基于电信PAS客户的LTV模型研究

论文摘要

客户是公司最重要的资产，是市场竞争的焦点，客户保持对公司的利润有着惊人的影响，客户保持率一个小的提高就能导致利润可观的改善。客户保持率增加5％，行业平均利润增加幅度在25％-85％之间。客户保持已成为公司成功最至关重要的目标。客户细分是客户保持的基础。传统客户细分的依据是客户企业的统计学特征或购买行为特征，虽然传统的客户细分有助于预测客户未来的购买行为，但无法据此精确地制定客户的资源投入和保持策略。客户细分的目的是为了针对每类用户制定特定、有效的客户保持策略。本文认为，客户对公司的价值（简称客户价值）是客户细分的首要依据，因为客户保持是需要付出代价的，公司必须首先根据客户价值分配公司有限的资源，然后才能在一定资源预算的范围内根据客户的不同特点，设计和实施不同的客户保持策略。根据客户在生命周期的不同阶段与企业的关系发展情况，是十分有必要和有意义的。本文的目的就是在客户细分的基础上，讨论根据细分得到的各客户类型的LTV模型特征，从而为制定公司的资源配置和客户保持策略提供决策依据。本文在介绍了国内外客户细分以及CLV模型研究最新动态以后，根据聚类和决策树对电信PAS用户进行细分。针对细分的每类用户，建立一条动态的LTV曲线，再根据得到的LTV模型的基础上，分析企业和客户在生命周期各阶段的关系发展情况，并提出相应的客户保持策略。最后，本文在现有LTV模型的基础上，指出LTV模型的局限之处，探讨有待改进的地方，并展望了LTV模型的应用前景。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 论文选题背景
• 1.2 论文研究的主要内容
• 1.3 论文章节安排
• 第2章 电信客户细分概述
• 2.1 客户细分对于电信运营商的重要性
• 2.2 传统的客户细分方法
• 2.2.1 传统的客户细分方法介绍
• 2.2.2 传统客户细分方法的缺陷
• 2.3 基于CLV预测的客户细分方法
• 2.3.1 基于 CLV预测的客户细分方法介绍
• 2.3.2 基于 CLV的客户细分方法的优点
• 第3章 客户生命周期价值 CLV研究
• 3.1 客户生命周期价值理论
• 3.1.1 客户生命周期
• 3.1.2 客户关系生命周期的四阶段模型
• 3.1.3 客户关系生命周期各阶段的特征
• 3.2 现有 CLV预测方法的研究现状及不足
• 3.2.1 Dwyer法
• 3.2.2 客户事件法
• 3.3 CLV拟合预测法
• 3.3.1 预测原理
• 3.3.2 预测模型
• 第4章 数据准备
• 4.1 电信 PAS客户生命周期基本现状
• 4.2 数据处理
• 4.2.1 数据准备
• 4.2.2 数据整理
• 4.3 对客户进行聚类
• 4.3.1 谱系聚类方法介绍
• 4.3.2 用 SAS进行聚类
• 4.4 决策树在 PAS客户 LTV研究中的应用
• 4.4.1 决策树算法（方法）介绍
• 4.4.2 用决策树算法对 PAS客户分类
• 第5章 PAS用户 LTV模型研究
• 5.1 用 SAS进行曲线拟合
• 5.2 对 LTV曲线拟合结果的分析
• 5.2.1 LTV曲线与客户生命周期模式
• 5.2.2 PAS用户CLV曲线的分析
• 5.3 对 LTV拟合模型的验证
• 第6章 结束语
• 6.1 研究工作总结
• 6.2 下一步目标
• 致谢
• 参考文献
• 附录