本文關(guān)鍵詞：關(guān)聯(lián)規(guī)則在保險精準(zhǔn)營銷中的應(yīng)用研究

  更多相關(guān)文章： 海量數(shù)據(jù) 精準(zhǔn)營銷 數(shù)據(jù)挖掘 客戶分群 關(guān)聯(lián)規(guī)則

【摘要】：在海量數(shù)據(jù)時代,近乎顛覆性地商業(yè)模式的進化演繹以及技術(shù)的更新?lián)Q代給保險業(yè)提供了機遇的同時,也給其帶來了沉重的競爭壓力和生存挑戰(zhàn),傳統(tǒng)以產(chǎn)品為中心的4P或者以消費者為中心的4C理論并不能滿足越來越嚴(yán)苛的營銷預(yù)算、海量的數(shù)據(jù)堆積和存儲查詢等需求。為了提高保險業(yè)的效率和效益,企業(yè)需要尋求比傳統(tǒng)粗放型運營更加科學(xué)有效的精準(zhǔn)化運營制度和思路,其中,數(shù)據(jù)挖掘技術(shù)的科學(xué)有效應(yīng)用是精準(zhǔn)營銷的基礎(chǔ)以及技術(shù)保障。融合了4P和4C的nPnC形式的理論是精準(zhǔn)營銷的理念。本文以3P3C理論為例,在該基礎(chǔ)上,選取客戶為對象,主要研究其三個方面:客戶基本屬性,包括客戶職業(yè)、年齡、性別、學(xué)歷、婚姻狀況等;客戶價值,即客戶保單的額度與保費以及頻率;客戶行為,即購買險種。本文采用保險企業(yè)的財務(wù)信息、交易信息、保單信息、客戶信息等數(shù)據(jù)實現(xiàn)對保險產(chǎn)品和客戶屬性、客戶行為之間的關(guān)聯(lián)關(guān)系進行精準(zhǔn)分析。本文描述了在典型的結(jié)構(gòu)化分布式數(shù)據(jù)庫平臺上,采用關(guān)聯(lián)分析和聚類分析算法實現(xiàn)大數(shù)據(jù)分析的過程。關(guān)聯(lián)分析是對保險數(shù)據(jù)進行挖掘的基礎(chǔ)。針對客戶的三個研究要素,構(gòu)建出客戶分群群落模型,針對各個群落進行關(guān)聯(lián)規(guī)則。本文采用經(jīng)典的Apriori算法實現(xiàn)關(guān)聯(lián)分析,在實現(xiàn)過程中,發(fā)現(xiàn)其對實際數(shù)據(jù)的計算有很大的限制。本文提出了一種有效的方法解決了Apriori算法關(guān)于多維數(shù)據(jù)的連接問題,并提出通過增加排序規(guī)則提高了Apriori算法的計算效率,實現(xiàn)了對保險數(shù)據(jù)的關(guān)聯(lián)分析。在關(guān)聯(lián)分析實現(xiàn)后,對數(shù)據(jù)進一步進行聚類分析,實現(xiàn)了一個有效的數(shù)據(jù)挖掘過程,其結(jié)果反應(yīng)了保險產(chǎn)品群在不同類型的客戶群落中營銷規(guī)律,對實現(xiàn)精準(zhǔn)營銷有一定的指導(dǎo)意義。
【關(guān)鍵詞】：海量數(shù)據(jù) 精準(zhǔn)營銷 數(shù)據(jù)挖掘 客戶分群 關(guān)聯(lián)規(guī)則
【學(xué)位授予單位】：沈陽航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F274;F840.31;TP311.13
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-17
• 1.1 課題研究背景及意義11-12
• 1.1.1 研究背景11
• 1.1.2 研究意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 數(shù)據(jù)挖掘國內(nèi)外現(xiàn)狀12-13
• 1.2.2 精準(zhǔn)營銷國內(nèi)外現(xiàn)狀13-15
• 1.3 數(shù)據(jù)挖掘在精準(zhǔn)營銷領(lǐng)域應(yīng)用的特色15
• 1.4 論文主要研究的內(nèi)容15-17
• 第2章 精準(zhǔn)營銷與數(shù)據(jù)挖掘理論綜述17-20
• 2.1 精準(zhǔn)營銷理論17-18
• 2.1.1 精準(zhǔn)營銷的定義17
• 2.1.2 客戶細(xì)分的依據(jù)和方式17-18
• 2.2 數(shù)據(jù)挖掘理論18-19
• 2.2.1 數(shù)據(jù)挖掘的定義18-19
• 2.2.2 數(shù)據(jù)預(yù)處理19
• 2.3 本章小結(jié)19-20
• 第3章 基于保險數(shù)據(jù)的關(guān)聯(lián)規(guī)則技術(shù)研究20-30
• 3.1 關(guān)聯(lián)規(guī)則的定義20-21
• 3.2 關(guān)聯(lián)規(guī)則挖掘步驟21-22
• 3.2.1 高頻項集生成過程21
• 3.2.2 生成頻繁項集的規(guī)則21-22
• 3.3 保險數(shù)據(jù)的關(guān)聯(lián)分析22-28
• 3.3.1 保險客戶屬性數(shù)值化23-24
• 3.3.2 關(guān)聯(lián)分析的算法描述24-26
• 3.3.3 保險數(shù)據(jù)的關(guān)聯(lián)分析26-28
• 3.4 本章小結(jié)28-30
• 第4章 基于海量保險數(shù)據(jù)的關(guān)聯(lián)規(guī)則技術(shù)優(yōu)化30-40
• 4.1 GREENPLUM分布式數(shù)據(jù)倉庫31-33
• 4.1.1 Greenplum分布式存儲32
• 4.1.2 Greenplum并行處理32-33
• 4.2 關(guān)聯(lián)規(guī)則APRIORI算法優(yōu)化33-35
• 4.2.1 基于Greenplum分段處理33-34
• 4.2.2 數(shù)組化的Apriori算法34
• 4.2.3 連接操作的改進34-35
• 4.3 基于數(shù)組的APRIORI算法改進的描述35-36
• 4.4 基于數(shù)組的APRIORI算法改進在保險數(shù)據(jù)的描述36-38
• 4.5 基于數(shù)組的APRIORI算法改進后的性能分析38-39
• 4.6 本章小結(jié)39-40
• 第5章 基于海量數(shù)據(jù)的精準(zhǔn)營銷實現(xiàn)40-48
• 5.1 源數(shù)據(jù)的預(yù)處理41-43
• 5.2 基于K-MEANS聚類算法的客戶分群43-46
• 5.3 基于客戶群落的關(guān)聯(lián)規(guī)則實現(xiàn)46-47
• 5.4 本章小結(jié)47-48
• 結(jié)論48-49
• 參考文獻49-51
• 致謝51-52
• 攻讀碩士期間發(fā)表（含錄用）的學(xué)術(shù)論文52

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 王雅軒;頊聰;;數(shù)據(jù)挖掘技術(shù)的綜述[J];電子技術(shù)與軟件工程;2015年08期

2 冷泳林;張清辰;魯富宇;;不完整數(shù)據(jù)的聚類研究[J];河南科學(xué);2014年11期

3 徐述;;基于大數(shù)據(jù)的數(shù)據(jù)挖掘研究[J];科技視界;2014年32期

4 李勇杰;;基于企業(yè)文化范疇的保險企業(yè)社會責(zé)任研究[J];社會科學(xué)家;2009年10期

5 周曉雯;王喜榮;;淺議精準(zhǔn)營銷[J];商場現(xiàn)代化;2009年01期

6 金永生;營銷學(xué)的回顧與中國營銷學(xué)的展望[J];商業(yè)經(jīng)濟與管理;2003年07期

7 王強,劉東波,王建新;數(shù)據(jù)倉庫元數(shù)據(jù)標(biāo)準(zhǔn)研究[J];計算機工程;2002年12期

，

本文編號：946981