21世紀以來,我國經濟社會持續(xù)高速發(fā)展,公路貨運物流行業(yè)迎來了翻天覆地的深刻變化。在“互聯網+公路貨運”這一大背景下,我國公路貨運物流行業(yè)提出了無車承運人的新模式,后無車承運人更名為“網絡貨運平臺”。與此同時,大數據時代下巨大的流量也為企業(yè)的產品和服務帶來了一連串的重塑,平臺若能有效利用這些數據資源并加以分析和評估,通過數據平臺搭建、數據可視化、用戶畫像建模等方式讓靜止的數據走出數據倉庫,對用戶價值深入挖掘研究,預估或推測用戶潛在的行為偏好,對用戶精準細分,并制定出合理有效的精準營銷方案,將會幫助平臺有效實現降本增利。本文以G網絡貨運平臺貨主用戶為研究對象,深入挖掘平臺當下亟需解決的貨主用戶管理粗放、劃分規(guī)則模糊、激勵作用過低的痛點,創(chuàng)新提出了基于CLV和AHP的RFMD貨主用戶價值模型,修正傳統RFM模型指標R的含義和引進新指標D(發(fā)貨能力),結合用戶生命周期價值模型CLV,將RFMD模型指標完善為7項,依據AHP層次分析法建立G網絡貨運平臺貨主用戶價值的指標梯階層次結構模型,再對價值指標進行權重賦值,得到本研究樣本數據集的貨主用戶價值標準值。接著以此標準數據集為基礎利用數據挖掘的K...

【文章頁數】：104 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景及研究意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內外相關文獻綜述
        1.2.1 網絡貨運平臺領域文獻綜述
        1.2.2 用戶價值挖掘領域文獻綜述
    1.3 研究方法及研究內容
        1.3.1 研究方法及相關算法
        1.3.2 研究內容及結構安排
    1.4 創(chuàng)新點及技術路線
        1.4.1 創(chuàng)新點
        1.4.2 技術路線
2 相關技術與理論基礎
    2.1 數據挖掘相關技術理論
        2.1.1 數據挖掘概念原理
        2.1.2 數據挖掘流程步驟
        2.1.3 數據挖掘分析工具
    2.2 網絡貨運平臺相關理論
        2.2.1 公路網絡貨運平臺發(fā)展現狀
        2.2.2 對網絡貨運平臺的相關定義
    2.3 用戶相關理論
        2.3.1 網絡貨運平臺用戶行為
        2.3.2 用戶價值的內涵與模型
        2.3.3 用戶畫像的概念與應用
    2.4 本章小結
3 貨主用戶價值挖掘設計與構建思路
    3.1 貨主用戶價值評價模型構建
        3.1.1 對傳統RFM模型的改進
        3.1.2 基于CLV時間價值的RFMD模型構建
        3.1.3 基于AHP的RFMD模型指標權重加成
    3.2 貨主用戶價值聚類流程設計
        3.2.1 基于RFMD的用戶價值分群
        3.2.2 基于K-MEANS聚類算法的用戶分群
    3.3 貨主用戶特征選擇流程設計
        3.3.1 用戶特征選擇流程設計
        3.3.2 基于隨機森林算法的用戶特征選擇
    3.4 實驗環(huán)境及評價指標
    3.5 本章小結
4 G網絡貨運平臺概況及貨主用戶分析
    4.1 G網絡貨運平臺概述
        4.1.1 G網絡貨運平臺企業(yè)基本情況
        4.1.2 G網絡貨運平臺運單交易模式
        4.1.3 模糊粗放的貨主用戶細分模式
    4.2 數據準備
        4.2.1 數據采集與字段說明
        4.2.2 數據預處理
    4.3 貨主用戶基本屬性探索性數據分析
    4.4 本章小結
5 G網絡貨運平臺貨主用戶價值挖掘實施
    5.1 基于RFMD模型7 項指標價值標準制定
    5.2 基于K-MEANS算法的貨主用戶價值分群
    5.3 基于隨機森林算法的貨主用戶特征選擇
    5.4 貨主用戶群體畫像成型與精準營銷設計
    5.5 本章小結
6 結論與展望
    6.1 研究結論
    6.2 研究展望
參考文獻
附錄A 聚類
附錄B 特征選擇
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數據集



本文編號：4005026