声明
摘要
1 绪论
1.1 研究背景
1.2 研究意义
1.3 文献综述
1.3.1 国外研究概述
1.3.2 国内研究概述
1.4 研究方法
1.5 研究思路
1.6 创新点
2 用户流失相关理论基础
2.1 用户生命周期理论
2.1.1 用户生命周期理论基本思想
2.1.2 用户生命周期理论与用户流失关系
2.2 RFM理论
2.2.1 RFM理论基本思想
2.2.2 RFM理论的改进
2.2.3 RFM理论与用户流失关系
2.3 用户增长理论
2.3.1 用户增长理论基本思想
2.3.2 用户增长理论与用户流失关系
2.4 用户终身价值(CLV)理论
2.4.2 基于流失概率的用户终身价值(CLV)的计算模型
3 用户流失预警模型相关数据挖掘算法
3.1 数据挖掘及工具介绍
3.1.1 数据挖掘含义
3.1.2 数据挖掘工具简介
3.1.3 数据挖掘一般流程
3.2 逻辑回归算法
3.2.1 逻辑回归算法理论基础
3.2.2 逻辑回归算法的业务应用
3.3.2 C5.0算法的实现流程
4 浙江A服饰电商用户流失现状分析
4.1 浙江A服饰电商总体概况
4.2 浙江A服饰电商用户现状
4.2.1 浙江A服饰电商用户画像及分层
4.2.2 浙江A服饰电商用户生命周期
4.2.3 浙江A服饰电商用户复购
4.2.4 浙江A服饰电商用户管理
4.3 浙江A服饰电商用户流失现状分析
4.3.1 浙江A服饰电商用户流失定义
4.3.2 浙江A服饰电商导致用户流失的因素及对企业的影响
5 浙江A服饰电商用户流失预警模型的搭建及应用
5.1 准备业务数据
5.1.1 数据收集
5.1.2 数据清洗
5.1.3 数据集解析
5.2 建立业务模型
5.2.1 构建建模因子
5.2.3 训练数据模型
5.3 评估业务模型
5.3.1 评估数据模型
5.3.2 评估业务逻辑
5.4 业务模型应用
6 用户忠诚度维护策略及应用
6.1 用户价值-流失概率的用户分类矩阵
6.2 用户忠诚度维护策略及应用
6.2.1 用户忠诚度维护的具体策略
6.2.2 维护策略应用的相关支持
7.结论
7.1 结论
7.2 不足之处
参考文献
附录
致谢
浙江工业大学;