基于RFME模型和AdaBoost分类器的电子商务客户关系研究

陈俊龙 吴丽丽

摘 要：为进一步探究和分析电子商务客户关系，本文提出e价值的指标体系和计算方法，同时基于使用k-means方法对客户进行分类，实现对客户关系的深层发掘。基于改进的RFM模型实现了对客户的辨别与分类功能，对不同客户的e价值能进行有效预测，同时可以为企业在电商相关领域营销策略的差异化实施提供依据。对客户关系进行深层细分。同时基于AdaBoost分类器，提出以C5.0决策树作为基分类器的客户保持与流失预测模型，降低错误预测成本，精准识别高价值客户。

关键词：RFM;AdaBoost;电子商务;客户价值

中图分类号：TP391. 41 文献标识码：A DOI：10.3969/j.issn.1003-6970.2021.03.001

本文著录格式：陈俊龙，吴丽丽.基于RFME模型和AdaBoost分类器的电子商务客户关系研究[J].软件，2021，42（03）：001-007

Research on E-commerce Customer Relationship Based on RFME Model and AdaBoost Classifier

CHEN Junlong， WU Lili

（College of Information Science and Technology， Gansu Agricultural University， Lanzhou  Gansu  730070）

【Abstract】：In order to further explore and analyze the relationship between e-commerce customers， this article proposes an index system and calculation method for e-value， and at the same time classifies customers based on the use of k-means method to realize in-depth exploration of customer relationships. Based on the improved RFM model， the function of identifying and categorizing customers is realized， and the e-value of different customers can be effectively predicted. At the same time， it can provide a basis for the differentiated implementation of marketing strategies for companies in the e-commerce-related fields. In-depth segmentation of customer relationships. At the same time， based on the AdaBoost classifier， a customer retention and churn prediction model based on the C5.0 decision tree is proposed to reduce the cost of error prediction and accurately identify high-value customers.

【Key words】：RFM;AdaBoost;E-commerce;customer relationship management

0 引言

在网络技术日新月异的当下，电子商务平台已经深入各行各业中，生活中处处可见电商领域的产品或服务。在社会发展和进步的同时，电子商务区别于以往传统的消费模式，作为全新的形式冲击全国受众的普遍认知，并使其购买行为产生了或多或少的变化。据资料显示，截止2015年，我国互联网用户已逾6亿，到2019年6月，我国网民规模升至8.54亿，手机网民规模达8.47亿，网络普及率超过61.2%。至2020年3月，我国互联网普及率已达到64.5%，网络购物用户规模达7.10亿，近2015年的两倍[1]。

2019年，我国互联网交易规模达10.63万亿元，与繁荣发展的互联网业态相对应，在全新商务模式下，对消费者管理和客户价值认知评估模式也需要推动发展与转型。与传统行业的销售模式相比，在电子商务环境下，消费者的选择空间极度扩大，信息流动迅速，客户留存率大大降低。……