信息化 - 数据挖掘 - 挖掘持续性购买行为

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5RFM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VIPPRODUCTPOS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DynamicRFMCustomerQuintilesStoneRFMBehaviorQuintiles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StoneRFM[Stone,1989]CustomerQuintiles[Miglautsch,2000]BehaviorQuintiles[Miglautsch,2000]改良式動態RFM8StoneRFMR本季：R=24距今六個月內：R=12距今九個月內：R=6今年：R=3F購買次數乘上4Mmax{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0~3個月間：得分5前4~6個月間：得分4前7~12個月間：得分3前13~24個月間：得分225個月前：得分1F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whereVIPFrequencyTimeTimePeriodVIPiistartend,thresholdFrequencyFrequencyxCustomerVIPx_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Period13產品銷售平均頻率whereVIPFrequencyFVIPii,thresholdFrequencyFrequencyxCustomerVIPx_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F14產品銷售平均金額and,_thresholdFrequencyFrequencyxCustomerVIPxwhereVIPAmountMVIPiNTRANSACTIOttii,,endystartiTimeTimeTimeyrecordnTransactioNTRANSACTIO_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M15改良式動態RFM(續)whereMMWFFWnCWMWFWRWRFMDynamiciMiFRMFRi,_PeriodTimeTimenilastend,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(2000/1/23~2000/2/19)消費記錄會員數811人，產品數2275項資料約10,000筆訓練期：1999/10/1~2000/3/31(約5個月)測試期：2000/4/1~2000/5/31(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trainingtesttrainingNNNlitySustainabitesttesttrainingNNNlityPredictabi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|Ntraining∩Ntest|：Ntraning與Ntest重複之顧客人數18RFM參數個別績效分析p=50名，|Ntraining|=64人010203040506070809010051015202530測試期購買最低次數(q)Predictability(%)(1,1,1)(1,0,0)(0,1,0)(0,0,1)(1,1,0)個別績效比較圖-純喫茶19RFM參數權重敏感度分析p=50名，|Ntraining|=64人010203040506070809010051015202530測試期購買最低次數(q)Predictability(%)(1,1,1)(2,1,1)(3,1,1)(4,1,1)(5,1,1)(10,1,1)(20,1,1)(30,1,1)WR敏感度分析圖-純喫茶20RFM參數權重敏感度分析(續)203040506070809010051015202530測試期購買最低次數(q)Predictability(%)(Wr,Wf,Wm)=(1,1,1)(1,2,1)(1,3,1)(1,4,1)(1,5,1)(1,10,1)(1,20,1)(1,30,1)203040506070809010051015202530測試期購買最低次數(q)Predictability(%)(Wr,Wf,Wm)=(1,1,1)(1,1,2)(1,1,3)(1,1,4)(1,1,5)(1,1,10)(1,1,20)(1,1,30)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q=有購買顧客購買次數平均，|Ntest|=71人020406080100020406080100購買排名(p)Sustainability(%)DynamicRFM(1,1,1)CustomerQuintilesBehaviorQuintilesStoneRFM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p=50名，|Ntraining|=71人020406080100051015202530測試期購買最低次數(q)Predictability(%)DynamicRFM(1,1,1)CustomerQuintilesBehaviorQuintilesStoneRFM高購買頻率顧客預測能力績效圖-純喫茶23鑑別度實驗9114175131313101110383036020406080100120140160純喫茶電話卡光泉牛乳產品群數DynamicRFMCustomerQuintilesBehaviorQuintilesStoneRFM持續性購買顧客探勘演算法鑑別度比較24結論提出持續性購買顧客探勘架構整理出四種持續性購買演算法，並進行分析及比較DRFM在績效上及鑑別度上優於其它方法，適用於各類產品之持續性購買顧客探勘。輔助行銷決策與顧客關係管理報告完畢敬請指教