基于客户忠诚度的贝叶斯网络更新学习研究

论文导读：本文将用户上网的数据记录进行筛选，加入客户的忠诚度作为贝叶斯网络更新学习的参数，用以更新不断变化的用户需求，使得企业对网上用户的服务更加具有个性化。人们如何从五花八门的商品中选出自己喜欢的产品，企业如何提高客户忠诚度以及留住客户，如何满足各种用户不同的个性化需求等等这些是目前需要解决的问题。网络更新学习是以新数据顺序更新学习结果的在线学习过程，与批量学习不同，它不丢弃已有的工作，而是不断地利用新数据更新和求精已经学习到的结果，具有纠正存在于结果模型中的错误和适应基本概率分布发生变化的能力。
关键词：客户忠诚度，贝叶斯网络，更新学习
 

[摘要]随着网络的发展，网上购物成为人们一种新新的生活方式，客户如何从数以万计的商品中选出最合心意的产品，如何满足各种用户不同的个性化需求成为目前首要解决的问题。本文将用户上网的数据记录进行筛选，加入客户的忠诚度作为贝叶斯网络更新学习的参数，用以更新不断变化的用户需求，使得企业对网上用户的服务更加具有个性化。科技论文。

引言

随着社会的进步和计算机的发展，Internet互联网走进了人们的生活，网上购物也成为了人们一种新新的生活方式。人们如何从五花八门的商品中选出自己喜欢的产品，企业如何提高客户忠诚度以及留住客户，如何满足各种用户不同的个性化需求等等这些是目前需要解决的问题。

为了更好的满足用户需求，本文根据客户忠诚度的概念，加入了客户的忠诚度作为网络更新参数，对贝叶斯网络的结构进行更新学习，进而有效的处理大量的用户数据，更新兴趣预测模型。更新不断变化的用户需求，使得服务更具个性化。客户忠诚度的研究是建立在客户满意理论基础上的，增强客户满意度的最终目的是提高客户忠诚度。因此，对忠诚度的研究能够较好的解释并反映客户的购物行为。客户的忠诚度的评估结合了用户的实时行为和历史行为，并在很大的程度上体现了用户的潜在兴趣，能够有效的更新模型，而且避免了样本数据的再训练，为在线预测节省了时间。

二、客户忠诚度的定义

客户忠诚是指客户对企业的产品或服务的依恋或爱慕的感情，它主要通过客户的情感忠诚、行为忠诚和意识忠诚表现出来。其中情感忠诚表现为客户对企业的理念、行为和视觉形象的高度认同和满意；行为忠诚表现为客户再次消费时对企业的产品和服务的重复购买行为；意识忠诚则表现为客户做出的对企业的产品和服务的未来消费意向。

客户忠诚度是指客户因为接受了产品或服务，满足了自己的需求而对品牌或供应（服务）商产生的心理上的依赖及行为上追捧。客户忠诚度是客户忠诚营销活动中的中心结构，是消费者对产品感情的量度，反映出一个消费者转向另一品牌的可能程度，尤其是当该产品要么在价格上，要么在产品特性上有变动时，随着对企业产品忠诚程度的增加，基础消费者受到竞争行为的影响程度降低了。所以客户忠诚度是反映消费者的忠诚行为与未来利润相联系的产品财富组合的指示器，因为对企业产品的忠诚能直接转变成未来的销售。

三、选取贝叶斯网络更新学习的特征参数

在贝叶斯网络更新结构中主要研究大量的用户上网实时数据涌入时，预测模型如何动态更新。将客户的忠诚度作为更新模型的参数，不仅能全面地反映用户的喜好，而且也将大量的数据简化成一种参数来优化网络结构，节省了在线推荐的时间。

网络更新学习是以新数据顺序更新学习结果的在线学习过程，与批量学习不同，它不丢弃已有的工作，而是不断地利用新数据更新和求精已经学习到的结果，具有纠正存在于结果模型中的错误和适应基本概率分布发生变化的能力。

本文从客户忠诚度的角度出发，来更新贝叶斯网络的结构，以进一步发现用户的兴趣。客户忠诚来源于多次愉快的购买体验，这些体验增加了客户的舒适感、信任感和忠诚感。忠诚的客户是这样的顾客：当他想买一种他曾经使用过的商品或者是将来可能需要的商品时，他首先想到的就是你的公司。这样从一个侧面反映了这个用户的购物习惯。

因此，本文利用衡量客户忠诚度的指标作为数据样本，对用户的兴趣模型进行更新。评估客户忠诚度是现在企业研究的一个热点，客户忠诚度是顾客对公司产品或服务态度的倾向性的程度，没有一个指标能精确地衡量它，但以下指标都与客户的忠诚度相关，且一般而言，其关系呈现一定的规律性：①重复购买的次数；②购买时挑选商品的时间；③对待竞争产品的态度；④对产品价格的敏感程度；⑤对产品质量事故的宽容度；⑥客户生命周期；⑦顾客满意度；⑧顾客保持率；⑨顾客流失率等。

四、基于客户忠诚度的网络更新学习

（一）特征数据的准备

通过以上理论的应用和实践经验的总结，认为将测评指标体系划分为三个层次较为合理。每一层次的测评指标都是由上一层测评指标展开，而上一层次的测评指标则通过下一层测评指标的测评结果反映出来的。其中“忠诚度指数”是总的测评指标，即一级指标；客户忠诚度模型中的行为忠诚度、情感忠诚度这两大要素作为二级指标；将二级指标展开为具体的三级指标，具体见表1所示。

表1 上购物客户忠诚度测评指标体系

行为忠诚度的评价

根据客户行为忠诚度的评价原理，对于网上购物这个特定的客户群，可以分为这样几个特征因素。

（1）特征因素分析

a.重复购买次数(x1 )：用来表示网上购物客户每年购物的平均消费额、年平均消费次数、年消费总额。

b.跨产品购买的次数(x2 )：用来表示客户已购买的多种商品。例如客户同时购买名牌衣服、家居用品、个人护理用品。

c.与企业关系的持久性(x3 )：用来表示客户在此网站第一次购物至现在的持续购物时间。 (2)特征因素核算

我们利用特征分析模型来评价客户的行为忠诚度。按照特征分析模型的步骤，首先需要选择每个特征因素的权重，然后核算各指标因素的分数。假设这三个因素的权重分别为w1 , w2 , w3，他们与客户行为忠诚度的关系分别为f(x1)，f(x2)，f(x3)。

2、情感忠诚度的评价

根据客户情感忠诚度的评价原理，对于网上购物这个特定的客户群，可以分为这样几个特征因素。

(1)特征因素分析

a.商品满意度(x4 )：指客户对商品或服务表现出来的满意程度。可以从用户的反馈信息得知，也可以通过用户对推荐商品的接受度来衡量。

b.推荐产品的反馈态度(x5 )：在这个地方，客户对网站的忠诚还体现为客户主动为此网站提供反馈。

c.价格的敏感程度(x6 )：客户如果对某个品牌很忠诚的话，那么他对价格的变动一般不会很敏感。相反地，就会比较敏感。科技论文。

(2)特征因素核算

同分析客户的行为忠诚度一样，我们利用特征分析模型来评价客户的情感忠诚度。假设这四个因素的权重分别为w4 , w5 , w6，他们与客户情感忠诚度的关系分别为：f(x4)，f(x5)，f(x6)。科技论文。

 1/2    1 2 下一页 尾页