大数据背景下客户价值分析的算法实现开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

在经管营销领域，有一条帕雷托原则，即一个企业80%的利润是由顶部20%的顾客创造的，因此也把它称为二八定律，其中，80%的利润中的一半被底部的30%非盈利客户丧失掉了。

对于企业来说，保持每个客户带来的利益，判定哪些客户是有利可图的对保持企业活力是十分重要的。

在当下大数据时代，越来越多的企业，单位重视客户价值的发掘与判定。

2. 研究的基本内容和问题

1. 研究目标是基于frm模型，对客户进行分类，并对客户的购买行为做出预测。

2. 研究的内容： (1) 利用python(r)进行数据预处理，完成2万多条数据的清洗，整理； (2)使用不同聚类模型对客户类型做出分类，并比较模型的优劣，选择最合适的继续研究； (3)研究马尔科夫链，利用状态转移，对单一指标(r,f,m之一)的下一状态做出预测； (4)将rfm模型和马尔科夫链结合，综合考虑3个指标，做出最佳预测。

3. 拟解决的关键问题是如何同时综合考虑r,f,m这3个指标，建立何种模型，给出最佳预测值。

3. 研究的方法与方案

1.利用数据处理工具，如Python(Excel或R)对一张有26662条记录的销售记录进行数据的清洗和整理，转换成标准的RFM概念的表格；如果数据量进一步增大，达到企业级标准或更高时，可考虑加入分布式处理技术（Hadoop）,数据仓库(Hive)等技术； 2.完成对客户群的细分； 3.查找资料，提出可行性假设，描述顾客的购买行为，建立购买行为随机模型，对下一次购买行为做出预测。

4.考虑当指标增加到3个，即（R,F,M）时，所要采取的新模型，并给出最佳预测值。

4. 研究创新点

1.对客户群的细分，会比较不同的聚类算法，选择最优模型； 2.将数学统计模型同经管营销模型进行结合，对数据以后的阶段进行预测; 3.将理论知识同实际数据相结合，避免空洞的理论论证。

5. 研究计划与进展

1月份-2月份，开题，对数据进行初步清洗，处理，并进行客户群细分； 3月份，选择一定模型模拟客户随机购买行为，完成对单指标的预测； 4月份，结合马尔科夫链和RFM模型，完成对多指标的综合预测； 5月份，结题，完成最后报告。