一种改进的RFM模型在网店客户细分中的应用

目的:提升电商网店客户细分的准确度。方法:建立基于RFM模型改进的RVMF模型。该模型在引入权重的同时将平均交易间隔、平均消费金额和平均商品浏览量作为重要属性,并应用层次分析法优化对老客户的划分,以及基于平均商品浏览量优化对潜在客户的划分。最后,通过聚类算法实现客户细分。结果:在亚马逊网站提供的数据集上进行实验和验证,结果显示相较于RFM模型,RVMF模型解决了消费者购买频度和购买值度之间的共线性问题,提升了客户细分时高价值客户和潜在客户划分的准确度。结论:RVMF模型能够提升电商网店客户细分的准确度。

基于RFM模型的高校图书馆用户细分实证--以空间服务为例

[目的/意义]通过客户价值RFM模型评价高校图书馆的空间服务,为高校图书馆提升不断精准化空间服务提供参考建议。[方法/过程]首先,结合高校图书馆的业务服务场景对RFM指标进行重定义;其次,从数据采集、字段定义、群体聚类划分等方面分阶段阐述高校图书馆用户空间使用行为特征;最后,依据不同分群特征讨论了相适宜的营销服务发展策略。[结果/结论]实证结果表明:高校图书馆空间服务的用户群体可划分为新用户群、留存用户群和成熟用户群三类,三个类群在用户的性别、身份类型、专业、累计图书外借次数等方面均存在显著性差异。空间服务可结合上述因素提供精准有效的个性化服务营销策略。