基于RFME模型和AdaBoost分类器的电子商务客户关系研究.docx

?

?

基于RFME模型和AdaBoost分类器的电子商务客户关系研究

?

?

陈俊龙吴丽丽

摘要：为进一步探究和分析电子商务客户关系，本文提出e价值的指标体系和计算方法，同时基于使用k-means方法对客户进行分类，实现对客户关系的深层发掘。基于改进的RFM模型实现了对客户的辨别与分类功能，对不同客户的e价值能进行有效预测，同时可以为企业在电商相关领域营销策略的差异化实施提供依据。对客户关系进行深层细分。同时基于AdaBoost分类器，提出以C5.0决策树作为基分类器的客户保持与流失预测模型，降低错误预测成本，精准识别高价值客户。

关键词：RFM;AdaBoost;电子商务;客户价值

：TP391.41：ADOI：10.3969/j.issn.1003-6970.2021.03.001

本文著录格式：陈俊龙，吴丽丽.基于RFME模型和AdaBoost分类器的电子商务客户关系研究[J].软件，2021，42（03）：001-007

ResearchonE-commerceCustomerRelationshipBasedonRFMEModelandAdaBoostClassifier

CHENJunlong，WULili

（CollegeofInformationScienceandTechnology，GansuAgriculturalUniversity，Lanzhou?Gansu?730070）

【Abstract】：Inordertofurtherexploreandanalyzetherelationshipbetweene-commercecustomers，thisarticleproposesanindexsystemandcalculationmethodfore-value，andatthesametimeclassifiescustomersbasedontheuseofk-meansmethodtorealizein-depthexplorationofcustomerrelationships.BasedontheimprovedRFMmodel，thefunctionofidentifyingandcategorizingcustomersisrealized，andthee-valueofdifferentcustomerscanbeeffectivelypredicted.Atthesametime，itcanprovideabasisforthedifferentiatedimplementationofmarketingstrategiesforcompaniesinthee-commerce-relatedfields.In-depthsegmentationofcustomerrelationships.Atthesametime，basedontheAdaBoostclassifier，acustomerretentionandchurnpredictionmodelbasedontheC5.0decisiontreeisproposedtoreducethecostoferrorpredictionandaccuratelyidentifyhigh-valuecustomers.

【Keywords】：RFM;AdaBoost;E-commerce;customerrelationshipmanagement

0引言

在网络技术日新月异的当下，电子商务平台已经深入各行各业中，生活中处处可见电商领域的产品或服务。在社会发展和进步的同时，电子商务区别于以往传统的消费模式，作为全新的形式冲击全国受众的普遍认知，并使其购买行为产生了或多或少的变化。据资料显示，截止2015年，我国互联网用户已逾6亿，到2019年6月，我国网民规模升至8.54亿，手机网民规模达8.47亿，网络普及率超过61.2%。至2020年3月，我国互联网普及率已达到64.5%，网络购物用户规模达7.10亿，近2015年的两倍[1]。

2019年，我国互联网交易规模达10.63万亿元，与繁荣发展的互联网业态相对应，在全新商务模式下，对消费者管理和客户价值认知评估模式也需要推动发展与转型。与传统行业的销售模式相比，在电子商务环境下，消费者的选择空间极度扩大，信息流动迅速，客户留存率大大降低。有研