發(fā)布時(shí)間：2017-03-21 22:02

  本文關(guān)鍵詞：基于聚類分析的電子商務(wù)客戶細(xì)分系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著網(wǎng)絡(luò)的不斷普及,企業(yè)想要在電商領(lǐng)域占有一定份額,客戶資源是其獲得勝利的核心因素,故企業(yè)的銷售模式逐漸以產(chǎn)品為中心轉(zhuǎn)向以客戶為中心的模式。對(duì)于不斷增加且呈現(xiàn)多樣化趨勢的消費(fèi)數(shù)據(jù),傳統(tǒng)的基于一維屬性的統(tǒng)計(jì)學(xué)方法的客戶細(xì)分方式已逐漸顯露其弊端,取而代之的是采用相適應(yīng)的數(shù)據(jù)挖掘算法對(duì)量多且復(fù)雜的數(shù)據(jù)信息實(shí)現(xiàn)精準(zhǔn)而高效的客戶細(xì)分。該客戶細(xì)分方式憑借對(duì)現(xiàn)有客戶的保留和對(duì)潛在客戶的挖掘,分析并預(yù)測出未來市場消費(fèi)趨勢,以達(dá)到企業(yè)最終差異化營銷的目標(biāo)。為了實(shí)現(xiàn)上述目標(biāo),本文采用數(shù)據(jù)挖掘中的聚類分析方式運(yùn)用于某服裝電子商務(wù)企業(yè)進(jìn)行客戶細(xì)分,具體采用改進(jìn)的基于近鄰傳播算法的K-means算法來實(shí)現(xiàn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。文中詳細(xì)介紹了新算法的改進(jìn)過程、實(shí)現(xiàn)流程以及通過實(shí)驗(yàn)驗(yàn)證其算法改進(jìn)后的有效優(yōu)勢,具體表現(xiàn)在對(duì)數(shù)據(jù)集中的噪聲點(diǎn)進(jìn)行有效排除,并獲取較為精準(zhǔn)的初始聚類中心,同時(shí)極大的提升了聚類的準(zhǔn)確率和各聚類之間的緊密度,實(shí)現(xiàn)了更令人滿意的聚類效果。本論文的研究工作和成果如下:1、介紹了客戶細(xì)分的相關(guān)理論,包含其概念,研究背景以及實(shí)現(xiàn)意義,并詳細(xì)分析了客戶細(xì)分中所使用的一般方法及相應(yīng)步驟,通過對(duì)客戶細(xì)分方法的詳細(xì)探究,描述了電商領(lǐng)域中的該項(xiàng)技術(shù)的特征及不斷完善的過程。2、介紹了客戶細(xì)分所應(yīng)用的數(shù)據(jù)挖掘技術(shù)的概念、功能以及常用的方法,并對(duì)其中的聚類分析算法的相關(guān)原理及主要的聚類方法進(jìn)行了系統(tǒng)的概述。3、詳細(xì)介紹了經(jīng)典的K-means算法及通過引入AP算法,并對(duì)其中的K-means算法的聚類準(zhǔn)則函數(shù)和AP算法的相似性度量進(jìn)行了相應(yīng)的改進(jìn),以便于實(shí)現(xiàn)對(duì)K-means算法的聚類個(gè)數(shù)和聚類中心的有效初始化,以及聚類收斂條件精確度的提升,最終生成改進(jìn)的基于近鄰傳播算法的K-means算法,將其應(yīng)用于實(shí)驗(yàn)驗(yàn)證,與前者算法進(jìn)行對(duì)比,得出了能實(shí)現(xiàn)更佳聚類結(jié)果的結(jié)論。4、進(jìn)行電子商務(wù)網(wǎng)站客戶細(xì)分系統(tǒng)的設(shè)計(jì),敘述了電子商務(wù)網(wǎng)站客戶細(xì)分系統(tǒng)的整體模型,詳細(xì)分析了電子商務(wù)網(wǎng)站客戶的需求分析,包含其特點(diǎn)及相應(yīng)的系統(tǒng)目標(biāo),具體闡述了數(shù)據(jù)預(yù)處理模塊和數(shù)據(jù)挖掘過程模塊的設(shè)計(jì)流程。5、完成了電子商務(wù)網(wǎng)站客戶細(xì)分系統(tǒng)的實(shí)現(xiàn),將改進(jìn)的基于近鄰傳播算法的K-means算法應(yīng)用于某服裝電子商務(wù)企業(yè)中進(jìn)行分析,詳細(xì)描述了該算法的實(shí)現(xiàn)過程以及性能分析,并對(duì)細(xì)分結(jié)果加以分析,提出可行的營銷策略。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 聚類算法 K-means算法 客戶細(xì)分
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP311.13
【目錄】：

• 摘要4-5
• Abstract5-11
• 第1章 緒論11-17
• 1.1 研究背景及意義11-13
• 1.2 研究現(xiàn)狀13-15
• 1.3 論文結(jié)構(gòu)安排15-16
• 1.3.1 本文主要內(nèi)容15
• 1.3.2 本文組織結(jié)構(gòu)15-16
• 1.4 小結(jié)16-17
• 第2章 客戶細(xì)分的相關(guān)理論17-29
• 2.1 客戶細(xì)分概述17-21
• 2.1.1 客戶細(xì)分的內(nèi)涵17-18
• 2.1.2 客戶細(xì)分的意義18-19
• 2.1.3 客戶細(xì)分的一般方法19-21
• 2.2 傳統(tǒng)客戶細(xì)分特點(diǎn)21-22
• 2.3 電子商務(wù)環(huán)境下客戶細(xì)分的變化和新特點(diǎn)22-23
• 2.4 客戶細(xì)分技術(shù)研究23-26
• 2.5 客戶細(xì)分的基本流程26-28
• 2.6 小結(jié)28-29
• 第3章 數(shù)據(jù)挖掘中的聚類分析理論概述29-35
• 3.1 數(shù)據(jù)挖掘的理論29-30
• 3.1.1 數(shù)據(jù)挖掘的概念29-30
• 3.1.2 數(shù)據(jù)挖掘的功能30
• 3.2 聚類分析算法的理論30-34
• 3.2.1 聚類概念及原理30-31
• 3.2.2 聚類分析的相似性度量方法31-32
• 3.2.3 聚類分析方法32-34
• 3.3 小結(jié)34-35
• 第4章K-means算法及其改進(jìn)35-45
• 4.1 K-means算法35-39
• 4.1.1 K-means算法原理概述35-37
• 4.1.2 K-means算法的缺點(diǎn)及現(xiàn)有改進(jìn)方法37-38
• 4.1.3 本文給出的K-means算法改進(jìn)方法38-39
• 4.2 AP算法39-41
• 4.2.1 AP算法原理概述39-40
• 4.2.2 AP算法步驟40-41
• 4.3 改進(jìn)AP+K-means混合算法研究41-44
• 4.4 算法的實(shí)驗(yàn)驗(yàn)證44
• 4.5 小結(jié)44-45
• 第5章 電子商務(wù)客戶細(xì)分系統(tǒng)的設(shè)計(jì)45-53
• 5.1 電子商務(wù)客戶細(xì)分的總體模型設(shè)計(jì)45-47
• 5.2 電子商務(wù)客戶細(xì)分需求分析47-48
• 5.2.1 電子商務(wù)客戶的特點(diǎn)47
• 5.2.2 電子商務(wù)客戶系統(tǒng)目標(biāo)47-48
• 5.3 數(shù)據(jù)預(yù)處理模塊設(shè)計(jì)48-50
• 5.4 聚類分析模塊設(shè)計(jì)50-51
• 5.5 小結(jié)51-53
• 第6章 電子商務(wù)客戶細(xì)分系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)及功能測試53-61
• 6.1 數(shù)據(jù)采集53-56
• 6.2 數(shù)據(jù)預(yù)處理56-57
• 6.2.1 數(shù)據(jù)清洗56
• 6.2.2 數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)集成56-57
• 6.3 改進(jìn)AP+K-means算法進(jìn)行電子商務(wù)客戶細(xì)分57-58
• 6.4 客戶細(xì)分結(jié)果分析58-59
• 6.5 電子商務(wù)客戶細(xì)分系統(tǒng)的功能測試59-60
• 6.6 小結(jié)60-61
• 第7章 總結(jié)與展望61-63
• 7.1 全文總結(jié)61-62
• 7.2 展望62-63
• 參考文獻(xiàn)63-67
• 攻讀碩士期間發(fā)表的學(xué)術(shù)論文67-69
• 致謝69

  本文關(guān)鍵詞：基于聚類分析的電子商務(wù)客戶細(xì)分系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：260349