基于RFM改进模型的互联网金融平台用户细分研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-13页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究目标 | 第11-12页 |
| 1.3 研究的主要内容和创新之处 | 第12-13页 |
| 2 理论基础和相关概念 | 第13-22页 |
| 2.1 客户关系管(CRM)概述 | 第13-14页 |
| 2.2 客户价值理论基础 | 第14-16页 |
| 2.3 RFM在客户细分中应用 | 第16-22页 |
| 2.3.1 客户细分的概念 | 第16-17页 |
| 2.3.2 基于RFM的客户细分 | 第17-22页 |
| 3 基于互联网金融平台用户RFM模型改进 | 第22-26页 |
| 3.1 互联网金融平台用户价值模型建立 | 第22页 |
| 3.2 互联网金融平台用户价值模型权重确定 | 第22-24页 |
| 3.2.1 异常值处理 | 第23页 |
| 3.2.2 标准化处理 | 第23-24页 |
| 3.3 互联网金融平台用户价值模型确定 | 第24-26页 |
| 4 基于RFFM模型的用户价值计算 | 第26-34页 |
| 4.1 数据描述 | 第26-31页 |
| 4.1.1 数据准备 | 第26-27页 |
| 4.1.2 样本描述统计 | 第27-31页 |
| 4.2 用户价值计算 | 第31-34页 |
| 4.2.1 用户权重确定 | 第31-32页 |
| 4.2.2 用户价值计算 | 第32-34页 |
| 5 基于聚类分析算法的用户细分 | 第34-63页 |
| 5.1 聚类分析算法理论描述 | 第34-41页 |
| 5.1.1 聚类分析的概念 | 第34页 |
| 5.1.2 聚类分析算法的划分 | 第34-35页 |
| 5.1.3 主要代表聚类算法 | 第35-37页 |
| 5.1.4 两步聚类算法 | 第37-41页 |
| 5.2 用户细分实证分析 | 第41-63页 |
| 5.2.1 聚类结果 | 第41-42页 |
| 5.2.2 聚类结果类别特征描述 | 第42-63页 |
| 6 结论与建议 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 附录A | 第67-72页 |
| 附录B | 第72-75页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第75-77页 |
| 学位论文数据集 | 第77页 |
