基于用户流失预警模型的服饰电商用户忠诚度维护策略研究

摘要

随着电商平台流量红利的逐渐消失，用户和销售规模增速下降，防止用户流失并完善用户忠诚度维护策略成为电商企业最为重要的课题。服饰品类是电商平台最大的品类之一，浙江A服饰电商在淘宝电商平台排名前十，是一家存在用户流失问题的典型企业。因此，本文选取了A服饰电商作为研究对象。
　　论文介绍了用户流失和预警模型相关的理论，阐述了A服饰电商的经营情况、用户特征以及用户流失现状分析。本文具体从A服饰电商现状出发，结合淘宝官方店的历史用户交易数据进行用户流失预警模型的构建。在模型构建中，本文运用了逻辑回归算法和C5.0算法，将经典的RFM模型进行拓展，引入新的变量，构建了RFMDT用户流失预警模型，并通过模型预测出电商用户的流失概率。
　　本文从用户价值和用户流失概率两个维度构建了用户价值-流失概率矩阵，并基于矩阵和A服饰电商在用户流失管理方面的实际情况及不足，制定用户忠诚度维护策略。同时，希望对电商行业的其他企业且不局限于服饰品类企业的用户流失管理方面能发挥实际参考价值。

目录

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