基于客户行为分析与企业销售预测的客户管理决策模型与算法研究

论文摘要

随着科学理念和技术的进步以及企业市场稳健发展的需要,客户资产作为企业的一项重要的无形资产,其重要性已经受到了广泛的关注,成为衡量企业市值的关键要素之一。因此,对客户分析越来越受到企业的重视。可以说,客户分析是现代企业客户管理工作的基础,不仅有利于调整企业的战略,增强企业的竞争力,同时缓解了在高度扰动的市场环境下企业的经营风险。但目前大多数学者对客户分析的关注点都集中于客户细分与客户价值分析,而缺少在客户行为方面的研究,或者仅仅是利用历史数据进行传统的回归分析,其结果比较粗略,无法给企业决策提供有效的依据。即使部分学者立足于客户行为分析角度对客户进行分析,其立足分析的客户行为状态大多数也比较单一,缺乏灵活性。而随着世界经济的发展,客户的偏好已经逐渐趋向多元化,同时每位客户的特性和购买行为的差异也越来越明显,传统的将同群客户视为同质性的概念已经无法使用了。基于这样的市场环境下,传统的单一性客户行为状态分析方式必然无法满足多元化客户行为状态分析的需求。所以有必要对传统的客户分析方式进行改进,为现代企业在众多具有非同质性客户中找出对企业真正有价值的顾客提供更有效的决策帮助。同时目前几乎所有的客户行为分析研究都没有与企业销售预测进行实质上的关联性辨证分析,而客户行为状态的正确把握与企业营销业绩的关系不是孤立的,应该是密不可分的。所以本文的研究重点除了对传统的客户行为分析进行改良,还要结合企业销售预测一起进行分析。通过对二者的辨证分析,剖析出客户行为状态与企业预期业绩的动态变化关系,并通过明确其相互关系对客户行为状态进行调整,使得基于客户行为方面的决策更加准确,从而可以挖掘出企业的最佳客户决策策略,以满足企业利益最大化。本文首先分别对客户行为分析与企业销售预测做了综述,分析和比较市面上用于二者的主要数学模型与算法,并在此基础上确定出相对比较适合的模型与算法;其次,分别对所选用的模型与算法进行改进:客户行为分析模型采用Dirichlet-Multinomial模型来估计转移概率,并运用马尔科夫链蒙特卡洛模拟方法（MCMC）中的吉布斯（Gibbs）抽样算法来优化该模型的参数,而企业销售预测模型通过采用加权思想对马尔可夫链状预测模型的各阶状态转移概率矩阵进行加权求和,同时利用遗传算法理论对建立的预测模型的状态转移概率矩阵的权重进行重新优化分配;然后再结合实际的业务需求与相关的建模软件,对所提出的新模型与算法进行检验;最后,重点分析和研究了客户行为状态与企业预期业绩的动态变化关系,并在其二者之间进行相互佐证,进一步明确其相互关系。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 背景意义
• 1.2 研究现状
• 1.2.1CRM 概念
• 1.2.2 国内外发展现状
• 1.3 研究内容与取得的成果
• 1.3.1 研究目标
• 1.3.2 研究内容与取得的成果
• 1.3.3 创新点
• 1.4 论文结构
• 第二章 客户行为分析与企业销售预测技术分析
• 2.1 客户行为分析的研究综述
• 2.1.1 客户行为分析的内容
• 2.1.2 客户行为分析的目的
• 2.1.3 客户行为分析模型
• 2.2 企业销售预测研究综述
• 2.2.1 企业销售预测的涵义
• 2.2.2 企业销售预测的流程
• 2.2.3 企业销售预测方法与模型
• 2.3 二者结合研究的出发点
• 2.4 相关的理论算法与软件简介
• 2.4.1 相关的理论算法
• 2.4.2 相关的软件
• 2.5 本章小结
• 第三章 客户行为分析与企业销售预测模型研究与设计
• 3.1 客户行为分析模型设计
• 3.1.1 客户行为分析模型设计的思路
• 3.1.2 RFM 中的 F 与 M 的分配设计
• 3.1.3 Dirichlet-Multinomial 模型及其应用
• 3.1.4 基于马尔科夫链蒙特卡洛模拟（MCMC）的参数估计与 Gibbs 抽样
• 3.2 企业销售预测模型设计
• 3.2.1 企业销售预测模型设计的思路
• 3.2.2 马尔可夫分析方法
• 3.2.3 马尔可夫状态的模糊性
• 3.2.4 模糊状态的转移概率矩阵的加权
• 3.2.5 加权预测模型中权重的优化
• 3.3 二者结合研究的思路设计
• 3.4 本章小结
• 第四章 客户行为分析与企业销售预测模型实现与验证
• 4.1 数据来源说明
• 4.2 客户行为分析模型的实证
• 4.2.1 数据预处理
• 4.2.2 F 与 M 变量的选取
• 4.2.3 建立 RFM 模型给分标准
• 4.2.4 建立转移矩阵
• 4.2.5 预测效果评价
• 4.3 企业销售预测模型的实证
• 4.3.1 数据预处理
• 4.3.2 建立模糊状态并计算各模糊状态的隶属度
• 4.3.3 计算状态转移概率矩阵
• 4.3.4 最终状态转移概率矩阵的确定
• 4.3.5 预测效果评价
• 4.4 二者内在互动关系的分析实证
• 4.4.1 传统的单一式分析
• 4.4.2 双向的互为辨证分析
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 本文总结
• 5.2 未来工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间已发表或录用的论文