[发明专利]一种客户价值分析的方法、设备、存储介质

说明书

本发明公开了一种客户价值分析的方法、设备、存储介质，包括以下步骤：抽取数据源数据形成数据集；所述数据集包括由选择性抽取得到的历史数据集和由新增数据抽取得到的增量数据集；对所述数据集进行数据探索与预处理，使其满足模型建立所需要的数据格式；根据预处理完成的数据集建立LRFMCT模型；所述LRFMCT模型包括六个指标，其中L为客户关系长度，R为最近消费时间间隔，F为消费频率，M为消费金额，C为平均折扣系数，T为平均停留时间；基于所述LRFMCT模型进行客户分群，对各个客户群进行特征分析，得到不同的客户价值。本发明对传统RFM模型的不足做出改善，对各个客户群进行特征分析，识别出不同价值的客户，提供定制化服务，实现精准化运营。

技术领域

本发明涉及数据处理领域，尤其涉及一种客户价值分析的方法、设备、存储介质。

背景技术

面对激烈的市场竞争，大多数的企业都会推出一系列优惠的营销方案以吸引更多客户，企业营销焦点从产品转变为客户，客户关系管理成为企业的核心问题。客户关系管理的核心问题是客户分类，通过客户分类对客户群体进行细分，区别出低价值客户、高价值客户，对不同的客户群体开展个性化服务，企业能够将有限的资源合理地分配给不同价值的客户，实现精准化运营，以期获取最大的转化率，达到利润最大化的目标。准确的客户分类结果是企业优化营销资源分配的重要依据，客户分类越来越成为客户关系管理中亟待解决的关键问题之一。

在客户分类中，RFM模型是一个经典的分类模型，模型利用通用交易环节中最核心的三个指标——最近消费时间间隔(Recency)、消费频率(Frequency)、消费金额(Monetary)细分客户群体，从而分析不同群体的客户价值，但仅仅局限于上述三个指标，难以发现新客户中潜在的高价值客户。且该模型用于分类的指标选取较为宽泛，分类不够准确。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种客户价值分析的方法，对传统RFM模型的不足做出改善，对各个客户群进行特征分析，识别出不同价值的客户，提供定制化服务，实现精准化运营。

本发明的目的之二在于提供一种电子设备，执行上述一种客户价值分析的方法；

本发明的目的之三在于提供一种存储介质，执行上述一种客户价值分析的方法。

本发明的目的之一采用如下技术方案实现：

一种客户价值分析的方法，包括以下步骤：

抽取数据源数据形成数据集；所述数据集包括由选择性抽取得到的历史数据集和由新增数据抽取得到的增量数据集；

对所述数据集进行数据探索与预处理，使其满足模型建立所需要的数据格式；

根据预处理完成的数据集建立LRFMCT模型；所述LRFMCT模型包括六个指标，其中L为客户关系长度，R为最近消费时间间隔，F为消费频率，M为消费金额，C为平均折扣系数，T为平均停留时间；

基于LRFMCT模型进行客户分群，对各个客户群进行特征分析，得到不同的客户价值。

进一步地，所述基于LRFMCT模型进行客户分群为包括以下步骤：

读取所述LRFMCT模型中的六个指标数据，通过K-Means算法进行聚类，将客户分为k个客户群，k为设定的类别数且为大于1的自然数。

进一步地，将客户分群后，采用预处理后的增量数据集对客户群优化，进行特征分析，得到客户价值排名。

进一步地，所述客户价值排名由高到低依次为重要客户、一般客户与低价值客户。