文献

J-GLOBAL ID：201702278203384726   整理番号：17A1386464

大規模データにRFMの分割時系列による統計的CRM(顧客関係管理)アプローチ【Powered by NICT】

Statistics-based CRM approach via time series segmenting RFM on large scale data

著者 (4件)： Song Meina (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing 100876, China) ,  Zhao Xuejun (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing 100876, China) ,  E Haihong (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing 100876, China) ,  Ou Zhonghong (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing 100876, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 132  ページ： 21-29  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 従来の顧客関係管理(CRM)は,典型的には,RFMモデル,そのパラメータは最近,周波数とターゲットカスタマーの金銭的側面に基づいている。最新の包括的解析は時系列による本パラメータにCRMを可能にした。例えば,研究者は柔軟なマーケティング戦略のためのRFMモデルに基づく傾向の変化を説明することができる。このような変化は,ユーザ値は長期性能に依存する通信サービスシナリオを鼓舞するであろう。本研究では,大規模データセットにRFMの時間間隔を分割時系列による潜在ユーザを評価する統計量ベースアプローチを提案した。火花プラットフォームにおける利用とは別に,著者らは多重対応分析(MCA)を統合するRFMモデルによるクラスタリング結果を正則化と多重レベルにこれらの手法を拡張した。包括的な一連の実験は,時間間隔とRFMモデルの共存に関する興味ある観察を明らかにした。最初に,RFMモデルの三次元での時間間隔に沿ったクラスタリング法は,各間隔で三次元に沿って法より優れている。RFMとMCAの協力が大規模データにおけるCRMを探索するための簡便な方法を提供する。,CRMにおけるMCAと一体化した時間間隔でRFMモデルが不可欠である。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： モデル ,  正則化 ,  通信サービス ,  多重化 ,  周波数 ,  三次元 ,  市場戦略 ,  *クラスタ化 ,  統計量
準シソーラス用語： クラスタリング法 ,  コレスポンデンス分析 ,  時間間隔 ,  大規模データセット ,  *顧客関係管理 ,  *大規模データ , 【Automatic Indexing@JST】

著者キーワード (5件)： CRM(顧客関係管理) ,  RFM ,  大規模データ ,  MCA ,  時間間隔

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 大規模データ ,  時系列 ,  統計 ,  CRM ,  顧客関係管理