电商平台客户流失预警分析及应用研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-27页 |
| 1.1 研究背景和意义 | 第12-16页 |
| 1.1.1 电商平台市场与电商物流介绍 | 第12-14页 |
| 1.1.2 客户流失问题的提出 | 第14-16页 |
| 1.1.3 研究意义 | 第16页 |
| 1.2 国内外研究现状 | 第16-22页 |
| 1.2.1 客户流失影响因素研究综述 | 第17-18页 |
| 1.2.2 客户流失预测方法研究综述 | 第18-20页 |
| 1.2.3 客户流失在电商平台的研究综述 | 第20-21页 |
| 1.2.4 文献述评 | 第21-22页 |
| 1.3 本文的研究内容和技术路线 | 第22-27页 |
| 1.3.1 研究内容 | 第22-24页 |
| 1.3.2 本文的技术路线 | 第24-27页 |
| 第2章 电商平台客户流失特征指标分析与构建 | 第27-38页 |
| 2.1 数据挖掘实施流程 | 第27-28页 |
| 2.2 客户流失的相关理论概述 | 第28-33页 |
| 2.2.1 客户生命周期理论 | 第28-30页 |
| 2.2.2 电商平台客户流失的概念界定 | 第30-33页 |
| 2.3 电商平台客户特征分析与构建 | 第33-35页 |
| 2.3.1 电商及其客户行为特点介绍 | 第33-35页 |
| 2.3.2 电商平台客户特征维度构建 | 第35页 |
| 2.4 电商平台客户特征数据来源及描述 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 客户流失预警模型选择与构建 | 第38-49页 |
| 3.1 客户流失预测的主要模型介绍 | 第38-40页 |
| 3.1.1 决策树分类算法 | 第38-39页 |
| 3.1.2 xgboost算法介绍 | 第39-40页 |
| 3.1.3 适用于网购客户流失预测算法特点 | 第40页 |
| 3.2 特征预处理及特征选择 | 第40-45页 |
| 3.2.1 特征数据预处理 | 第41-43页 |
| 3.2.2 随机森林特征选择 | 第43-45页 |
| 3.3 数据类别不平衡及其处理方法 | 第45-46页 |
| 3.3.1 数据类别不平衡定义 | 第45页 |
| 3.3.2 类别不平衡处理方法 | 第45-46页 |
| 3.4 客户流失预警模型参数适配与效果评价 | 第46-48页 |
| 3.4.1 模型参数适配 | 第46-47页 |
| 3.4.2 模型效果评价 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 电商平台母婴客户流失预警案例分析 | 第49-65页 |
| 4.1 案例背景介绍 | 第49-50页 |
| 4.2 电商平台客户流失定义分析 | 第50-55页 |
| 4.2.1 会员分类 | 第50-51页 |
| 4.2.2 流失期限定义 | 第51-55页 |
| 4.3 特征数据来源及描述 | 第55-58页 |
| 4.3.1 特征数据来源 | 第55-57页 |
| 4.3.2 特征维度选取 | 第57-58页 |
| 4.4 特征预处理及随机森林特征重要性选择 | 第58-62页 |
| 4.4.1 特征预处理 | 第58-61页 |
| 4.4.2 随机森林特征重要性选择 | 第61-62页 |
| 4.5 模型训练与效果评估 | 第62-64页 |
| 4.5.1 模型训练 | 第63页 |
| 4.5.2 模型效果评估 | 第63-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第5章 模型的结果分析与应用 | 第65-72页 |
| 5.1 H电商平台客户流失预警模型结果分析 | 第65-70页 |
| 5.1.1 客户流失的影响因素分析 | 第65-68页 |
| 5.1.2 物流服务质量与客户流失的关系 | 第68-70页 |
| 5.2 对流失客户的挽留策略分析 | 第70-71页 |
| 5.2.1 建立健全客户画像 | 第70-71页 |
| 5.2.2 提升物流服务质量 | 第71页 |
| 5.2.3 把握市场动态及竞争对手 | 第71页 |
| 5.3 本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 全文工作总结 | 第72-73页 |
| 6.2 下一步工作 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
