本文關(guān)鍵詞：數(shù)據(jù)挖掘在電商運營策略中的應(yīng)用研究　出處：《南昌航空大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 數(shù)據(jù)挖掘 網(wǎng)絡(luò)購物 關(guān)聯(lián)分析 RFM 聚類分析

【摘要】：隨著互聯(lián)網(wǎng)的迅猛發(fā)展,越來越多的互聯(lián)網(wǎng)企業(yè)重視應(yīng)用數(shù)據(jù)挖掘技術(shù)來研究網(wǎng)絡(luò)購物、電商運營策略等方面,通過研究發(fā)現(xiàn)規(guī)律、預(yù)測趨勢,輔助企業(yè)運營者制定精準(zhǔn)的營銷策略,有利于互聯(lián)網(wǎng)、電子商務(wù)健康有序的發(fā)展。依托電子商務(wù)企業(yè)——恒大鞋類專營天貓店鋪的經(jīng)營數(shù)據(jù),借助SPSS Molder工具,運用關(guān)聯(lián)規(guī)則、Recency Frequency Monetary(RFM)分析、聚類分析三種數(shù)據(jù)挖掘技術(shù)來研究店鋪關(guān)聯(lián)營銷、客戶細分、客戶關(guān)系管理三個方面,得出分析結(jié)論和提出運營建議:(1)應(yīng)用關(guān)聯(lián)規(guī)則對企業(yè)店鋪中用戶購買相關(guān)產(chǎn)品規(guī)律進行分析,得出網(wǎng)面鞋和網(wǎng)布鞋、休閑鞋和涼鞋等關(guān)聯(lián)效果較好,有利于企業(yè)區(qū)分強關(guān)聯(lián)、弱關(guān)聯(lián)產(chǎn)品,制定精準(zhǔn)的關(guān)聯(lián)營銷方案,提高客單價,從而增加銷售額。根據(jù)關(guān)聯(lián)規(guī)則分析結(jié)論來制定貨品規(guī)劃運營策略、陳列策略和推廣策略,使電子商務(wù)第三方平臺、消費者和企業(yè)三方均受益。(2)應(yīng)用RFM客戶細分方法,對近3年的用戶購買訂單進行分析,得出客戶的RFM得分,為客戶細分提供依據(jù),有利于客戶關(guān)系管理策略的制定。爭取留住大客戶,并對潛在客戶進行客戶提升,對一般客戶進行少量投入,可以調(diào)整客戶關(guān)系管理的資金投入分配比例。(3)應(yīng)用聚類分析方法對RFM客戶細分結(jié)論進行深層次的數(shù)據(jù)挖掘,區(qū)分為潛在客戶、活躍客戶和沉默客戶等群體。第一,面向潛在客戶進行交易環(huán)節(jié)中互動營銷、會員體系正向激勵和定期調(diào)研等運營建議;第二,面向活躍型客戶,除擁有潛在客戶的運營建議之外,擁有特權(quán)和兌換,制定差異化營銷方式;第三,面向沉默型客戶,采取定期溝通計劃運營策略。完善客戶關(guān)系管理策略,降低企業(yè)客戶維護成本。
[Abstract]:With the rapid development of the Internet, more and more Internet enterprises pay more and more attention to the application of data mining technology to study online shopping, e-commerce operation strategy and other aspects. Assist enterprise operators to formulate accurate marketing strategies, conducive to the Internet, e-commerce healthy and orderly development. Rely on e-commerce enterprises-Evergrande shoes franchise Tmall business data. With the help of SPSS Molder tool, the association rule is used to analyze. Clustering analysis of three kinds of data mining technology to study shop marketing, customer segmentation, customer relationship management three aspects. Get the analysis conclusion and put forward the operation suggestion: 1) apply the association rule to analyze the law of the user buying the related products in the enterprise store, draw the conclusion that the net top shoes and the net cloth shoes, casual shoes and sandals and so on the correlation effect is better. It is helpful for enterprises to distinguish strong association products, weak related products, develop accurate association marketing plan, improve customer unit price, thus increase sales. According to the association rules analysis conclusion to formulate the goods planning operation strategy. Display strategy and promotion strategy, so that e-commerce third-party platform, consumers and enterprises benefit from. 2) the application of RFM customer segmentation method, the nearly 3 years of customer purchase orders are analyzed. Get the customer's RFM score, provide the basis for customer segmentation, is conducive to the formulation of customer relationship management strategy. Strive to retain large customers, and potential customers for customer upgrading, a small amount of input to the general customers. We can adjust the ratio of investment allocation of customer relationship management. 3) apply cluster analysis method to RFM customer segmentation conclusion of deep-level data mining, divided into potential customers. Active customers and silent customers and other groups. First, targeted at potential customers in the transaction links of interactive marketing, the membership system is positive to encourage and regular research and other operational recommendations; Second, for active customers, in addition to the operation advice of potential customers, with privileges and exchange, develop differentiated marketing; Third, for silent customers, take regular communication plan operation strategy, improve customer relationship management strategy, reduce the cost of customer maintenance.
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F724.6;TP311.13

【參考文獻】

相關(guān)期刊論文 前10條

1 許啟發(fā);王陶;蔣翠俠;楊善林;;電商賣家信用評分的多因素校正模型及有效性檢驗——以淘寶網(wǎng)為例[J];軟科學(xué);2017年01期

2 宋佳麗;;TSC-basedK-means算法及其在入侵檢測系統(tǒng)中的應(yīng)用[J];信息安全與技術(shù);2015年11期

3 王和勇;吳曉樺;;關(guān)聯(lián)規(guī)則在網(wǎng)絡(luò)客戶評論中的關(guān)聯(lián)分析研究[J];物流工程與管理;2014年02期

4 梁孟華;;新技術(shù)在數(shù)字圖書館數(shù)據(jù)處理中的應(yīng)用[J];電子制作;2013年22期

5 馬雯雯;鄧一貴;;新的短文本特征權(quán)重計算方法[J];計算機應(yīng)用;2013年08期

6 王繼娜;;淺談數(shù)據(jù)挖掘與知識發(fā)現(xiàn)[J];內(nèi)蒙古科技與經(jīng)濟;2013年11期

7 李越;;基于離群點數(shù)據(jù)挖掘的情報分析方法探析[J];信息通信;2013年03期

8 王靜;;面向GIS應(yīng)用的數(shù)據(jù)挖掘技術(shù)研究[J];科技資訊;2013年09期

9 方瑋瑋;;關(guān)聯(lián)規(guī)則挖掘算法改進研究[J];銅陵學(xué)院學(xué)報;2012年06期

10 劉盈;;數(shù)據(jù)挖掘分析在CRM系統(tǒng)中的應(yīng)用[J];福建電腦;2012年04期

相關(guān)碩士學(xué)位論文 前10條

1 吳曉雪;基于RFM改進模型的互聯(lián)網(wǎng)金融平臺用戶細分研究[D];北京交通大學(xué);2016年

2 吳詩悅;基于數(shù)據(jù)挖掘的浙江省移動客戶消費行為研究[D];浙江工商大學(xué);2015年

3 陳誠;基于Hadoop的數(shù)據(jù)挖掘算法并行化研究[D];廣東工業(yè)大學(xué);2015年

4 劉昶;基于數(shù)據(jù)挖掘的J高校圖書館圖書管理創(chuàng)新研究[D];南昌大學(xué);2014年

5 田青青;基于B2C平臺視角的顧客價值測量研究[D];哈爾濱工業(yè)大學(xué);2014年

6 費斐;基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)團購選品研究[D];浙江工業(yè)大學(xué);2012年

7 李天姝;IPTV業(yè)務(wù)的價值及地方電視臺推廣策略研究[D];廣西大學(xué);2012年

8 安祥茜;基于RFM模型的C2C環(huán)境下顧客價值識別研究[D];西南財經(jīng)大學(xué);2012年

9 操宜潔;移動通信集團客戶價值評估模型的研究[D];上海交通大學(xué);2011年

10 歐陽圣;數(shù)據(jù)挖掘在消費行為分析中的應(yīng)用[D];湖南大學(xué);2011年

，

本文編號：1431568