當(dāng)今世界經(jīng)濟(jì)快速發(fā)展,互聯(lián)網(wǎng)行業(yè)迅速普及,客戶的消費(fèi)行為也發(fā)生了翻天覆地的變化。企業(yè)為了能夠在競爭激烈的市場(chǎng)經(jīng)濟(jì)中占據(jù)優(yōu)勢(shì),開始轉(zhuǎn)變現(xiàn)有的經(jīng)營模式,將企業(yè)的核心經(jīng)營模式從“以產(chǎn)品為中心”轉(zhuǎn)移到“以客戶為中心”,同時(shí)將競爭重心也轉(zhuǎn)移到客戶數(shù)量上。目前對(duì)于客戶消費(fèi)行為的研究相對(duì)較少且內(nèi)容單一,同時(shí)客戶的消費(fèi)行為已經(jīng)趨于多元化和層次化,傳統(tǒng)的分析方法已經(jīng)適應(yīng)不了當(dāng)今客戶消費(fèi)行為的變化。本文分析客戶消費(fèi)行為相關(guān)算法的優(yōu)缺點(diǎn),選擇K-MEANS聚類算法對(duì)客戶進(jìn)行細(xì)分,將細(xì)分之后的結(jié)果與客戶行為變量RFM相結(jié)合得到客戶價(jià)值矩陣,通過分析不同價(jià)值的客戶在不同時(shí)期消費(fèi)行為模式的變化情況,結(jié)合關(guān)聯(lián)規(guī)則來預(yù)測(cè)客戶的消費(fèi)行為,并對(duì)相關(guān)算法進(jìn)行深入研究分析存在的問題,分別進(jìn)行改進(jìn)。本文的主要研究工作分為以下幾點(diǎn):（1）深入分析客戶消費(fèi)行為的特點(diǎn)。本文詳細(xì)介紹客戶消費(fèi)行為研究的基本流程,并且分析比較客戶消費(fèi)行為研究的相關(guān)算法,針對(duì)目前研究技術(shù)存在的問題,本文提出了先聚類然后再通過基于客戶消費(fèi)行為模式變化的關(guān)聯(lián)規(guī)則來分析客戶的消費(fèi)行為。（2）根據(jù)客戶消費(fèi)行為多樣性和不穩(wěn)定性的特點(diǎn)對(duì)客戶進(jìn)行細(xì)分分析。傳統(tǒng)的K-ME... 

【文章來源】：浙江理工大學(xué)浙江省

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 本文研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 本文主要的研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 客戶消費(fèi)行為研究相關(guān)技術(shù)介紹
    2.1 客戶消費(fèi)行為分析
    2.2 客戶消費(fèi)行為的相關(guān)技術(shù)
        2.2.1 客戶消費(fèi)數(shù)據(jù)的預(yù)處理
        2.2.2 客戶細(xì)分的聚類算法
        2.2.3 客戶消費(fèi)行為的關(guān)聯(lián)規(guī)則算法
        2.2.4 客戶消費(fèi)行為預(yù)測(cè)的算法
    2.3 本章小結(jié)
第三章 基于K-MEANS算法的客戶細(xì)分研究
    3.1 引言
    3.2 客戶細(xì)分
    3.3 K-MEANS聚類算法的改進(jìn)
        3.3.1 傳統(tǒng)的K-MEANS聚類算法
        3.3.2 改進(jìn)的K-MEANS聚類算法
    3.4 實(shí)驗(yàn)及結(jié)果分析
        3.4.1 實(shí)驗(yàn)環(huán)境與實(shí)驗(yàn)數(shù)據(jù)
        3.4.2 實(shí)驗(yàn)過程與實(shí)驗(yàn)結(jié)果分析
        3.4.3 客戶細(xì)分結(jié)果及特征描述
    3.5 本章小結(jié)
第四章 結(jié)合客戶消費(fèi)行為模式變化的關(guān)聯(lián)預(yù)測(cè)模型研究
    4.1 引言
    4.2 傳統(tǒng)客戶消費(fèi)行為模式變化預(yù)測(cè)算法
        4.2.1 發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的Apriori算法
        4.2.2 基于客戶行為變量RFM的消費(fèi)行為挖掘
        4.2.3 關(guān)聯(lián)規(guī)則預(yù)測(cè)模型的建立
    4.3 改進(jìn)后客戶消費(fèi)行為模式變化預(yù)測(cè)算法
        4.3.1 改進(jìn)后的關(guān)聯(lián)預(yù)測(cè)模型建立
        4.3.2 預(yù)測(cè)客戶消費(fèi)行為模式變化準(zhǔn)則
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 實(shí)驗(yàn)環(huán)境與實(shí)驗(yàn)數(shù)據(jù)
        4.4.2 實(shí)驗(yàn)過程與實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]關(guān)聯(lián)規(guī)則挖掘綜述[J]. 崔妍,包志強(qiáng).  計(jì)算機(jī)應(yīng)用研究. 2016(02)
[2]一種大數(shù)據(jù)環(huán)境中分布式輔助關(guān)聯(lián)分類算法[J]. 張明衛(wèi),朱志良,劉瑩,張斌.  軟件學(xué)報(bào). 2015(11)
[3]基于統(tǒng)計(jì)相關(guān)性與K-means的區(qū)分基因子集選擇算法[J]. 謝娟英,高紅超.  軟件學(xué)報(bào). 2014(09)
[4]大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J]. 程學(xué)旗,靳小龍,王元卓,郭嘉豐,張鐵贏,李國杰.  軟件學(xué)報(bào). 2014(09)
[5]滿足均勻分布的不確定數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘算法[J]. 陳愛東,劉國華,費(fèi)凡,周宇,萬小妹,貟慧.  計(jì)算機(jī)研究與發(fā)展. 2013(S1)
[6]基于消費(fèi)數(shù)據(jù)挖掘的多指標(biāo)客戶細(xì)分新方法[J]. 曾小青,徐秦,張丹,林大瀚.  計(jì)算機(jī)應(yīng)用研究. 2013(10)
[7]數(shù)據(jù)挖掘技術(shù)及應(yīng)用[J]. 李明江,唐穎,周力軍.  中國新通信. 2012(22)
[8]分類不平衡協(xié)議流的機(jī)器學(xué)習(xí)算法評(píng)估與比較[J]. 張宏莉,魯剛.  軟件學(xué)報(bào). 2012(06)
[9]基于RFM的客戶分類及價(jià)值評(píng)價(jià)模型[J]. 劉朝華,梅強(qiáng),蔡淑琴.  技術(shù)經(jīng)濟(jì)與管理研究. 2012(05)
[10]一種高效的多層和概化關(guān)聯(lián)規(guī)則挖掘方法[J]. 毛宇星,陳彤兵,施伯樂.  軟件學(xué)報(bào). 2011(12)

博士論文
[1]基于關(guān)系穩(wěn)定的基金客戶動(dòng)態(tài)市場(chǎng)細(xì)分與營銷策略研究[D]. 趙紫英.武漢大學(xué) 2013

碩士論文
[1]基于大數(shù)據(jù)的客戶細(xì)分模型及精確營銷策略研究[D]. 楊茜.南京郵電大學(xué) 2015
[2]基于主成分分析和粗糙集的聚類分析在經(jīng)濟(jì)指標(biāo)數(shù)據(jù)中的應(yīng)用[D]. 陶思羽.吉林大學(xué) 2012
[3]聚類算法及其在客戶行為分析中的應(yīng)用研究[D]. 王振東.北京郵電大學(xué) 2008



本文編號(hào)：3459813