数据挖掘技术在电商客户粘性预测中的研究 |
| |
引用本文: | 黄维雅.数据挖掘技术在电商客户粘性预测中的研究[J].齐齐哈尔大学学报(自然科学版),2023(1):81-86+94. |
| |
作者姓名: | 黄维雅 |
| |
作者单位: | 厦门兴才职业技术学院经贸学院 |
| |
基金项目: | 2020年度福建省教育厅中青年教师教育科研项目“大数据分析在网络平台精准营销中的应用研究”(JAS20752); |
| |
摘 要: | 为精准有效地预测电商客户粘性,提升经济效果,研究数据挖掘技术在电商客户粘性预测中的应用。利用可变网格的K-means聚类算法,聚类获取电商客户粘性预测相关数据;通过有效性指标优化可变网格K-means聚类算法的聚类数,确定最佳聚类数,提升数据聚类效果;采用技术接受模型,依据聚类获取的数据,建立电商客户粘性预测指标体系;通过模糊层次分析法,结合指标体系,建立电商客户粘性预测模型,获取预测分值。实验结果表明,该模型可有效确定最优聚类数,精准聚类电商客户粘性预测相关数据;所建立的预测指标体系的指标相关性较低,结构较稀疏、较全面。总体说明,该模型可有效预测电商客户粘性。
|
关 键 词: | 数据挖掘技术 电商客户 粘性预测 可变网格 K-means聚类 模糊层次分析 |
|