基于客户差异性的市场细分变量指标研究

市场细分是传统营销管理理论的一个重要组成部分,但是由多种细分变量所发展出的细分方法同样为数众多,在实践中并不容易选择出一个合适的方法来应用于具体的管理事件.文章从客户之间的基本差异性入手,引入了客户寻求的利益、客户之间的相互影响力、选择障碍、议价能力、收益率这五个具有动态性、多向性的细分变量构建成细分变量指标体系,通过对各细分变量的分析研究,明确了各个变量在细分应用过程中的作用.同时文章通过对市场细分理论中的经典案例的再次分析与验证,细分的可操作性与结果的准确性方面都有了比较大的提高,是一种适宜企业操作的管理方法.     

基于改进RFM模型与聚类算法的民航客户细分研究

对于传统的RFM模型客户细分而言，由于缺乏科学的指标而无法针对航空市场进行精确的细分，因此提出TLFM模型作为细分的指标，利用自组织映射（SOM）算法和“手肘法”确定k-means算法的最佳k值，从而得到航空市场客户细分的结果。最后根据客户细分的情况和各类客户的行为特征，提出差异性的服务和不同的营销策略来提高航空公司的竞争力。     

解开“电子账单”推广过程中的“paradox”

电子帐单是将传统的纸张帐单,通过信息化的方式,转变为电子格式,然后通过手机、互联网、IPTV等传递给用户,从而营造一个节约社会资源、低碳环保的社会环境。文章就目前电费电子账单推广过程中碰到的实际困难进行了分析,通过细分电力客户,积极探索因时制宜、因人制宜的推广方法,务求有效推动电费电子账单的普及,以实现节能减排的目的。     

基于客户生命周期的电信企业CRM营销策略研究

文章以电信企业客户关系管理及其中的市场细分为基石,剖析了当前电信企业CRM中客户细分存在的主要问题,运用客户生命周期这个新细分因子,对我国的电信市场进行了新的市场细分,补充了原有常用细分变量的不足。并针对基于客户生命周期所划分的不同客户群,提出了差异化的营销策略,以期帮助电信企业提升客户价值、保持客户忠诚度和增强核心竞争力。     

契约制度与产业集聚:基于中国的理论及经验研究

本文以Baldwin和Okubo(2006)的自由资本模型为基础,构建了一个两地区垄断竞争模型,考察了契约制度对产业集聚影响的微观机制。理论分析表明,契约密集度高的产业倾向于在契约制度较好的地区集聚。在此基础上,我们使用2004年中国省区细分产业的相关数据进行了经验研究,发现在控制了要素禀赋、市场潜力、基础设施和对外贸易等因素后,契约制度对地区产业集聚有显著影响,并且在使用多工具变量克服变量内生性之后,以上结论依然稳健。因此,通过改善落后地区的契约实施制度,有助于缓解中国产业集聚的地区差异,促进地区协调发展。     

进化树方法的建模原理及大数据时代的金融保险风险预测

大数据时代的来临加深了经济学的研究范式改革，推动社会科学研究由模型驱动向数据驱动转型。本文将机器学习算法引入预测建模，探讨机器学习如何在金融保险领域的风险预测中发挥作用。在经济预测建模中，传统统计回归无法胜任复杂关系的捕捉，而传统的CART决策树容易陷入局部最优而导致预测水平不足的问题。作为一种较新的机器学习方法，进化树是对传统决策树的改进，本文重点对进化树算法的基本原理进行探讨。进化算法应用于树的生成，可以达到全局最优。在经济预测建模应用方面，本文选取机器学习平台OpenML上的两个数据集(Credit和WorkersCompensation)，将树方法应用于预测分析：对于Credit数据集，通过构建分类树，探索影响银行客户信用风险发生的可能因素；对于WorkersCompensation数据集，通过构建回归树，对工伤保险赔付进行预测建模，同时探索工伤保险赔付的影响因素。结果发现，进化树算法在保持一定可解释性的同时，能有效提升分类准确率和预测精度。同时，由于树方法会隐性地体现变量之间的交互项和非线性关系，因此进化树模型的构建可补充传统统计回归分析，在经济学的预测问题中具有一定潜力。     

基于朴素贝叶斯算法的证券业客户价值细分研究

客户价值是客户关系管理的基本依据。在客户细分的基础上运用朴素贝叶斯模型对证券业客户交易数据和客户基本信息进行数据挖掘分析,并利用Weka数据挖掘工具中的Nave Bayes simple模型对客户交易数据进行训练、测试和验证,构建客户价值分析模型,同时对模型进行测试和评估,验证了客户价值分析模型的准确率。该模型能将现有的客户进行细分和价值分析,识别出具有不同特征、不同价值的客户群,以便针对不同价值等级的客户提供个性化服务策略。     

基于投资者情绪的创业板股票收益率预测研究

以创业板股票市场为主要研究对象,基于文本挖掘方法对创业板股票收益率进行预测分析,利用词典法对从东方财富股吧爬取的2021年4月1日至2023年4月1日创业板股票评论的情感倾向进行分类,建立投资者情绪指数,构建基于粒子群算法优化的支持向量机(particle swarm optimization support vector machine, PSO-SVM)模型对收益率进行预测分析。在实证分析阶段,以创业板中流通市值最大的股票——“宁德时代”为代表,利用PSO-SVM模型对其收益率进行预测分析,同时设置一系列对照模型进行对比分析。结果表明：提出的模型预测结果优于其他对照组模型(多元线性回归、随机森林、支持向量机),而引入情绪指数的模型预测效果比未引入情绪指数的模型预测效果更好。     

基于EMD-SE-LSTM模型的股指日内已实现波动率预测──以中证500指数为例

由于股指波动率具有非平稳、高嘈杂、非线性等特征,而传统的预测模型在建模时要求数据平稳、线性或近似线性,所以很难精准预测股指波动率。为提高股指波动率的预测效果,采用经验模态分解(EMD)、样本熵(SE)和长短期记忆网络(LSTM)构建的模型对股指日内已实现波动率进行预测。以中证500指数为例,经过EMD分解得到一系列分量,再根据分量的样本熵大小进行重构,最后利用LSTM对重构后的各序列进行预测。结果表明,EMD算法对LSTM模型的预测精度有很大的提升,相较于传统模型,EMD-SE-LSTM模型在预测股指波动率时精度更高,拟合优度更好。     

基于SEM的网购口碑视角下消费者回购意愿影响机制的实证研究

基于信号理论和理性行为理论,以店铺信誉和在线评论作为前因变量,引入品牌态度作为中介变量,以体验感知作为调节变量,构建网络口碑视角下消费者回购意愿模型。通过SEM分析方法,对各因素关系进行检验。结果表明:店铺综合体验星级、店铺评分、在线评论中的评论形式对品牌态度有正向的作用;体验感知对店铺综合体验星级、店铺评分、评论形式、评论相似度与品牌态度之间的关系有正向的调节作用;品牌态度正向影响回购意愿;在线评论的评论相似度和差评负向影响品牌态度;体验感知负向影响差评与品牌态度的关系。     

制造业上市企业的融资约束预测——基于机器学习算法的视角

企业融资约束指数的构建方法一般采用两步法,一是判断企业是否存在融资约束,二是通过财务指标构建融资约束指数。本文运用机器学习的方法探讨企业的融资约束指数的构建,首先,判断企业是否存在融资约束,采用聚类算法（K均值聚类和系统聚类）对这些企业进行分类,然后在聚类的基础上,采用分类算法（决策树、逻辑回归、神经网络）探讨企业融资约束的影响特征。本文通过分类算法预测结果,得到决策树算法的准确率是最好的,逻辑回归模型预测的稳定性是最好的,而神经网络预测模型较差。采用逻辑回归模型预测的融资约束概率与SA指数和祝学文的LFC融资约束指数较为密切相关。从企业融资约束的重要特征来看,在聚类的预分类中,重要特征变量为利息保障倍数和股利支付率,在分类算法中,重要特征变量为财务费用率和净资产报酬率。     

基于客户价值分析的服务挖掘模型构造

本文首先介绍了"服务挖掘"的概念、应用范围以及服务挖掘中客户价值的产生过程;提出了基于客户价值分析的服务挖掘模型,并以客户细分模型为例,从客户价值产生过程出发,对基于客户价值分析的服务挖掘进行了实证分析.     

基于气候因素的全球登革热分布的空间模型

登革热是由蚊子作为传播媒介的传染病,致使全球每年2.3亿人收到感染,其中有25000人死亡。本文研究目的是构建全球登革热的空间分布模型,找出影响登革热爆发流行的重要因素。通过以气候因素及人口密度为预测变量,以随机抽样,随机结合系统抽样的方式选择未爆发的地区,与已知的爆发地区组成因变量,使用机械学习中的回归树模型,找出对该疾病流行影响最大的因素。结果表明,对登革热的爆发影响最大的因素是水汽压和人口密度。     

基于客户价值分析的服务挖掘模型构造

本文首先介绍了“服务挖掘”的概念、应用范围以及服务挖掘中客户价值的产生过程；提出了基于客户价值分析的服务挖掘模型，并以客户细分模型为例，从客户价值产生过程出发，对基于客户价值分析的服务挖掘进行了实证分析。     

移动互联网时代电信企业客户流失管理

随和电信市场竞争的日益激烈客户流失已经成为电信运营商面临的严峻问题。本文从移动互联网时代价值客户的识别、建立贯穿全公司的客户流失协同体系、加强客户流失预警分析、建立以客户为中心体验式的客户响应模型等方面阐述了如何加强电信企业的客户流失管理。     

基于机器学习的P2P网络借贷违约风险识别模型比较——以“人人贷”为例

近年来,P2P网络借贷中借款人违约风险的识别问题被各互联网金融机构重点关注。文章以"人人贷"平台中的借贷数据为样本,运用CART决策树、支持向量机(SVM)、BP神经网络和随机森林等4种主流的机器学习算法,进行代价敏感学习,构建了4种违约风险识别模型并进行比较。研究发现,机器学习算法在多维度借贷数据下的违约风险识别中适用性较强,其中树模型的预测效果显著优于其他两种模型,尤以随机森林模型预测效果最佳。     

价值共创互动行为对品牌权益的作用研究

客户参与互动能够帮助设计和管理创新型品牌产品,如何发挥客户的积极作用成为企业进行品牌价值创造的迫切需要。本研究基于价值共创理论视角,构建了价值共创互动行为、感知价值和品牌权益三者之间的关系模型,着重研究了服务产业领域客户参与互动对品牌权益的内在机理作用。以411名样本成员作为研究对象的实证研究发现:在价值共创模式下,知识共享和关系能有效地引导客户参与互动;情感价值可以通过影响客户的偏好和评价来提升客户的感官愉悦,功能价值作为一种外在响应的价值,为客户创造体验的实用性和手段性,这有利于客户积极参与互动,促进品牌价值创造,增强品牌权益;在互动行为对品牌权益的影响上,情感价值对这一路径的增进效用更突出。关于价值共创互动行为与品牌权益的关系研究,较少涉及实证研究。本研究证明了价值共创互动行为对品牌权益的作用机理,并通过提出关系框架丰富了对价值共创的概念的理解,有助于推动未来的理论研究和引导企业探寻有效提升品牌权益的方式途径,促进我国服务产业的经济发展。     

产业结构调整背景下的区域用电量预测模型库构建

基于产业结构调整宏观环境,构建了区域用电量预测模型初选库,其主要包括基于时间序列的区域用电量预测模型和基于影响因素的区域用电量预测模型。并基于预测效果反馈,建立预测效果评级指标体系,构建预测效果评价模型。在评价结果的基础上,筛选出最优模型作为区域用电量预测模型终选库,以便正确预估地区电网发展趋势,提高企业竞争力。     

上海市2017-2020年GDP预测研究——基于改进的GM(1,1)模型北大核心CSSCISSCI

GDP是衡量一个国家(地区)在一定时期内的宏观经济综合表现的重要指标之一,对GDP做出科学正确的预测,可以为相关部门提供科学的决策依据,具有非常良好的实际应用价值。为了尽可能地降低GM(1,1)模型的预测误差,提高模型的预测效果,文章构建了基于对初始值进行数据转换以及对背景值改进的新GM(1,1)模型,并应用到我国上海市的GDP预测中。建模结果表明:改进的GM(1,1)模型不仅适合于GDP预测,而且具有非常明显的预测精度优势。最后利用改进的GM(1,1)模型来预测上海市2017-2020年的GDP。预测结果表明,未来几年上海市经济将保持年均7%的增长率平稳健康发展。     

地理集聚影响了地区出口比较优势吗?——基于不完全契约的视角

本文构建一个经济地理模型考察了地理集聚影响地区出口比较优势的微观机制.理论分析结果表明,地理集聚程度高的地区将在契约密集度高的产品上拥有比较优势.在此基础上,我们使用中国省份细分产业的数据进行了经验研究,发现在控制了要素禀赋、外商直接投资和经济发展水平等因素后,地区地理集聚对契约密集型行业的出口具有显著影响,并且在使用多个工具变量解决变量内生性问题后,本文的结论依然稳健.