不尽人意；零售服务在银行中的利润贡献率非常低。分析其原因，可以归结为制约商业银行零售业务有如下几个模块的原因：个人信用制度建设缺失，客户细分、差别服务缺位，市场定位趋同导致重复建设严重，金融创新不足导致零售产品的单一和功能单一。第三章国内外商业银行零售业务的比较分析，也是“辩症施治”中的“辩症”，但落脚点在于置身一个参照系中的“找差距”并把握“施治”的重点和方向。美国是当今市场经济国家中开放度最高的国家，第一节就具体以美国为例介绍了美国商业银行零售业务的概览，包括美国银行、摩根大通银行、花旗集团、第一资本金融公司四大商业银行在零售业务的动态，指出通过并购做大做强零售业务，零售业务收入超过商业银行总净收入的过半并成为美国商业银行提高盈利水平的“稳压器”，随后介绍了美国商业银行的一些零售金融产品，与国内商业银行的零售产品相比，这些产品创新可以说是某种程度上的“匪夷所思”。第二节从整体上加以比较。比较的结果不是“望洋兴叹”，而是回归到对我国商业银行拓展零售业务问题的思考，因此第三节分析了发展我国商业银行零售业务的思路，指出当前我国商业银行零售业务的发展取得了一定的成绩，但发展还处于初级阶段，与国外对比存在巨大的差距——产品孤立、渠道单一、服务层次浅，所以零售业务并非是与外资银行竞争的主要手段和攻守方式。因此，社会上所盛传和忧虑的与外资银行在零售业务的“白热化”竞争远远还未到来，在以传统经营方式为起点和在商业银行转变经营模式和增长方式的“十字路口”，商业银行在拓展零售业务方面所能做的不是“口号式”盲目的市场扩张和全方位的同国外竞争，而在于从我国金融环境的实际出发，做好发展零售业务的基础性工作，并从金融需求、金融供给和金融监管的三维视角，指出了客户细分和合作竞争两大策略。第四章分析拓展我国商业银行零售业务的策略。第一节从金融需求的角度论述如何做好零售业务的基础性工作并提高零售业务的盈利水平和服务质量问题。客户细分是这一问题的策略，它决定了“为什么人服务、为人提供什么样的服务、怎样为人提供服务”等一系列的问题，是国内商业银行发展零售业务的根基，是提高服务质量和市场竞争力的关键，也是商业银行零售业务产品创新的出发点。随后根据已有研究成果对客户细分理论进行了文献综述，最后详细分析了国内商业银行客户细分的方法选择。第二节是从金融供给的角度探索零售业务的做好基础性工作问题，提出了合作竞争的发展路径。合作竞争理论是20世纪80年代开始产生并发展起来的一种新型企业管理理论。它是从合作的角度对竞争进行多层面、多角度的研究，去探求一种通过企业间有意识的相互合作去求得单纯竞争所得不到的经营效果的行为，即基于“双赢”(win-Win)基础上的经营方式。比较优势理论和准市场组织理论是合作竞争策略的理论基础。在合作方式的选择上，详细分析了基于业务性质的合作方式选择、基于合作主体的合作方式的选择、基于业务内容的合作方式选择三大选择模块，内容全面、翔实。二、论文的主要贡献随着经济金融市场化取向改革的不断深化以及对外开放的全面推进，特别是外资银行的涌入，国内银行业的经营环境已经发生了重大变化，许多学者、专家对商业银行的转型进行了大量的研究，商业银行零售业务问题也炙手可热。本人也对这个问题产生了浓厚的兴趣并加以思考和探讨，本文的创新或贡献之处在于： (一)研究的思路和角度方面：在国内有关商业银行零售业务的研究中，许多学者都对发展零售业务的策略提出了各种各样的观点，所有的对策都 “公说公有理，婆说婆有理”，这带给人这样一个困惑：似乎所有解决商业银行零售业务问题的方法是个“永无止境”的“无底洞”?!那么零售业务到底该如何发展呢?本文在研究思路和框架结构方面做出了一定的创新。从商业银行市场经营环境的构成要件来说，商业银行零售业务是在金融监管下商业银行的金融供给与客户的金融需求的互动过程，因而拓展我国商业银行零售业务就涉及到三方面的问题：零售业务的需求、零售业务的供给和金融监管。对商业银行而言，金融监管是商业银行开展业务的既定外生变量，是商业银行不能左右的，因此探讨商业银行零售业务就限定在了金融需求和金融供给的二维视角，这就为我们探讨拓展商业银行零售业务问题的思路提供了一个完整和全面的框架，拓展银行零售业务，必须同时关注金融需求和金融供给，不能有失偏颇。 (二)主要观点方面： 1．在“狼来了”的开放市场环境中，“与狼共舞”的外在压力和我国现实社会环境的变化，国内商业银行纷纷把零售业务作为银行业务转型、实现业务结构调整、形成适应新的资本金约束发展模式的一个主要内容；也就是说各家商业银行都在摸索发展零售业务的道路，但发展还处于初级阶段，与国外对比存在巨大的差距——产品孤立、渠道单一、服务层次浅，所以零售业务并非是与外资银行竞争的主要手段和攻守方式。因此，社会上所盛传和忧虑的与外资银行在零售业务的、白热化”竞争远远还未到来，在以传统经营方式为起点和在商业银行转变经营模式和增长方式的“十字路口”，商业银行在拓展零售业务方面所能做的不是“口号式"盲目的市场扩张和全方位的同国外竞争，而在于从我国金融环境的现实实际出发，做好发展零售业务的基础性工作。 2．在金融需求领域，由于客户细分决定了“为什么人服务、为人提供什么样的服务、怎样为人提供服务”等一系列的问题，是提高服务质量和市场竞争力的关键，也是商业银行零售业务产品创新的出发点，因此最基础的工作在于客户细分：在金融供给领域，宾至如归的硬件环境、微笑服务方式和顾客至上的经营理念是对商业银行的基本要求，缘于八九十年代封闭市场环境下的商业银行格局，银行间甚至同一银行的不同营业网点间是相互对抗式的竞争，其直接后果是重复建设严重、产品结构高度同质化，造成“僧多粥少”的盈利水平低下和服务渠道的单一，因此在开放的市场环境中加快商业银行间的合作竞争，对与国际接轨、实现商业银行由传统经营方式向现代经营模式的转变、再造现代化的商业银行零售业务的服务体系、提高服务质量和盈利水平将起到基础性的关键作用。尽管自己认真准备并竭尽全力写好论文，但由于所收集到的国内外商业银行零售业务数据和资料不够全面，对商业银行零售业务还有待深入研究。 5.学位论文曾赵波基于射频识别的零售业客户关系分析系统 2009 随着我国零售业的快速发展，零售行业竞争日趋激烈，消费者的消费行为模式和购物心理也随之发生了巨大的变化，企业也逐步认识到客户的重要性。更好的满足顾客的需求，与顾客建立密切的联系，增强顾客满意度、忠诚度，识别出高价值的顾客，已经成为企业开展业务的一个紧迫课题。本文基于香港政府创新科技署粤港关键领域重点基金项目－支援零售及物流应用射频识别技术的软件平台RFID智能系统项目，探讨了基于射频识别技术的客户关系分析系统开发的相关问题。
　　本研究对我国零售业的发展现状做了概要性的描述，同时阐述在我国零售业中实施客户关系管理的现实意义，接下来结合数据挖掘技术，详细说明客户关系管理在零售业中的具体应用，包括客户的特征分析、商品交叉销售、零售业客户的价值研究、零售业客户细分分析等方面。其次对系统进行了详细的描述，系统是采用了J2EE体系架构，并且基于RFID（无线射频识别）的客户关系分析系统，结合项目对分析系统的各个功能模块和数据库设计、系统的平台说明做了详细描述。最后介绍基于消费行为的客户细分模型，本文以顾客贡献值和忠诚度为指标，按照其的历史消费行为，对顾客的贡献值和忠诚度分别聚类，从而识别出处于不同客户群中的客户。实践证明，本系统对企业了解其高价值客户，进而把握各类客户，进行有针对性的市场开发和营销策划，提高企业核心竞争有着一定应用价值。

6.学位论文曲斌数据挖掘技术在零售业CRM中的应用研究 2004 随着中国加入WTO,市场经济逐步发展和完善,零售企业之间的竞争也日趋激烈,人们都已经逐渐认识到客户对于企业的重要性,没有优良的客户资源 ,企业就无法发展.因此,如何更多地了解客户的信息,并将这种信息转变成"知识",从而更好地为客户提供高质量的个性化服务,提高客户满意度,保持和发展高价值的客户,已经成为各企业开展业务的一个紧迫的课题.数据挖掘技术是一种新的信息处理技术,其主要特点是对数据库中的大量业务数据进行抽取、转换、分析,从中提取辅助商业决策的信息.数据挖掘能够从海量的商业类客户关系管理信息数据中发现一些未知的、有价值的规律,帮助企业向管理智能化发展.该文重点研究数据挖掘技术在零售业客户关系管理系统中的应用,对基于数据挖掘的零售业客户关系管理系统进行了设计,建立了零售业客户价值、客户满意度和客户细分的数据挖掘模型,并运用数据挖掘工具SAS Enterprise Miner对模型进行了验证和评价.该文的研究可以为零售企业开展业务带来新的思路,为国内零售企业提升客户关系管理水平,提升客户满意度、获取竞争优势提供一定的帮助. 7.学位论文叶孝明数据挖掘在客户关系管理中的应用研究 2006 客户关系管理是近几年来的一个研究热点，已引起学术界和企业界的广泛关注。企业通过建立与客户沟通的便利渠道，实施客户关怀，为客户创造更高的价值，来提高客户的满意度和忠诚度，从而实现更高的利润和企业的长远发展。数据挖掘技术是实施客户关系管理的关键技术之一。企业在收集大量的客户基本资料和详细的交易数据的基础上，利用数据挖掘能够发现客户特征、客户购买模式等有价值的客户知识，可以有效地指导客户关系管理实践。论文分析了国内外相关研究与应用现状，研究了分析型CRM在零售业的应用框架，运用数据挖掘中的聚类、分类、关联规则等技术，对零售业客户细分、交叉销售及客户流失分析模型的构建进行了研究、实践和分析。通过论文的研究，可以认清客户关系管理理论的精髓，找到数据挖掘与客户关系管理结合点，揭示数据挖掘在客户关系管理的一些具体领域可能发现的有趣模式，为零售业客户关系管理实践提供有益的参考，同时为数据挖掘在客户关系管理中的应用研究提供一些新思路。 8.学位论文赵晓倩基于数据挖掘的中小企业客户细分研究 2009 客户细分理论产生于第二次世界大战后，经过若干年的发展，客户细分的理论和方法不断完善，而且被广泛地应用于营销实践。基于数据挖掘的客户细分，以庞大的客户数据为基础，通过识别不同客户群体的特征，从而达到科学的客户认知、风险管理、个性化营销和服务的要求。与传统的客户细分方法相比，基于数据挖掘的客户细分能够考虑客户更多的行为属性，提高细分精确度。目前已在银行、电信、零售业等诸多领域得到了广泛应用。本文在深入研究中小企业特征的基础上，将数据挖掘技术引入到中小企业客户细分中。目的是探讨在中小企业不能提供完备数据的情况下，进行客户细分的可行性和有效性。在理论上，本文首先研究客户细分的相关理论和方法，并介绍了数据挖掘技术工具，为中小企业客户细分的研究作理论铺垫；其次研究我国中小企业的概况，对中小企业客户细分的必要性和可行性进行分析，并对客户细分在中小企业中的整体功能做了详细设计。在实践中，聚类分析是数据挖掘中的一个重要研究领域，本文针对经典的K-means算法作了细致、全面的分析，设计出一个基于该算法的客户细分模型。将该模型应用到某个具体中小型企业的客户细分中，得到了比较理想的细分结果，并以此为基础针对不同客户群提出营销建议，进而建立了一个稳定的决策支持系统模型，为该公司业务的推广提供决策支持。本文的研究为提升中小企业的市场竞争能力提供了新的思路，为数据挖掘技术在中小企业客户细分的实用化做出了有益的尝试。 9.学位论文赵慧数据仓库和数据挖掘在CRM中的应用研究 2004 随着信息技术的发展和网络化经济的快速进步,传统的商业模式发生了根本性的变化.在很多行业,特别是零售业,由于产品和服务的商品化以及同质化,企业之间的竞争更加激烈;而且客户期望也在快速变化,对产品和服务的质量、个性化和价值要求更高.在这种环境下,客户的忠诚度是取得成功的重要因素,建立和维持客户关系成为企业取得竞争优势的最重要的基础.以数据仓库技术和数据挖掘技术为基础的客户关系管理CRM系统的出现,成为解决这一问题的有效途径.该文首先阐述了客户关系管理的概念及其发展历史,并描述了零售业实施CRM的困难和可能性系以及零售业CRM的体系结构.并进一步说明数据仓库技术和数据挖掘技术在CRM中的地位.然后,分析了数据仓库技术在CRM系统中的重要性.根据CRM系统中,客户信息数据仓库关键性的作用,讨论了数据仓库的构建模型和面向OALP的数据模型构建过程,以及从操作型环境抽取数据并导入数据仓库方法.最后,分析了CRM中客户细分的作用、方式.并讨论了利用数据挖掘的聚类算法进行客户细分的过程.并对几种细分方法做出比较,给出了总结和展望. 10.期刊论文韩明华基于BP神经网络与PCA的零售业客户细分模型研究 -工业技术经济2008,27(10) 本文结合零售业及其客户消费行为的特点,提出了一套基于客户消费行为分析的零售业客户细分指标体系,采用主成分分析(PCA)和BP神经网络 (BPNN)相结合的方法,构建了一种基于消费者行为分析的零售业客户细分模型,最后利用Matlab软件通过零售业客户消费行为的实际数据对该模型进行了测试和验证,结果表明该模型具有良好的适用性和准确性. 引证文献(1条) 1.熊云波聚类分析在客户细分中的应用[期刊论文]-科技资讯 2008(34) 本文链接：http://d.g.wanfangdata.com.cn/Periodical_xdglkx200606026.aspx 授权使用：李桂芬(wfszkjtsg)，授权号：f93336d1-2c29-41fd-a9cf-9df5010f6d4e 下载时间：2010年9月18日

分享到：

赞收藏

资料库

数据挖掘零售业客户细分研究-聚类分析和决策树分类.pdf

相关推荐

信息化

热门标签

最新资料