基于消費(fèi)行為特征的在線用戶價(jià)值度量方法實(shí)踐研究

■ 趙　瑋　博士生　李玉萍　副教授（1、首都經(jīng)濟(jì)貿(mào)易大學(xué) 北京100070 2、北京聯(lián)合大學(xué) 北京 100101 、鄭州師范學(xué)院數(shù)學(xué)與統(tǒng)計(jì)學(xué)院 鄭州 450044）

基于消費(fèi)行為特征的在線用戶價(jià)值度量方法實(shí)踐研究

■ 趙瑋1，2博士生李玉萍3副教授（1、首都經(jīng)濟(jì)貿(mào)易大學(xué) 北京100070 2、北京聯(lián)合大學(xué) 北京 100101 3、鄭州師范學(xué)院數(shù)學(xué)與統(tǒng)計(jì)學(xué)院 鄭州 450044）

基于消費(fèi)行為的用戶特征分析在網(wǎng)絡(luò)營(yíng)銷(xiāo)領(lǐng)域得到廣泛關(guān)注。大數(shù)據(jù)環(huán)境背景下，將傳統(tǒng)領(lǐng)域的成熟方法提煉改進(jìn)后應(yīng)用于新場(chǎng)景，能夠更好地滿足網(wǎng)絡(luò)營(yíng)銷(xiāo)領(lǐng)域應(yīng)用的需求。本文基于數(shù)據(jù)分析對(duì)用戶特征進(jìn)行量化，采用分批迭代的方法并在此基礎(chǔ)上對(duì)該方法進(jìn)行拓展，通過(guò)各種指標(biāo)進(jìn)行獨(dú)立和組合研究，實(shí)現(xiàn)用戶價(jià)值度量，使其結(jié)果能夠有效地適用于多種網(wǎng)絡(luò)營(yíng)銷(xiāo)領(lǐng)域的應(yīng)用。

用戶特征 用戶價(jià)值 度量 在線消費(fèi)

用戶價(jià)值度量指標(biāo)概述

對(duì)用戶特征進(jìn)行分析，是為了深入了解用戶，可以從用戶的人口統(tǒng)計(jì)特征、消費(fèi)行為特征等多個(gè)角度完成。而基于消費(fèi)行為的用戶特征分析廣泛應(yīng)用于網(wǎng)絡(luò)營(yíng)銷(xiāo)領(lǐng)域，其主流分析思路和技術(shù)是基于數(shù)據(jù)分析的用戶特征分析。基于數(shù)據(jù)分析的方法可以對(duì)用戶特征進(jìn)行量化，量化結(jié)果可以準(zhǔn)確有效地指導(dǎo)營(yíng)銷(xiāo)領(lǐng)域的應(yīng)用，這個(gè)過(guò)程可以通過(guò)度量用戶價(jià)值來(lái)實(shí)現(xiàn)。首先需要選取和確定衡量用戶價(jià)值的指標(biāo)，常用的指標(biāo)包括：

第一，用戶最近消費(fèi)時(shí)間：用戶在某個(gè)周期內(nèi)最近一次消費(fèi)的時(shí)間。第二，用戶消費(fèi)頻率：用戶在某個(gè)周期內(nèi)所消費(fèi)的次數(shù)。第三，用戶消費(fèi)總金額：用戶在某個(gè)周期內(nèi)消費(fèi)的金額。第四，用戶消費(fèi)最高單價(jià)：用戶在某個(gè)周期內(nèi)消費(fèi)的商品最高價(jià)格。第五，特價(jià)商品消費(fèi)比重：用戶在某個(gè)周期內(nèi)消費(fèi)的特價(jià)商品的金額在其消費(fèi)總金額中的比重。第六，高單價(jià)商品消費(fèi)比重：用戶在某個(gè)周期內(nèi)高單價(jià)商品消費(fèi)數(shù)量占其消費(fèi)商品總數(shù)量的比重。

用戶價(jià)值度量方法分析

用戶價(jià)值可以通過(guò)上述指標(biāo)進(jìn)行單項(xiàng)分析，也可以組合在一起進(jìn)行綜合分析，盡可能多角度全面地度量用戶價(jià)值。本文結(jié)合應(yīng)用場(chǎng)景和數(shù)據(jù)基礎(chǔ)，選取前三個(gè)指標(biāo)進(jìn)行單項(xiàng)和組合研究。

（一）用戶價(jià)值度量基礎(chǔ)

以用戶的最近消費(fèi)時(shí)間（R）、消費(fèi)頻率（F）、消費(fèi)總金額（M）為例，若考察單項(xiàng)指標(biāo)，用戶的最近消費(fèi)時(shí)間最短、消費(fèi)頻率最高、消費(fèi)總金額最大代表用戶的價(jià)值越大；若考察指標(biāo)組合，需要通過(guò)確定各指標(biāo)權(quán)重計(jì)算綜合值，來(lái)度量用戶的價(jià)值。對(duì)于權(quán)重的確定，以往研究多采用層次分析法，但此方法受到專業(yè)主觀因素的影響。吉林大學(xué)段書(shū)勇從數(shù)據(jù)出發(fā)，提出通過(guò)數(shù)據(jù)分批迭代計(jì)算指標(biāo)權(quán)重的方法，客觀合理度量了用戶價(jià)值。該方法的核心思想是：

1.以消費(fèi)總金額為參考標(biāo)準(zhǔn)確定最有價(jià)值用戶。將某年度第六個(gè)月的消費(fèi)用戶按照消費(fèi)總金額劃分為3個(gè)等級(jí)，處于最高等級(jí)的用戶為最有價(jià)值用戶。

2.計(jì)算過(guò)去某段時(shí)間內(nèi)不同等級(jí)消費(fèi)用戶占最有價(jià)值用戶的比例。將某年度前五個(gè)月的消費(fèi)用戶按照消費(fèi)金額分為7個(gè)等級(jí)，對(duì)每個(gè)等級(jí)用戶再按消費(fèi)頻率分為7個(gè)等級(jí)，這樣前五個(gè)月消費(fèi)用戶被分為49個(gè)等級(jí)。計(jì)算最有價(jià)值用戶在49個(gè)等級(jí)中的比例。按照此方法確定最近消費(fèi)時(shí)間、消費(fèi)頻率和消費(fèi)總金額對(duì)最有價(jià)值用戶的影響程度。

3.依據(jù)最近消費(fèi)時(shí)間、消費(fèi)頻率和消費(fèi)總金額對(duì)最有價(jià)值用戶的影響程度。采用數(shù)據(jù)分批迭代方法計(jì)算指標(biāo)權(quán)重a、b、c，再根據(jù)公式計(jì)算用戶價(jià)值：RFM_SCORE=a×R_SCORE+b×F_ SCORE+c×M_SCORE。其中，RFM_ SCORE為用戶價(jià)值；R_SCORE、F_ SCORE、M_SCORE為用戶在最近消費(fèi)時(shí)間、消費(fèi)頻率和消費(fèi)總金額指標(biāo)上的等級(jí)；a、b、c為指標(biāo)權(quán)重。

本文關(guān)于用戶價(jià)值的度量需要結(jié)合實(shí)際場(chǎng)景和應(yīng)用，才能有效和準(zhǔn)確的對(duì)用戶價(jià)值度量，需要在借鑒該方法的基礎(chǔ)上進(jìn)行拓展，包括：第一，定義多個(gè)角度的最有價(jià)值用戶的標(biāo)準(zhǔn)，除消費(fèi)總金額外，也分別選擇消費(fèi)頻率、最近消費(fèi)時(shí)間以及三者組合作為標(biāo)準(zhǔn)，從不同的角度對(duì)用戶價(jià)值進(jìn)行度量。第二，面對(duì)不同類型的商品，用戶的消費(fèi)特征不同，由此產(chǎn)生的用戶價(jià)值可能不同。因此，需要針對(duì)不同類型、不同層次商品的消費(fèi)，對(duì)用戶價(jià)值進(jìn)行深入評(píng)價(jià)和度量。

（二）用戶價(jià)值度量路徑

1.定義最有價(jià)值用戶標(biāo)準(zhǔn)，確定最有價(jià)值用戶群。確定最有價(jià)值用戶群，要對(duì)指標(biāo)數(shù)據(jù)進(jìn)行離散化，有兩種方式：

第一，獨(dú)立式離散化。按照最近消費(fèi)時(shí)間（R_14） 對(duì)用戶進(jìn)行降序排列并按數(shù)量進(jìn)行等分，比如等分為3份。對(duì)于消費(fèi)頻率（F_14）和消費(fèi)總金額（M_14）兩個(gè)指標(biāo)也分別采用降序排列和等分的方法將用戶等分，這樣可以得到在最近消費(fèi)時(shí)間（R_14）、消費(fèi)頻率（F_14）和消費(fèi)總金額（M_14）指標(biāo)下的用戶等級(jí)。

第二，嵌套式離散化。先按照最近消費(fèi)時(shí)間（R_14）將用戶等分為3份；在此基礎(chǔ)上，對(duì)3份用戶中的每1份用戶按照消費(fèi)頻率（F_14）再劃分為3份，得到9份用戶集合；在此基礎(chǔ)上，對(duì)9份用戶中的每1份用戶再按消費(fèi)總金額（M_14）劃分為3份，最終得到27份用戶集合。

在本文中采用獨(dú)立式離散化方法，選取2014年1月某網(wǎng)站用戶群A的消費(fèi)數(shù)據(jù)，按照最近消費(fèi)時(shí)間（R_14）、消費(fèi)頻率（F_14）和消費(fèi)總金額（M_14）指標(biāo)對(duì)用戶群A數(shù)據(jù)分別進(jìn)行離散化（得分分別用R_14_SCORE、F_14_SCORE、M_14_SCORE表示），將用戶劃分為“高”、“中”、“低”三個(gè)級(jí)別，用“3”、 “2”、“1”標(biāo)注。

表3　用戶群記錄數(shù)數(shù)據(jù)說(shuō)明

數(shù)據(jù)離散化完成后，針對(duì)用戶群A，分別選擇最近消費(fèi)時(shí)間（R_14）、消費(fèi)頻率（F_14）和消費(fèi)總金額（M_14）作為參考標(biāo)準(zhǔn)，定義最有價(jià)值用戶群*_MVU_ A（依據(jù)參考標(biāo)準(zhǔn)不同，*代表R_14、F_14、M_14、RFM_14），如表1所示。

當(dāng)以R_14作為參考標(biāo)準(zhǔn)，最有價(jià)值用戶群R_14_MVU_A為R_14_SCORE取值為“3”對(duì)應(yīng)的用戶集合，即用戶群A中最近消費(fèi)時(shí)間等級(jí)為3的用戶集合。

當(dāng)以F_14作為參考標(biāo)準(zhǔn)，最有價(jià)值用戶群F_14_MVU_A為F_14_SCORE取值為“3”對(duì)應(yīng)的用戶集合，即用戶群A中消費(fèi)頻率等級(jí)為3的用戶集合。

當(dāng)以M _14作為參考標(biāo)準(zhǔn)，最有價(jià)值用戶群M _14_MVU_A為M _14_SCORE取值為“3”對(duì)應(yīng)的用戶集合，即用戶群A中消費(fèi)總金額等級(jí)為3的用戶集合。

當(dāng)以RFM_14作為參考標(biāo)準(zhǔn)，最有價(jià)值用戶群RFM_14_MVU_A為R_14_ SCORE、 F_14_SCORE、 M_14_SCORE至少兩項(xiàng)取值為“3”對(duì)應(yīng)的用戶集合，指的是：

｛R_1 4_S C O R E=3，F(xiàn)_1 4_ SCORE=1，M_14_SCORE=3｝｛R_14_ SCORE=3，F(xiàn)_14_SCORE=2，M_14_ SCORE=3｝、｛R_14_SCORE=3，F(xiàn)_14_ SCORE=3，M_14_SCORE=3｝、｛R_14_ SCORE=2，F(xiàn)_14_SCORE=3，M_14_ SCORE=3｝、｛R_14_SCORE=1，F(xiàn)_14_ SCORE=3，M_14_SCORE=3｝、｛R_14_ SCORE=3，F(xiàn)_14_SCORE=3，M_14_ SCORE=1｝、｛R_14_SCORE=3，F(xiàn)_14_ SCORE=3，M_14_SCORE=2｝對(duì)應(yīng)的用戶集合。即用戶群A中滿足消費(fèi)時(shí)間、消費(fèi)頻率、消費(fèi)總金額中有兩項(xiàng)等級(jí)為3的用戶集合；或用戶群A中消費(fèi)時(shí)間、消費(fèi)頻率、消費(fèi)總金額中等級(jí)均為3的用戶集合。

2.確定用戶在最有價(jià)值用戶群中的比例。選取2013年1月-12月某網(wǎng)站用戶群B的消費(fèi)數(shù)據(jù)，按照最近消費(fèi)時(shí)間（R_13）、消費(fèi)頻率（F_13）和消費(fèi)總金額（M_13）指標(biāo)分別對(duì)用戶群B進(jìn)行離散化（得分分別用R_13_SCORE、F_13_SCORE、M_13_SCORE表示），將用戶劃分為“高”、“中”、“低”三個(gè)級(jí)別，分別用“3”、“2”、“1”標(biāo)注。對(duì)用戶群B，分別按照最近消費(fèi)時(shí)間（R_13）、消費(fèi)頻率（F_13）、消費(fèi)金額（M_13）劃分的3個(gè)等級(jí)，計(jì)算處于不同等級(jí)的用戶群B中的用戶在最有價(jià)值用戶群*_MVU_A中出現(xiàn)的人數(shù)（#_Ct_ BMA）占用戶群B人數(shù)（#_Ct_B）的比例（#_Res_Rate）。以最近消費(fèi)時(shí)間（R_14）作為標(biāo)準(zhǔn)劃分的最佳用戶群R_14_MVU_ A進(jìn)行#_Res_Rate計(jì)算為例（依據(jù)劃分標(biāo)準(zhǔn)不同，#_代表R、F、M），計(jì)算要素如表2所示（其他參考標(biāo)準(zhǔn)的最有價(jià)值用戶群的#_Res_Rate計(jì)算，同理）。

3.確定各指標(biāo)對(duì)最有價(jià)值用戶的影響程度。在表2中，對(duì)各等級(jí)的R_Res_Rate、F_Res_Rate、M_Res_Rate進(jìn)行降序排列，等級(jí)為3的R_Res_Rate、F_ Res_Rate、M_Res_Rate排列結(jié)果反映了R、F、M對(duì)最有價(jià)值用戶的影響程度。4.確定指標(biāo)權(quán)重，按照公式RFM_SCORE=a×R_SCORE+b×F_ SCORE+c×M_SCORE計(jì)算用戶綜合價(jià)值。假定由（3）得到F_Res_ Rate＞R_Res_Rate＞M_Res_Rate，按照RFM_SCORE=a×R_SCORE+b×F_ SCORE+c×M_SCORE計(jì)算用戶綜合價(jià)值的方法步驟如下：

第一，將R_SCORE、F_SCORE、M_SCORE標(biāo)準(zhǔn)化。第二，計(jì)算a、b、c權(quán)重值。根據(jù)假定F_Res_Rate＞R_ Res_Rate＞M_Res_Rate，得到b＞a＞c，并且a+b+c=1。那么，滿足這兩個(gè)條件的權(quán)重組合有：｛a=0.2，b=0.7，c=0.1｝｛a=0.3，b=0.6，c=0.1｝｛a=0.4，b=0.5，c=0.1｝｛a=0.3，b=0.5，c=0.2｝。第三，假定選擇最近消費(fèi)時(shí)間（R_14）作為參考標(biāo)準(zhǔn)，找到同時(shí)出現(xiàn)在最有價(jià)值用戶群R_14_MVU_ A和用戶群B中的用戶，應(yīng)用第二步中的四組權(quán)重，計(jì)算RFM_SCORE，其結(jié)果按照［0，0.25）、［0.25，0.5）、［0.5，0.75）、［0.75，1］分成4組。其中，［0.75，1］對(duì)應(yīng)的用戶群人數(shù)記為Ct_RFM_MVU_A。第四，應(yīng)用第二步中的四組權(quán)重計(jì)算用戶群B的RFM_SCORE，按照［0，0.25）、［0.25，0.5）、［0.5，0.75）、 ［0.75，1］分成4組。其中，［0.75，1］對(duì)應(yīng)的用戶群人數(shù)記為Ct_ RFM_MVU_B。第五，計(jì)算W_Rate=Ct_ RFM_MVU_A/ Ct_RFM_MVU_B，最高值對(duì)應(yīng)的權(quán)重組合為最佳權(quán)重。第六，按照公式RFM_SCORE=a×R_SCORE+b×F_ SCORE+c×M_SCORE計(jì)算用戶綜合價(jià)值。

5.針對(duì)不同類型和層次的商品進(jìn)行用戶價(jià)值計(jì)算。將商品分類，針對(duì)不同類型和層次商品對(duì)應(yīng)的用戶集重復(fù)上述步驟，計(jì)算參考商品類別劃分的用戶價(jià)值。

表1　最有價(jià)值用戶群定義

表2　Res_Rate計(jì)算要素

表4　Res_Rate計(jì)算結(jié)果

用戶價(jià)值度量實(shí)驗(yàn)

（一）實(shí)驗(yàn)數(shù)據(jù)說(shuō)明

根據(jù)用戶價(jià)值度量思路，選取某網(wǎng)站2014年1月用戶數(shù)據(jù)作為用戶群A，選取2013年1月-12月用戶數(shù)據(jù)作為用戶群B。結(jié)合商品分類，其對(duì)應(yīng)的用戶群記錄數(shù)如表3所示。

（二）實(shí)驗(yàn)結(jié)果與分析

1.基于不同最有價(jià)值用戶群針對(duì)單一類型商品的指標(biāo)權(quán)重定義分析。本實(shí)驗(yàn)選擇“日用百貨”類商品消費(fèi)對(duì)應(yīng)的用戶進(jìn)行價(jià)值度量分析。依據(jù)度量思路，呈現(xiàn)其中兩個(gè)重要的結(jié)果：

一是計(jì)算Res_Rate。參照最有價(jià)值用戶群，計(jì)算Res_Rate，根據(jù)其結(jié)果判斷權(quán)重值a、b、c的大小關(guān)系。針對(duì)用戶群A，在商品分類情況下，以最近消費(fèi)時(shí)間（R_14）做參考標(biāo)準(zhǔn)為例，確定最有價(jià)值用戶群R_14_MVU_A。針對(duì)用戶群B，按最近消費(fèi)時(shí)間（R_13）、消費(fèi)頻率（F_13）、消費(fèi)總金額（M_13）計(jì)算R_ Res_Rate、F_Res_Rate、M_Res_Rate。

從表4中得到：

等級(jí)3：F_Res_Rate（0.029）＞R_ Res_Rate（0.028）＞M_Res_Rate（0.024）

等級(jí)2：F_Res_Rate（0.013）＞R_ Res_Rate（0.012）=M_Res_Rate（0.012）

等級(jí)1：M_Res_Rate（0.010）＞F_ Res_Rate（0.009）＞R_Res_Rate（0.006）

選擇等級(jí)為3的結(jié)果作為判斷權(quán)重大小的標(biāo)準(zhǔn)，進(jìn)而得到權(quán)重b＞a＞c，并且a+b+c=1，a、b、c取值步長(zhǎng)定義為0.1。滿足上述條件的組合有｛a=0.2，b=0.7，c=0.1｝、｛a=0.3，b=0.6，c=0.1｝、｛a=0.4，b=0.5，c=0.1｝、｛a=0.3，b=0.5，c=0.2｝。

二是計(jì)算a、b、c權(quán)重值。以最近消費(fèi)時(shí)間（R_14）作為參考標(biāo)準(zhǔn)，找到同時(shí)出現(xiàn)在最有價(jià)值用戶群R_14_ MVU_A和用戶群B中的用戶，分別應(yīng)用四組權(quán)重組合｛a=0.2，b=0.7，c=0.1｝、｛a=0.3，b=0.6，c=0.1｝、｛a=0.4，b=0.5，c=0.1｝、｛a=0.3，b=0.5，c=0.2｝，計(jì)算RFM_ SCORE，其結(jié)果按照［0，0.25）、［0.25，0.5）、［0.5，0.75）、［0.75，1］分成4組。其中，［0.75，1］對(duì)應(yīng)的用戶群人數(shù)記為Ct_RFM_ MVU_A。

接下來(lái)，應(yīng)用四組權(quán)重組合｛a=0.2，b=0.7，c=0.1｝、｛a=0.3，b=0.6，c=0.1｝、｛a=0.4，b=0.5，c=0.1｝、｛a=0.3，b=0.5，c=0.2｝，計(jì)算用戶群B的RFM_SCORE，按照［0，0.25）、［0.25，0.5）、［0.5，0.75）、 ［0.75，1］分成4組。其中，［0.75，1］對(duì)應(yīng)的用戶群人數(shù)記為Ct_RFM_ MVU_B。

計(jì)算W_Rate=Ct_RFM_MVU_A/ Ct_RFM_MVU_B，最高值對(duì)應(yīng)的權(quán)重組合為最佳權(quán)重，結(jié)果如表5所示。在表5中，從依據(jù)四組權(quán)重計(jì)算W_ Rate的結(jié)果看到，｛a=0.4，b=0.5，c=0.1｝和｛a=0.3，b=0.5，c=0.2｝對(duì)應(yīng)的W_Rate（0.032）相等并且大于｛a=0.2，b=0.7，c=0.1｝、｛a=0.3，b=0.6，c=0.1｝對(duì)應(yīng)的W_ Rate。因此，以｛a=0.4，b=0.5，c=0.1｝和｛a=0.3，b=0.5，c=0.2｝兩組平均值｛a=0.35，b=0.5，c=0.15｝作為最佳權(quán)重進(jìn)行用戶價(jià)值的度量。

（三）基于不同最有價(jià)值用戶群針對(duì)不同類型商品的權(quán)重綜合比較分析

本實(shí)驗(yàn)分別按照最近消費(fèi)時(shí)間、消費(fèi)頻率、消費(fèi)金額及三項(xiàng)綜合指標(biāo)定義最有價(jià)值用戶群，針對(duì)不分類商品和分類后的4類商品按照用戶價(jià)值度量思路，進(jìn)行a、b、c權(quán)重計(jì)算，對(duì)權(quán)重進(jìn)行綜合分析和比較，結(jié)果如表6所示。得到如下結(jié)論：

第一，無(wú)論是在商品分類還是不分類情況下，針對(duì)不同類型的最有價(jià)值用戶群，消費(fèi)金額對(duì)最有價(jià)值用戶群的影響是最弱的。在20組權(quán)重比較結(jié)果中，有14組最近消費(fèi)時(shí)間對(duì)最有價(jià)值用戶群的影響最大，消費(fèi)頻率的影響次之。第二，在商品不分類的情況下，針對(duì)不同類型最有價(jià)值用戶群，各指標(biāo)的影響程度是一致的，即最近消費(fèi)時(shí)間影響最大；消費(fèi)頻率次之；消費(fèi)金額最弱。

第三，在商品分類的情況下表現(xiàn)出如下特征：一是針對(duì)不同類型最有價(jià)值用戶群，面向“電腦整機(jī)”和“家用電器”兩類商品的8組權(quán)重比較中，影響力排名第一的是最近消費(fèi)時(shí)間；有7組顯示影響力排名第二的是消費(fèi)頻率，只有1組消費(fèi)金額影響力第二；有2組消費(fèi)頻率和消費(fèi)金額的影響力相同。二是針對(duì)不同類型最有價(jià)值用戶群，面向“日用百貨”和“手機(jī)數(shù)碼”兩類商品的8組權(quán)重比較中，有7組影響力排名第一的是消費(fèi)頻率；有6組顯示影響力排名第二的是最近消費(fèi)時(shí)間。

表5　權(quán)重選擇結(jié)果

表6　綜合比較結(jié)果

結(jié)論

用戶價(jià)值度量滿足了網(wǎng)絡(luò)營(yíng)銷(xiāo)領(lǐng)域?qū)谙M(fèi)行為的用戶特征量化的需求。本文基于數(shù)據(jù)分析的方法對(duì)用戶特征進(jìn)行量化，先用定性方式確定最近消費(fèi)時(shí)間、消費(fèi)頻率和消費(fèi)總金額對(duì)用戶價(jià)值的影響程度；再用數(shù)據(jù)分批迭代的定量方式確定三個(gè)指標(biāo)的權(quán)重值。并在此基礎(chǔ)上對(duì)其進(jìn)行拓展，選擇不同最有價(jià)值用戶群作為參考標(biāo)準(zhǔn)，結(jié)合商品分類，從多個(gè)角度和層次對(duì)用戶價(jià)值進(jìn)行度量，以得到最佳度量結(jié)果，使其結(jié)果能夠有效的適用于多種網(wǎng)絡(luò)營(yíng)銷(xiāo)領(lǐng)域的應(yīng)用。

2.段書(shū)勇.基于客戶價(jià)值細(xì)分的推薦方式研究［D］.吉林大學(xué)，2011

3.閆學(xué)元，張蕊.我國(guó)網(wǎng)絡(luò)消費(fèi)行為影響因素實(shí)證研究［J］.商業(yè)時(shí)代，2014（33）

4.廖衛(wèi)紅.移動(dòng)互聯(lián)網(wǎng)環(huán)境下消費(fèi)者行為研究［J］.科技管理研究，2013（14）

5.范秋英，方醒.基于層次分析法的網(wǎng)上消費(fèi)者行為分析［J］.物流工程與管理，2013，35（1）

6.黃飛.大學(xué)生網(wǎng)絡(luò)消費(fèi)偏好識(shí)別及影響因素研究［D］.中南大學(xué)，2013

7.張曉東，朱敏.網(wǎng)絡(luò)口碑對(duì)消費(fèi)者購(gòu)買(mǎi)行為的影響研究［J］.消費(fèi)經(jīng)濟(jì)，2011（3）

8.王召義，雷麗麗.基于改進(jìn)RFM模型的協(xié)同過(guò)濾推薦算法研究［J］.安陽(yáng)工學(xué)院學(xué)報(bào)，2015，14（2）

9.鄧峰，張永安.基于多屬性效用的協(xié)同過(guò)濾推薦系統(tǒng)［J］.計(jì)算機(jī)應(yīng)用，2015，35（7）

10.王淵.基于RFM模型的協(xié)同過(guò)濾算法及其在個(gè)性化推薦中的應(yīng)用［D］.杭州電子科技大學(xué)，2013

11.蔣國(guó)瑞，劉沛，黃梯云.一種基于AHP方法的客戶價(jià)值細(xì)分研究［J］.計(jì)算機(jī)工程與應(yīng)用，2007，43（8）

F724.6

A