信息化-数据挖掘-挖掘持续性购买行为.ppt

1,探勘持續性購買行為以銷售資料為例,指導教授：許中川博士研究生：林勇助林旻宏,智慧型資料庫系統實驗室,2,報告大綱,研究動機研究目的研究架構持續性購買探勘演算法實驗與結果結論,3,研究動機,賣場收集大量而龐雜的會員交易記錄相關研究重點大多在於顧客特徵發掘及產品銷售之關聯性分析與探討持續性購買行為,4,研究目的,建構持續性購買顧客探勘演算法挖掘出各產品之持續性購買顧客清單，協助行銷策略制定評估持續性購買顧客探勘演算法之績效,5,RFM模型,常用於評估顧客對企業忠誠度或貢獻度RFM由三個維度組成Recency：最近購買時間Frequency：購買次數Monetary：購買金額本研究採用RFM為顧客持續購買力,6,研究架構,VIP,PRODUCT,POS,前置處理,權重敏感度分析,持續性購買顧客,個別績效分析,持續性購買顧客探勘方法,DynamicRFM,CustomerQuintiles,StoneRFM,BehaviorQuintiles,顧客具購買持續性假設檢驗,高購買頻率顧客預測能力檢驗,7,持續性購買探勘演算法,傳統RFM方法StoneRFMStone,1989CustomerQuintilesMiglautsch,2000BehaviorQuintilesMiglautsch,2000改良式動態RFM,8,StoneRFM,R本季：R=24距今六個月內：R=12距今九個月內：R=6今年：R=3F購買次數乘上4Mmax消費金額*10%,9如此是要避免購買頻率低卻大量消費金額的情形,9,顧客五等分法,R將顧客交易資料依最近購買時間由近至遠分成五等分，分別給予5至1分F將顧客交易資料依購買次數由多至少分成五等分，分別給予5至1分M將顧客交易資料依購買金額由多至少分成五等分，分別給予5至1分,10,行為五等分法,R前03個月間：得分5前46個月間：得分4前712個月間：得分3前1324個月間：得分225個月前：得分1F購買頻率只購買一次者得分為1計算其餘顧客之頻率平均，購買頻率少於平均者得分為一等分重覆此法直到分為5群，由高至低分別給定5至1分M：同顧客五等分法,11,改良式動態RFM,提供一個R、F、M三值計算之基準值，以適用各類產品依顧客與母體平均之差距給定分數以消弭個人主觀達到客觀性之要求提供一個更精準量度值、更具鑑別度之給分方式,12,產品銷售平均週期,其中Timeend與Timestart為計算之日期區間起迄Frequencyi為顧客i購買某產品之次數Frequency_threshold為顧客購買某產品之最小次數要求,e.g.:a顧客30天內買了3次10天/次b顧客30天內買了5次6天/次=8天,13,產品銷售平均頻率,其中Frequencyi為顧客i購買某產品之次數,e.g.:a顧客30天內買了3次b顧客30天內買了5次=4次,14,產品銷售平均金額,其中Amounti,t為顧客i於計算之日期區間內每次購買某產品之金額TRANSACTIONi為顧客i於計算日期區間內之交易集合,e.g.:a顧客30天內買了30元b顧客30天內買了50元=40元,15,改良式動態RFM(續),其中WR、WF與WM為權重值，C為一個常數值，n為該顧客最近購買時間落於最近幾個區間內，而Timelast,i是顧客i於計算區間中最後一次購買某產品之日期。,16,實驗資料來源,實驗資料來源某校之消費合作社會員消費記錄記錄時間自1999/10/1至2000/5/31扣除寒假(2000/1/232000/2/19)消費記錄會員數811人，產品數2275項資料約10,000筆訓練期：1999/10/12000/3/31(約5個月)測試期：2000/4/12000/5/31(2個月),17,績效評量指標,顧客具購買持續性假設檢驗高購買頻率顧客預測能力檢驗,其中，Ntraning：訓練期中RFM值較佳之排名前p名顧客|Ntraning|：訓練期中RFM值較佳之排名前p名顧客人數Ntest：測試期中購買次數大於等於q次之顧客|Ntest|：測試期中購買次數大於等於q次之顧客人數|NtrainingNtest|：Ntraning與Ntest重複之顧客人數,18,RFM參數個別績效分析,個別績效比較圖-純喫茶,19,RFM參數權重敏感度分析,WR敏感度分析圖-純喫茶,20,RFM參數權重敏感度分析(續),WF敏感度分析圖-純喫茶,WM敏感度分析圖-純喫茶,21,顧客具購買持續性假設檢驗,顧客具購買持續性績效圖-電話卡,22,高購買頻率顧客預測能力檢驗,高購買頻率顧客預測能力績效圖-純喫茶,23,鑑別度實驗,持續性購買顧客探勘演算法鑑別度比較,