結論與討論

結論

本研究以 Olist 電商資料集為基礎，透過資料前處理建立 RFM 指標，並以 Frequency 與 Monetary 運用 K-Means 將顧客分為忠誠客戶、VIP 客戶及一般客戶三類客群。分析結果顯示，VIP 與忠誠客戶合計僅占總客群約 6.27%。

此外，VIP 客戶都只購買過 1 次，若單純用過去的消費金額推估，會高估其未來價值。以 BG/NBD 與 Gamma-Gamma 預測後，VIP 每人未來 12 個月 CLV 約 2.26，略低於一般客戶的 2.30；忠誠客戶約 8.96，是 VIP 的 4.0 倍，是企業最值得優先經營的客群。

討論

一、分群數的選擇

若把 Recency 一起放進分群，資料會被切成「有回購、近期一次購買、很久以前一次購買」，客群名稱會混用時間與金額兩種標準。本研究改用 F、M 分群，讓客群只由「買幾次、花多少」決定，肘部法則也在 3 群出現明顯轉折。

二、多數顧客只買一次

九成以上的顧客只有一筆訂單，模型能用來判斷顧客是否還會回來的資訊很少。這是 Olist 資料本身的特性，也是預測結果需要保守看待的原因。

三、尚未用實際資料驗證預測

本研究的 CLV 是預測值，尚未把資料切成前後兩段、以後段實際消費檢驗預測準確度。後續可加入這一步，確認模型的預測與實際結果是否接近。

四、客群定義的適用範圍

本研究規定買 2 次以上一律為忠誠客戶，適用於 Olist 這類多數顧客只買一次的資料。若回購顧客比例高，VIP 客戶會很少；成果展示的系統在回購顧客超過兩成時會提出提醒。