基于RFM分析模式与马尔可夫链的客户行为预测模型研究

摘要

对客户的分析预测立足于RFM分析模式,并以F,M两个行为变量定义出单期客户购买行为的9种状态,接着采用k-means算法对客户进行聚类分析,归纳出5种针对前面9种不同客户状态所要采取的方案。然后借助马尔可夫链理论,建立转移矩阵。同时利用Dirichlet-Multinomial模型来估计转移概率,从而解决客户信息的单一性不足和转移矩阵内的多项式分配问题。对于Dirichlet-Multinomial模型的参数本文是运用马尔科夫链蒙特卡洛模拟方法（MCMC）中的吉布斯（Gibbs）抽样算法来估计的。最后通过软件WinBUGS1.4建模分析进行实证研究,并进一步针对模拟次数和统计变量进行参数优化,来得到最终的转移矩阵。结果证明其适用性与准确性都优于传统预测方法,提高了客户购买行为预测的准确性。