摘要：随着电商时代到来，电商企业的客户具有覆盖多地域、多年龄段的特点。面对不同客户间差异性日渐增大，对客户进行精准的分类，采取具有针对性的营销策略，提高客户的满意度，才能真正提升企业的核心竞争力。本文结合RFM模型和K-means++聚类两种模型分别对客户最后消费日期与当前消费日期的间隔、客户在某特定时段内的消费频率、客户在某特定时段内的消费总金额三个客户行为指标进行分类，并进行综合分析发现，K-means++聚类模型的分类结果是最合理的，最后将聚类结果进行可视化，帮助企业人员准确直观地对客户进行价值识别，进而对价值不同的客户群体进行个性化管理。

关键词：电子商务；客户分类；RFM模型；K-means++聚类

目录

摘要

Abstract

1.引言-1

1.1研究的背景与意义-1

1.2国内外研究现状-2

2.RFM模型与k-mean聚类模型的相关理论-3

2.1 RFM模型-3

2.2 K-means与K-means++聚类模型-3

3.结果-4

3.1数据来源与预处理-4

3.2基于RFM模型的客户分类-5

3.3基于k-means++聚类模型的客户分类-7

3.3.1 R、F、M指标标准化处理-7

3.3.2 K值的确定-7

3.3.3基于k-means++聚类模型的客户分类结果分析-8

4.总结-9

参考文献-11

致谢