本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)模型的蘋(píng)果手機(jī)預(yù)約數(shù)據(jù)的分析

  更多相關(guān)文章： 精準(zhǔn)營(yíng)銷 用戶分類 三因素方差分析 Logistic回歸 神經(jīng)網(wǎng)絡(luò)

【摘要】：近幾年來(lái),市場(chǎng)競(jìng)爭(zhēng)日益劇烈,運(yùn)營(yíng)商也為擴(kuò)大市場(chǎng)占有率想盡辦法。競(jìng)爭(zhēng)的加速使得運(yùn)營(yíng)商在用戶細(xì)分、盡量壓縮成本的廣告宣傳上動(dòng)了心思,在這一方面,精準(zhǔn)營(yíng)銷起著不容忽視的作用。在市場(chǎng)預(yù)算有限的情況下,通過(guò)將用戶數(shù)據(jù)集中,建立數(shù)據(jù)模型,可以更精準(zhǔn)的找到目標(biāo)用戶,在最合適的渠道以最合適的產(chǎn)品進(jìn)行推廣,與之相應(yīng)而來(lái)的也是較高的成功推銷的可能性。本文是以浙江移動(dòng)公司發(fā)起的預(yù)約蘋(píng)果手機(jī)活動(dòng)中的參與的移動(dòng)用戶為主體,以預(yù)測(cè)移動(dòng)用戶對(duì)蘋(píng)果手機(jī)預(yù)約的反應(yīng)為研究對(duì)象,來(lái)實(shí)現(xiàn)移動(dòng)用戶預(yù)約蘋(píng)果手機(jī)并成功消化,即成功購(gòu)買的目的。本文所使用的近6萬(wàn)條觀測(cè)值的數(shù)據(jù)集來(lái)自浙江移動(dòng)平臺(tái)的不同數(shù)據(jù)庫(kù),以手機(jī)號(hào)碼為唯一識(shí)別標(biāo)識(shí)符進(jìn)行數(shù)據(jù)匹配而來(lái)。數(shù)據(jù)集主要分預(yù)約數(shù)據(jù)和用戶數(shù)據(jù),預(yù)約數(shù)據(jù)包括用戶的基本信息,以及其所預(yù)約手機(jī)的相關(guān)屬性信息；用戶數(shù)據(jù)包括該用戶是否最終購(gòu)買手機(jī)、用戶年齡、號(hào)碼歸屬地、號(hào)碼所屬品牌、是否手機(jī)營(yíng)業(yè)廳用戶、用戶登錄網(wǎng)廳的次數(shù)等24個(gè)變量,并且涵蓋了連續(xù)型和分類型兩種類別的變量。為了從已有數(shù)據(jù)中挖掘出盡可能多的商業(yè)信息,本文借助于統(tǒng)計(jì)分析方法中的方差分析來(lái)對(duì)預(yù)約數(shù)據(jù)中手機(jī)自身屬性對(duì)預(yù)約量的影響進(jìn)行分析,并使用Logistic回歸模型和神經(jīng)網(wǎng)絡(luò)模型對(duì)用戶數(shù)據(jù)進(jìn)行統(tǒng)計(jì)建模,第一階段基于Logistic回歸模型預(yù)測(cè)用戶對(duì)蘋(píng)果手機(jī)的響應(yīng)率,并通過(guò)逐步回歸法篩選出對(duì)該響應(yīng)率有顯著貢獻(xiàn)的10個(gè)自變量；第二階段使用第一階段中通過(guò)使用Logistic回歸模型中篩選出的自變量,與數(shù)據(jù)中的用戶是否購(gòu)買手機(jī),即因變量建立神經(jīng)網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)用戶的響應(yīng)率。當(dāng)然,為了使得建立的模型具有魯棒性,我們將原始數(shù)據(jù)劃分為兩個(gè)數(shù)據(jù)集,即訓(xùn)練集和測(cè)試集。通過(guò)觀察ROC曲線和混淆矩陣對(duì)所建立的模型進(jìn)行驗(yàn)證,發(fā)現(xiàn)模型在無(wú)論是訓(xùn)練集還是測(cè)試集上的擬合效果都非常不錯(cuò),這表明通過(guò)兩種方法建立的模型都是穩(wěn)健的,是預(yù)測(cè)用戶對(duì)蘋(píng)果手機(jī)響應(yīng)率的有效模型。
【關(guān)鍵詞】：精準(zhǔn)營(yíng)銷 用戶分類 三因素方差分析 Logistic回歸 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：C829.2
【目錄】：

• 摘要5-6
• Abstract6-8
• 第一章 緒論8-11
• 1.1 研究背景與現(xiàn)狀8
• 1.2 本文研究的問(wèn)題8-9
• 1.3 研究方法9-10
• 1.4 本文結(jié)構(gòu)10-11
• 第二章 數(shù)據(jù)來(lái)源及其預(yù)處理11-16
• 2.1 數(shù)據(jù)來(lái)源11-12
• 2.2 數(shù)據(jù)預(yù)處理12-16
• 第三章 2015年蘋(píng)果預(yù)約數(shù)據(jù)的實(shí)證分析16-40
• 3.1 三因素方差分析16-26
• 3.1.1 基本知識(shí)16-17
• 3.1.2 正態(tài)性檢驗(yàn)17-20
• 3.1.3 方差齊性檢驗(yàn)20-26
• 3.2 基于Logistic回歸的Buy Model用戶購(gòu)買可能性分析26-32
• 3.2.1 模型介紹27
• 3.2.2 估計(jì)回歸系數(shù)27-28
• 3.2.3 模型結(jié)果28-30
• 3.2.4 模型的驗(yàn)證30-32
• 3.3 基于神經(jīng)網(wǎng)絡(luò)模型的購(gòu)買率分析32-40
• 3.3.1 基本理論33-36
• 3.3.2 建模過(guò)程36-39
• 3.3.3 模型總結(jié)39-40
• 第四章 總結(jié)與展望40-41
• 4.1 總結(jié)與建議40
• 4.2 不足與展望40-41
• 致謝41-42
• 參考文獻(xiàn)42-43

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 劉征宇;;精準(zhǔn)營(yíng)銷方法研究[J];上海交通大學(xué)學(xué)報(bào);2007年S1期

，

本文編號(hào)：928654