基于大数据的线上线下电商用户数据挖掘研究

分析了大数据环境下的O2O电商用户数据特征,提出O2O电商用户数据挖掘框架,并探讨数据挖掘流程和主要的数据挖掘方法,分别从O2O电商平台、O2O用户和O2O商家三者角度探讨了O2O电商用户数据挖掘的应用问题.研究认为:O2O用户数据挖掘框架包括数据来源层、数据收集层、数据组织层、数据分析层与数据应用层等层级;数据挖掘流程主要包括数据收集、数据预处理、数据挖掘及数据应用4个过程;O2O电商用户数据的挖掘应用包括精准营销、平台网站优化、欺诈分析与防范、个性化推荐、增值服务开发与产品创新等方面.     

基于粒计算的超市会员数据的聚类算法

在粒计算理论的指导下,首先对超市客户数据库中的信息进行预处理,并根据处理后的信息对客户信息进行细分,从而有针对性地服务不同层面的群体.其次针对不同层次的客户的消费行为特征进行聚类,在此基础上对超市会员的行为模式进行分析,进而采用适宜的营销策略.     

基于SAS的web文本分类模型研究

通过建立模型对电商企业的客户查询信息进行文本分类分析,帮助企业掌握用户的消费习惯,同时帮助用户及时找到需要的商品.本文首先获取客户查询数据并对该文本数据进行预处理,利用改进的TF-IDF方法获得文本特征向量,最后结合朴素贝叶斯文本分类及半监督的EM迭代算法建立分类模型,并应用各种标准对模型进行评估,验证模型的有效性.多类别文本集选取文本特征时,关键词权值容易产生波动,本研究改进关键词权值计算公式来改善分类结果.实验结果表明分类器具有良好的分类效果.     

论O2O平台价值链的创新管理——基于O2O价值活动的分析

本文阐述了O2O商业模式的内涵,描述了O2O平台的价值链结构,从O2O商业模式的经济效益、客户服务及商家服务等方面分析了O2O平台的价值活动.在此基础上,从平台创新、客户服务创新、商家服务创新、消费链创新及营销创新等方面详细探讨了O2O平台价值链的创新管理.     

数据挖掘技术在统计预处理中的应用

目前统计分析面临的数据大多不再是预先设定的样本数据，而是杂乱、不规范的大规模的海量数据，所以统计分析之前进行数据预处理是非常必要的。采用数据挖掘技术，对存在空缺值、噪声数据等不规范的数据集进行清理，对海量数据进行维规约和自动产生概念分层处理，以缩小数据集的规模。经过预处理的数据集能更好地适应原有统计方法，并提高了统计质量。     

商务大数据环境下特定类型 用户智能识别方法

随着大数据时代的来临,商家拥有了越来越多的数据,从而能够准确识别出用户类型.准确的用户类型识别可以帮助商家进行精准营销,提高销售利润.由于商务数据存在数据不全等问题,若直接应用现有的分类方法识别用户类型,识别效果并不太好.借鉴关联规则算法的思想,设计一种商务大数据环境下可智能识别特定类型用户的方法.该方法首先选取种子商品,然后利用种子商品和其他商品的强关联规则,分层次赋予商品权重,再将权重映射到用户身上从而得到一个特征值,最后依据用户特征值来识别用户类型.该方法只利用购物记录数据,就能有很好的表现.通过真实数据集上的实验,以识别超市中婴幼儿家庭用户为例,证明了该方法的效果.     

基于机器学习的运营商客户行为分析

为了有效处理企业越来越多的业务数据,为企业业务提升和用户价值挖掘提供积极帮助,将机器学习方法应用于某运营商客户业务数据处理过程。首先对原始数据进行预处理,去除重复值、缺失值、异常值,并进行标准化处理,然后对不平衡数据采用合成少数类过采样(synthetic minority over-sampling technique, SMOTE)技术进行过采样,减少了预测的偏差。对处理后数据分别建立传统神经网络模型、优化神经网络模型和随机森林模型,并通过结构调优和参数调优等进行模型优化,对运营商客户进行预测与分析。结果表明,优化后的模型预测准确率可达96%,有良好的客户预测与分析效果,可见优化模型的有效性。最后为运营商挽留流失客户、维系非流失客户提供了解决方案,为运营商实施精准营销、节省运营商营销成本和创造更多利润提供了技术支持。     

基于客户关系管理的快递营销管理系统设计与实现

以客户关系管理思想为指导,整合运单、客户、潜在客户信息、销售人员档案、站点月指标、站点日指标、生产设施等快递企业营销相关的信息资源,结合数据仓库、数据挖掘等技术,构建了快递营销综合数据平台及营销管理系统.实现了客户细分,增强了客户预警分析,及时发现异常客户,防止客户流失;同时还可以进行客户满意度分析,提高客户忠诚度,实现营销员业绩考核等功能,并针对重点客户进行"一对一"的营销.     

基于改进的 ＲＦＭ 模型客户价值分层研究

对传统零售行业客户进行价值分层 进一步对不同价值客户采取相应的营销策略 既能降低营销成本 又能提升营销效果 最终将显著提升企业利润 基于经典 ＲＦＭ 模型进行改进 修改了指标 Ｆ 的计算方式 然后对模型指标以熵权法确定其权重 最后进行 Ｋ－ｍｅａｎｓ 聚类分析 将客户划分为不同价值层级 以某大型超市相关数据进行实证研究 对超市观察期内的客户进行价值分层后 进一步分析不同类型客户的创利情况 验证了聚类结果的合理性 客户价值层级越高 实际创利情况越 佳 最后对不同类型的客户给出相应的营销策略     

基于IPA分析法的互联网亲子游用户画像研究

互联网亲子游是新兴的旅游方式,为其进行用户画像可以明晰核心客户的特征,找准营销的着力点.通过对国内亲子游消费者的大数据报告进行分析,为互联网亲子游用户画像,可以发现:80后的女性是这一旅游方式的核心人群.在此基础上,通过IPA分析对用户画像信息进行再加工,分析用户画像每一标签的对比情况并对用户画像各标签的需要重视程度进行排序,结果发现:性别是首要关注对象,其次是城市、年龄、应用偏好和子女成长阶段.以此为依据提出了互联网亲子游服务调整策略.     

融入用户与物品特征信息的动态RSVD算法

对基于奇异值分解的协同过滤推荐算法RSVD进行研究和改进,在算法中分别融入了用户评分的时间信息,用户特征信息与物品特征信息,加入了用户与物品的时间偏置、用户注册信息偏置、物品特征信息偏置等,提出了一种改进算法:FeatureTRSVD算法。在Movielen-10M数据集上的实验结果和t-检验结果表明,这种改进算法显著提高了系统的性能,其MAE值达到0.670 0,RMSE值达到0.854 8。     

基于网络访问项序的移动用户重入网身份识别方法

用户身份的唯一性标识是任何移动商务营销活动所必不可少的一项基础工作.由于多种因素的交叉影响,移动用户大进大出已成为移动运营商面临的普遍现象.一旦用户重新入网,不仅针对旧号码的用户特征刻画记录将完全荒废,而且面向新号码的用户洞察又需要从头开始,并将耗费相当长的时间才能得到完整的用户画像.而另一方面,基于用户资料的移动用户身份识别准确率仅为42%.因此,针对移动用户重入网身份识别的问题,提出基于用户网络访问项序的用户相似性计算方法,通过数据预处理、相似用户集裁剪、用户身份识别等6个步骤来精确定位重入网用户身份.在某电信运营商某地区25 809个用户60d网络访问日志这一数据集上,对所提方法进行了实验,总体准确率为98.32%,验证了方法的可行性与有效性.     

引入社团发现算法O2O服务等级数据交换协议

传统方法采用三团网格社区结构的O2O服务等级数据交换协议设计方法,从超网络视角出发采用单自由度数据交换模型,对商家的信任度和服务等级评价具有主观性,推荐效果不好。提出社团发现算法的O2O服务等级数据交换协议设计方法,建立O2O模式下电子商务数据交换的初始社团模型,对O2O模式下的商家进行网络社团划分,提取O2O模式的服务等级数据信息流,通过交易数据频度、交易数据深度、实现服务等级评价数据频度隐匿编码设计;设计服务等级数据交换的相干分布模型,实现交换协议改进设计。仿真实验表明,采用该方法能有效实现对O2O服务等级数据交换协议设计,对O2O商家服务等级定量评价的准确性较高,收敛性较好,展示了较好的应用前景。     

基于PaddlePaddle的股票预测深度学习模型

利用上证指数股票历史数据中的开盘价、收盘价、最低价、最高价、交易量、交易额、跌涨幅等数据,通过对股票数据进行归一化等预处理操作后,使用Python语言和PaddlePaddle库编写算法程序,构建股票预测的LSTM神经网络模型,对上证指数的股票下一日的最高价股票价格进行分析预测,预测结果显示本文所构建的基于PaddlePaddle的LSTM神经网络模型能够取得较好的预测效果,可见基于PaddlePaddle的股票预测深度学习模型有很好的应用前景.     

用户偏好建模：考虑长期与短期兴趣因素

鉴于电子商务网站推荐系统的需要,将用户兴趣分为长期兴趣和短暂兴趣,并提出一种基于长期兴趣和短暂兴趣的用户偏好表示法.利用web服务器数据库的数据,采用无监督学习方法,对用户注册信息进行挖掘,提取出用户长期兴趣.基于向量映射,对web服务器日志上的用户使用记录数据和内容数据进行分析,提取用户短暂兴趣.通过用户反馈信息修正"粗糙"用户偏好文档,使得用户偏好文档更新得以实现.最后,应用了实证案例验证了该方法的合理性和有效性.     

基于码头闸口数据的集卡周转时间短时预测方法

为给车辆调度优化以及集卡预约系统设计提供重要参考,利用所采集的深圳市某港口的码头闸口数据,建立一种基于数据挖掘的集卡周转时间短时预测方法.首先,通过对码头闸口数据进行分析,获取车辆到达时间分布、任务类型、作业方式等集卡作业特征以及集卡在码头内的周转时间;在此基础上,利用循环神经网络并结合训练集数据,建立集卡作业特征与其周转时间之间的映射关系.其次,为减少随机波动对周转时间预测效果的影响,利用小波分解算法对循环神经网络拟合结果的残差进行高频噪声分离,并通过自回归模型拟合过滤后的低频序列.最后,将拟合后的循环神经网络与自回归模型进行结合,建立一种支持集卡周转时间短时预测的组合模型,并利用测试集数据进行有效性验证.结果 表明,相比单一的循环神经网络,该组合模型可以大幅提升预测精度.     

基于提取不同中红外光谱特征信息的烟叶部位判别研究

中红外光谱(MIR)分析技术在烟草中有广泛的应用,利用中红外分析可以获取烟草中大量化学信息.为了提高谱图的信噪比,需要对谱图数据进行预处理.研究发现对烟叶中红外光谱数据进行一阶导数结合Savizky-Golay的预处理,不仅提高了信噪比,而且增加了烟叶部位分类判别的准确率.另外,对谱图数据进行降维处理,有利于提取中红外谱图信息,减少冗余数据,减少计算时间.本文对比了基于原始中红外谱图数据、连续投影算法(SPA)特征提取后数据、偏最小二乘法(PLS)降维特征提取后数据的烟叶部位分类判别准确率,结果表明PLS降维特征提取可以有效提取烟叶中红外光谱数据的特征信息,有利于烟叶部位分类判别准确率的提高.利用PLS提取烟叶中红外特征信息数据建立的烟叶部位支持向量机(SVM)分类判别模型,其建模、留一法和独立测试集的准确率分别为:96.00%、89.60%和80.65%.     

微信平台界面设计在服装小店运营策划中的运用研究——以茉尔本小店为例

微信是由腾讯开发研究的一款强大的社交平台,它以腾讯公司的邮箱用户、空间用户、微博用户等客户端的数据支持为后盾,可以使很多商家利用微信营销这个科学的手段,迅速找到目标客户,增加线上用户群。笔者以茉尔本服装小店为例,通过对茉尔本服装小店进行SWOT分析,找到其在同行业竞争中的挑战和机遇,帮助其充分利用小店微信公众号,做出相应的对策与优化设计。     

关于广州超市顾客满意度指数的调查研究

利用相关分析和方差分析等统计分析方法对广州三大超市顾客满意度指数（CSI）的调查数据进行分析处理，研究影响CSI得分的主要指标和因素，并比较各大超市的优缺点，为超市的进一步发展献谋划策．     

数据分析在移动互联网发展中的作用

随着移动互联网技术的发展,利用手机终端接收新闻、听音乐、看电视是众多消费者的第一选择。营销者想要在激烈的市场竞争中占据一席之地,就需要对海量用户数据进行挖掘分析,发现用户的个性喜好,从而对用户的消费行为进行准确把握。该文在对用户海量上网数据进行分析的基础上发现用户的上网行为,并将其与业务支撑系统数据进行结合分析,展现了用户动态与静态数据的互补性,为市场营销人员寻找目标客户打下了良好的基础,提升了营销准确率。