导读:本文包含了客户行为细分论文开题报告文献综述及选题提纲参考文献，主要关键词:互联网金融,聚类分析,RFM模型,决策树
客户行为细分论文文献综述
罗芳[1]（2018）在《基于客户细分的互联网金融类贷后用户违约行为研究》一文中研究指出随着我国经济的高速发展,传统的银行和借贷公司不能满足大众的借款需求,且借款审核门槛日益提高,我国的互联网金融企业在最近几年蓬勃发展,填补了这一空白,解决了中小企业的融资难,以及达不到银行信用评级的普通大众的资金需求。但是这几年伴随着互联网金融公司规模不断扩大和客户数量急剧增多,缺少完善的用户管理体系,贷前,贷中,贷后客户的任一风险行为,都会影响整个公司的正常运转,使得资金流动性降低,公司经营的成本增加。如何有效的对借款用户细分,防止客户逾期还款,降低公司坏账率,保障公司正常经营与发展变得越来越重要。借贷这一金融行为借助互联网的发展,既具有金融的特征,又具有互联网的受众面广且数据积累多的特征,我们可以针对这两方面的特点,针对不同的受众用户,定制一套自己的营销模式或思路,建立起公司的用户管理体系。对于基数庞大的互联网金融公司,可以运用聚类的思想,将客户细分,筛选出优质客户,普通客户,贡献度高客户,忠诚客户,以及劣质客户等不同的标准,有效的控制互联网金融公司的风险,并运用到公司的用户管理中。这也是实现精细化营销和风险管理的一个重要环节。以往的研究中都只重视贷前客户的风险管理和信用评估,针对违约行为用户的研究较少,本文主要针对贷后用户,以客户关系管理(CRM)为依据,运用K-means的聚类分析对用户进行细分,用户主要包括贷后非违约客户,和违约客户。针对贷后客户的信用状况,个人状况,居民地区,收入水平,往期借贷,消费行为等不同维度,来划分客户群,将客户细分为8个客户群,针对性的提供产品,服务和营销模式。主要用RFM模型来进行分组,K-means进行聚类,确定用户个人价值,对客户细分,为企业运营者提供决策建议。针对细分的客群运用决策树模型进行违约预测,为贷前风险管理,用户信用评级提供数据支撑,从而降低公司客户逾期率,把控风险提供数据支持。(本文来源于《华南理工大学》期刊2018-10-17）
施荣晗,郑良琳[2]（2018）在《商业银行金融产品的客户行为细分——基于莆田光大银行ETC客户数据》一文中研究指出本文基于莆田光大银行ETC客户数据,采用RFM模型、K-means聚类法对莆田光大银行ETC客户进行细分,并通过决策树分析方法来挖掘出客户行为特征,在此基础上提出更有效地判断有价值客户并提供相应服务的建议。(本文来源于《重庆城市管理职业学院学报》期刊2018年01期）
邹轩[3]（2017）在《基于缴费行为的电力客户细分及服务提升研究》一文中研究指出供电企业为电力客户提供电力供应服务,并按照“先使用后付费”的方式向客户收取用电费用。保障电力供应和电费回收是供电企业的基本业务和职责。由于电力行业的特殊性,所有居民和单位在日常生活和营业办公方面都离不开电力供应。因此,供电企业在电力能源供应领域具有一定的垄断性。供电服务是一项重要的民生工程,社会赋予了供电企业更多的社会责任和义务。兼有行业垄断和社会责任的公用事业单位,在保障社会基础性电力供应的同时也应该为自身的客户提供优质的贴心服务。缴纳电费是供电企业提供的一项持续性重要服务。因此尽力为客户营造方便快捷、安全可靠的缴费通道是供电企业无可推卸的重要义务。电力客户对缴费的便捷性、安全性和服务品质的满意程度成为社会大众衡量和评价供电企业的一个基本标准。供电企业是以盈利为目的的企业,在提供优质服务的同时必须实现电费快速回收,有效控制企业的运营成本。现今最大的运营难题是因为客户的缴费习惯不同,选取的缴费渠道各异,而导致拖欠费现象较为严重,电费回收困难。因此在为居民和单位提供高质量、精细化服务的同时保障供电企业快速回收电费,有效控制运营成本,是供电企业亟待解决的一个问题。本文以电力客户缴费行为的两个主要维度(缴费时间和缴费渠道)为分类变量,将居民电力客户细分为七大类客户群体。通过对七大类客户缴费数据进行统计分析,找出电力缴费的规律,比较七大类客户的差异之处,发现了客户群体分别具有缴费理念不强、粘合度高、习惯性强和空闲时间依赖性高等特征,为供电企业提出了构建以银行代扣渠道为主自助渠道为辅的缴费体系和建立实时客户提醒系统,及时发送有效信息等改进策略和建议。并从控制运营成本和快速回收电费的角度分析,提出引导缴费渠道、进行缴费激励和建立电费回收名录告警数据库等方案,为供电企业优化自身服务和提高运营能力带来一定的帮助。(本文来源于《宁波大学》期刊2017-02-24）
徐超,唐立华,黄启震[4]（2016）在《计及负荷响应的电网客户行为细分指标体系》一文中研究指出现有的行为细分指标体系一般采用变异系数衡量负荷波动的情况,但该系数仅体现了负荷波动与时间的关系,并没有反应出负荷波动与天气、电价等因数的关系。本文提出一种计及负荷响应的电网客户行为指标体系,可以将影响负荷变动的因素都纳入考虑中,全方位地体现电网客户的行为特征。(本文来源于《电子技术与软件工程》期刊2016年04期）
王品娥[5]（2016）在《基于移动通信客户行为细分的政策适配维系策略研究》一文中研究指出目前通信市场仍然竞争激烈,在经济提升缓慢的环境下,电信运营商的增量市场发展逐渐放缓。本文提出了客户行为细分,抓住流量经营、业务赠送、套餐自由组合维系板结化的思路,有针对性的开展政策适配维系工作,实现由传统的赠礼品向赠业务、自由包套餐共享进行转型,增加用户在网粘性,从而解决成本压降、用户离网成本低问题,达到维系的目的。(本文来源于《中国新通信》期刊2016年02期）
郭崇慧,赵作为[6]（2015）在《基于客户行为的4S店客户细分及其变化挖掘》一文中研究指出本文针对汽车售后维修服务业的特点,基于CRISP-DM模型提出了一种适合于4S店的客户细分方法与客户群变化挖掘方法。首先,根据汽车售后维修交易记录的特点,建立了基于客户行为的客户细分指标体系,接着运用自组织映射神经网络对客户进行聚类,通过对聚类结果进行分析与识别得到客户细分结果。其次,在客户细分结果的基础上,分别从客户群和客户个体两个角度对客户随时间变化情况进行了分析,提出了客户群在群数量及群属性上随时间变化的分析方法和客户个体的分群演变分析方法。最后,将本文方法在实际数据上进行了数值实验,实验结果表明了本文方法的可行性和有效性。(本文来源于《管理工程学报》期刊2015年04期）
赵涵[7]（2015）在《基于移动互联网用户行为的客户细分研究》一文中研究指出移动互联网的飞速发展与4G时代的全面来临,催生了丰富的移动终端数据业务。用户开始越来越频繁地使用移动终端上网,留下了大量的个性化数据。这些数据描述了用户使用移动数据业务的业务类型、使用时间、使用频率等信息,全面而客观地展现了用户的服务偏好与行为规律。随着大数据技术的发展,企业开始重视用户的行为数据在业务与服务战略确定上的作用。通过对用户行为数据的分析,能够较为准确地对用户群体进行细分,从而便于企业针对不同类型的用户,开展针对性的服务与营销。本次研究提出了一种创新的用户分类模型,该模型将用户在移动端的行为数据划分为周期性的时间序列,并从时间与频率两个维度综合构建用户的概率密度函数模型,计算用户之间的相似度矩阵,利用多种分类方法对用户进行分类,最终得到不同类型用户使用移动终端业务的规律偏好。在对用户进行细分时,不但选取了层次聚类、k-medoid聚类、谱聚类等较为经典的聚类算法,还构建了基于图论的社团划分模型,将各个聚类模型分别作用于用户数据上得到聚类结果。在此基础上,又通过构建融合聚类模型,将上述各模型进行整合,提升聚类效果。最后,针对用户行为数据的分析结果,为企业的产品设计及策略研究提供了建设性的意见,对于企业移动数据业务的开展具有着十分重要的借鉴意义。(本文来源于《北京邮电大学》期刊2015-02-04）
王光辉,张晓光,赵艳芹[8]（2014）在《基于遗传算法和BP神经网络的多维客户行为细分模型的研究》一文中研究指出根据BP神经网络强处理非线性问题和遗传算法具有全局寻优的特点,总结出用遗传算法优化BP神经网络的初始权值和阈值,建立了基于遗传算法和BP神经网络的多维客户行为细分模型,对客户进行细分,挖掘出潜力客户,有效降低营销成本。最后,利用Matlab对多组数据进行测试,并与纯BP算法进行分析比较,结果表明该方法是有效可行的。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2014年04期）
刘潇潇,郭馨泽,刘金,黎曦,田建伟[9]（2013）在《基于电力客户行为的客户细分与价值评价研究》一文中研究指出随着我国电力市场的不断发展,我国电力市场需求多元化的特性逐步凸显。如何优化营销策略,满足不同客户的用电需求,提高核心竞争力,已成为电力企业的一项迫切任务。本文以数据挖掘为切入点,将电力客户细分与价值评价有机结合,构建了基于客户行为-价值细分模型。并以某某市部分电力客户为研究对象,进行实证分析。结果表明模型效果较好,能够很好的将电力客户细分为具有不同特征的客户群、对不同客户群价值进行量化评估,并能为制定相应的营销策略提供依据。本文的研究对于电力企业熟悉电力市场,制定有针对性的营销策略有重要的参考价值。(本文来源于《电子世界》期刊2013年24期）
岳小婷[10]（2011）在《基于客户消费行为的电信客户细分》一文中研究指出在电信移动增值业务的营销中,客户细分是精确营销的基础,科学的客户细分能避免推荐的盲目性。本文结合电信行业特点,将RFM模型和层次分析法结合起来衡量客户价值,并采用聚类方法对客户细分,挖掘出潜力客户,有效地降低了营销成本。(本文来源于《电子商务》期刊2011年12期）
客户行为细分论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文基于莆田光大银行ETC客户数据,采用RFM模型、K-means聚类法对莆田光大银行ETC客户进行细分,并通过决策树分析方法来挖掘出客户行为特征,在此基础上提出更有效地判断有价值客户并提供相应服务的建议。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
客户行为细分论文参考文献
[1].罗芳.基于客户细分的互联网金融类贷后用户违约行为研究[D].华南理工大学.2018
[2].施荣晗,郑良琳.商业银行金融产品的客户行为细分——基于莆田光大银行ETC客户数据[J].重庆城市管理职业学院学报.2018
[3].邹轩.基于缴费行为的电力客户细分及服务提升研究[D].宁波大学.2017
[4].徐超,唐立华,黄启震.计及负荷响应的电网客户行为细分指标体系[J].电子技术与软件工程.2016
[5].王品娥.基于移动通信客户行为细分的政策适配维系策略研究[J].中国新通信.2016
[6].郭崇慧,赵作为.基于客户行为的4S店客户细分及其变化挖掘[J].管理工程学报.2015
[7].赵涵.基于移动互联网用户行为的客户细分研究[D].北京邮电大学.2015
[8].王光辉,张晓光,赵艳芹.基于遗传算法和BP神经网络的多维客户行为细分模型的研究[J].齐齐哈尔大学学报(自然科学版).2014
[9].刘潇潇,郭馨泽,刘金,黎曦,田建伟.基于电力客户行为的客户细分与价值评价研究[J].电子世界.2013
[10].岳小婷.基于客户消费行为的电信客户细分[J].电子商务.2011