论文总字数：22986字

摘 要

随着互联网的普及，人们逐渐习惯于通过电商平台进行消费，同时也在网站上产生庞大的交易信息。如何高效处理客户在网络上的发布的信息，并根据这些信息进行客户价值细分，从而形成有针对性的客户管理方案，对于企业长久发展而言至关重要。以往对于客户价值的分析，主要基于消费者的购买行为，对客户进行分类并制定相应的营销策略。近年来随着网络口碑逐渐得到重视，越来越多的文献从客户在线评论的角度出发，分析客户对于企业的价值。

因此本文基于传统的RFM模型，梳理和总结客户价值相关的研究工作，综合考虑客户在线评论行为以及影响力等因素，在此基础上建立基于客户在线评论的RFMI客户价值评价体系，并采用变异系数法确定模型各指标的权重；随后以大众点评网用户作为研究对象，爬取研究所需要的数据，对数据进行基本的分析处理，然后代入RFMI模型实现客户价值综合评价；为了更详细的区分客户特征，使用K-means聚类分析实现客户群细分，并从企业的角度对每类客户提出针对性的管理建议。

由于研究时间及精力的限制，本文指标选取比较简单，数据样本较小，并且没有进行同行业的对比分析。未来的研究可以扩大数据范围，综合考虑客户购买行为和评价行为，结合时间变量的影响，得出更有实际意义的营销改进方案。

关键词：在线评论，客户价值，RFM模型

Abstract

With the popularity of the Internet, people gradually get used to consumption through the electronic business platform, and also generate huge trading information on the website. How to efficiently handle the information issued by the customer on the network and subdivide the customer value according to this information, thus forming a targeted customer management scheme, is very important for the long-term development of the enterprise. In the past, the analysis of customer value was mainly based on consumers' purchase behavior, classifying customers and formulating corresponding marketing strategies. In recent years, as the internet word-of-mouth is becoming more and more important, more and more literatures have analyzed the value of customers to enterprises from the perspective of customer online reviews.

Based on the traditional RFM model, this paper combs and summarizes the research work related to customer value, and takes into account the factors such as customer online comment behavior and influence. On this basis, the RFMI customer value evaluation system based on customer online reviews is established, and the weight of each index of the model is determined by the method of variation coefficient. Then we take the public to review the user as the research object, crawl the data required by the Research Institute, analyze the data basic, and then replace the RFMI model to realize the comprehensive evaluation of customer value. In order to distinguish customer features in more detail, we use K-means clustering analysis to implement customer group segmentation and propose specific management suggestions for each type of customer from the perspective of the enterprise.

Due to the limitation of research time and energy, the index selection is relatively simple, the data sample is small, and no comparative analysis is conducted in the same industry. Future research can expand the range of data, take into account the customer purchase behavior and evaluation behavior, and consider the influence of time variables to get more practical marketing improvements.

KEY WORDS: Online Reviews, Customer Value, RFM Model

目录

摘要 I

Abstract II

第一章 绪论 1

1.1 研究背景及意义 1

1.1.1 研究背景 1

1.1.2 研究意义 1

1.2 文献综述 2

1.3 研究内容与研究方法 3

1.3.1 研究内容 3

1.3.2 研究工具与方法 4

第二章 相关概念及理论基础 5

2.1 网络口碑与在线评论 5

2.1.1 网络口碑 5

2.1.2 在线评论 5

2.2 客户价值 6

2.3 RFM模型 6

第三章 模型及数据 8

3.1 RFMI模型 8

3.1.1 模型建立 8

3.1.2 权重确定 9

3.2 数据抓取与分析 9

3.2.1 样本选择 9

3.2.2 数据统计 10

3.2.3 客户价值计算 10

第四章 客户细分及管理建议 11

4.1 K-means聚类分析 11

4.2 管理建议 12

第五章 总结 14

5.1 研究贡献 14

5.2 研究不足 14

5.3 未来研究方向 14

致谢 16

参考文献 17

绪论

研究背景及意义

研究背景

随着互联网的普及，人们的购物方式也在发生着变化。由于网络购物的高效性与便利性，越来越多的用户习惯通过网站手机等在线交易方式进行消费。于2018年一月份发布的中国互联网络发展统计报告显示，截至2017年12月，中国的互联网普及率达到55.8%，总网民人数约为7.72亿。与此同时，我国的电子商务行业也呈现迅速发展态势，2017年度电商平台总收入2188亿元，相对2016年度增长了43.4%。^[1]这些数据表明，随着中国的互联网逐渐普及，电子商务市场将会在较长时间内保持稳健持续发展的趋势。

与此同时，电子商务的高速发展使得同行业之间竞争日益加剧，许多企业在创业初期采用疯狂的价格战吸引用户，然而这却直接导致企业资金链的断裂的潜在风险，以至于在价格恢复后大量客户流失，企业很快面临倒闭的危险，这样的客户吸引以及维持手段显然是不合理的。在同质化竞争如此激烈的今天，客户搜索商品信息的成本越来越小，转向其他商家的成本也越来越低，客户流失风险很大。企业若想保持长久的生命力，就必须利用所拥有的信息，形成系统高效的客户价值管理体系，与客户维系良好的关系的同时，充分挖掘客户能为企业带来的价值，实现双赢的局面。

剩余内容已隐藏，请支付后下载全文，论文总字数：22986字