崔彦君

摘  要： 针对传统电子商务客户流失估计模型对RFM数值分析不准确，估计误差大的问题，提出基于改进神经网络的电子商务客户流失估计模型。利用改进神经网络分析历史数据，完成数据挖掘，分析客户活跃度以及再交易的可能性，考察客户潜在价值，建立贡献分析评价流程，采用RFM模型确定权重，建立基于改进神经网络的电子商务客户流失估计模型。实验结果表明，与传统方法相比，所提方法对RFM数值分析更加精准，使电子商务客户流失估计误差明显缩小，由此证明所提出的基于改进神经网络的电子商务客户流失估计模型更加有效。

关键词： 改进神经网络; 电子商务; 模型构建; 客户流失; 数据挖掘; 价值分析

中图分类号： TN915?34; TP393                    文献标识码： A                     文章编号： 1004?373X（2020）13?0103?03

E?commerce customer churn estimation based on neural network

CUI Yanjun

（School of Data and Computer Science， Guangdong Peizheng College， Guangzhou 510830， China）

Abstract： In view of inaccurate RFM （recency， frequency， monetary） numerical analysis and big estimation error of the traditional e?commerce customer churn estimation model， a research on e?commerce customer churn estimation model based on the improved neural network is proposed. The improved neural network is used to analyze the historical data， complete the data mining， analyze the customer activity and the retransaction possibility， so as to investigate the customer potential value and establish the contribution analysis evaluation process. The RFM model is used to determine the weight for the establishment of e?commerce customer churn estimation model based on the improved neural network. The experimental results show that， in comparison with the traditional method， the proposed model is more accurate in the RFM numerical analysis and the estimation error of e?commerce customer loss is significantly reduced. Therefore， the proposed customer churn estimation model based on the improved neural network is more effective.

Keywords： improved neural network; e?commerce; model construction; customer churn; data mining; value analysis

0  引  言

电子商务客户流失是客户由于某些原因，不再选择该公司所提供的服务，是一种较为常见的现象。对于电子商务网站的运营来说，分析客户流失的原因以及客户流失速度是十分必要的[1]。与吸引新客户相比，挽留老客户所需要花费的成本更低，且所能得到的利润更高，客户的忠诚度是电子商务发展的重要支撑。客户的满意程度与客户流失量之间有着无法忽视的重要联系，客户的忠诚度越高，越能有效降低电子商务的服务成本，对电子商务企业的市场占有率，以及企业的收入有直接的影響[2]。降低客户流失量，提高客户满意度，是电子商务企业维持经营并从中赚取利益，提高企业竞争力的重要关键。……