《表2 不同客户群体的第一主成分平均得分》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于客户细分的客户流失预测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于构建的客户终身价值评价体系，利用K-Means聚类分析方法，将客户细分为3类。为了识别每一类客户群体的价值高低，对包含22个指标的客户终身价值评价体系进行主成分分析，根据主成分分析的累计贡献率曲线可知，前14个主成分的累计贡献率达到89.82%，从而得到前14个主成分对应的载荷大小。第一主成分除了在cancelrate＿pre(24 h内已访问次数最多酒店历史取消率）和指标lastpvgap（一年内距上次访问时长）上对应的为负载荷，且这两个指标均为负向指标，在其他指标上的载荷均为正值。本文构建的客户终身价值评价体系就是基于客户价值展开的，因此可以把第一主成分理解为价值差异因子，计算每一类客户群体的第一主成分的平均得分，从而定量判断客户价值高低。如表2可知，标签0对应的客户群体第一主成分平均得分为-1.7709，占比35%，为低价值客户，标签1第一主成分平均得分为3.3016，占比19%，为高价值客户，标签2第一主成分平均得分为-0.0097，占比46%，为中价值客户，最终细分结果如表2所示。