本文關(guān)鍵詞：保險(xiǎn)公司營(yíng)銷數(shù)據(jù)的統(tǒng)計(jì)建模及分析

  更多相關(guān)文章： 互聯(lián)網(wǎng)數(shù)據(jù)營(yíng)銷 廣義線性模型 零膨脹計(jì)數(shù)模型 十分位數(shù)分析

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,人們的社會(huì)行為、身處的地理位置、甚至個(gè)人興趣愛好等每一點(diǎn)變化都成為了可被連續(xù)記載和分析的數(shù)據(jù)[1]。當(dāng)下數(shù)字受眾平臺(tái)、海量的客戶資料數(shù)據(jù)、客戶行為數(shù)據(jù)和高效的互聯(lián)網(wǎng)推廣營(yíng)銷技術(shù)給營(yíng)銷人員創(chuàng)造了前所未有的機(jī)會(huì)�；诨ヂ�(lián)網(wǎng)平臺(tái)實(shí)時(shí)采集到的客戶信息數(shù)據(jù),采用適當(dāng)?shù)姆治龇椒?識(shí)別、鎖定潛在客戶并將其轉(zhuǎn)化為高端客戶,從而提高產(chǎn)品的市場(chǎng)競(jìng)爭(zhēng)力就是互聯(lián)網(wǎng)時(shí)代新型的互聯(lián)網(wǎng)市場(chǎng)營(yíng)銷理念[2]。企業(yè)的市場(chǎng)營(yíng)銷關(guān)注兩個(gè)問(wèn)題,首先是客戶的購(gòu)買行為,也即是否會(huì)購(gòu)買,具備何種特征的潛在客戶會(huì)成為消費(fèi)客戶；其次是對(duì)市場(chǎng)需求的預(yù)測(cè),也即客戶單次會(huì)購(gòu)買多少的問(wèn)題。本文通過(guò)介紹美國(guó)某保險(xiǎn)公司的市場(chǎng)推廣工作以及互聯(lián)網(wǎng)營(yíng)銷大數(shù)據(jù)的建模與分析過(guò)程,探討了基于互聯(lián)網(wǎng)數(shù)據(jù)營(yíng)銷的具體步驟以及建模流程,展現(xiàn)了互聯(lián)網(wǎng)大數(shù)據(jù)營(yíng)銷在企業(yè)銷售和維護(hù)客戶中所起的重要作用。本文基于客戶資料數(shù)據(jù)和網(wǎng)上行為數(shù)據(jù),建立合適的統(tǒng)計(jì)學(xué)模型,從而對(duì)客戶行為進(jìn)行描述和預(yù)測(cè)�？蛻粜袨橐布词欠褓�(gòu)買和單次購(gòu)買數(shù)量[3]。(1)提出了基于二分類變量的邏輯回歸模型該模型是基于logistic回歸的廣義線性模型,主要介紹了在大樣本、多變量的前提下結(jié)合大數(shù)據(jù)營(yíng)銷和統(tǒng)計(jì)知識(shí)所提出的一套標(biāo)準(zhǔn)化建模方法,主要包括數(shù)據(jù)的處理和轉(zhuǎn)化、基于變量之間相關(guān)性篩選和傳統(tǒng)的變量篩選相結(jié)合的變量篩選方法、模型的建立和評(píng)價(jià),最終找到潛在購(gòu)買客戶的特征屬性,進(jìn)而在保險(xiǎn)產(chǎn)品廣告推送的過(guò)程中提高產(chǎn)品購(gòu)買的響應(yīng)率。(2)提出了基于零過(guò)多數(shù)據(jù)的零膨脹計(jì)數(shù)模型在探索自變量對(duì)目標(biāo)變量影響關(guān)系的基礎(chǔ)之上,嘗試建立多層泊松回歸模型、改變參數(shù)的多層泊松�；貧w型以及多層負(fù)二項(xiàng)回歸模型,根據(jù)擬合優(yōu)度檢驗(yàn)初步認(rèn)為多層負(fù)二項(xiàng)模型能更好預(yù)測(cè)實(shí)際的保險(xiǎn)購(gòu)買結(jié)果�？紤]到該樣本數(shù)據(jù)集中的目標(biāo)變量存在零聚集問(wèn)題,進(jìn)一步建立了零膨脹計(jì)數(shù)模型,主要建立了零膨脹泊松回歸模型和零膨脹負(fù)二項(xiàng)回歸模型。根據(jù)實(shí)際觀察和模型擬合效果圖以及擬合統(tǒng)計(jì)量值,最終認(rèn)為零膨脹負(fù)二項(xiàng)回歸模型能夠更好預(yù)測(cè)客戶單次購(gòu)買該保險(xiǎn)產(chǎn)品數(shù)。(3)提出了基于十分位數(shù)分析的邏輯回歸模型的評(píng)價(jià)方法該方法主要是基于logistic回歸得到用戶評(píng)分,并按照得分從大到小將模型記錄分成十等分,評(píng)價(jià)指標(biāo)越光滑越陡峭,說(shuō)明模型建立越好,對(duì)客戶的甄別性越高。(4)根據(jù)模型結(jié)果,為該保險(xiǎn)公司營(yíng)銷方案提供意見和相應(yīng)的策略,并為中國(guó)企業(yè)在互聯(lián)網(wǎng)時(shí)代市場(chǎng)營(yíng)銷中的類似問(wèn)題提供參考意見。
【關(guān)鍵詞】：互聯(lián)網(wǎng)數(shù)據(jù)營(yíng)銷 廣義線性模型 零膨脹計(jì)數(shù)模型 十分位數(shù)分析
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F841.3;F274
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-14
• 1.1 背景及意義10-11
• 1.2 國(guó)內(nèi)外研究的現(xiàn)狀及發(fā)展11-12
• 1.3 本文的主要研究?jī)?nèi)容及貢獻(xiàn)12-13
• 1.4 本文的組織結(jié)構(gòu)安排13-14
• 第二章 互聯(lián)網(wǎng)營(yíng)銷統(tǒng)計(jì)模型及相關(guān)研究綜述14-25
• 2.1 互聯(lián)網(wǎng)營(yíng)銷策略發(fā)展及現(xiàn)狀14-15
• 2.2 互聯(lián)網(wǎng)營(yíng)銷統(tǒng)計(jì)建模方法的發(fā)展及現(xiàn)狀15-17
• 2.3 廣義線性模型的基本理論及方法17-21
• 2.3.1 概念及表達(dá)形式18-19
• 2.3.2 邏輯回歸的參數(shù)估計(jì)19-20
• 2.3.3 邏輯回歸模型評(píng)價(jià)20-21
• 2.4 計(jì)數(shù)結(jié)局變量基本理論及方法21-24
• 2.4.1 泊松回歸模型的概念及表達(dá)方式21-23
• 2.4.2 計(jì)數(shù)數(shù)據(jù)的零膨脹模型的概念及表達(dá)方式23-24
• 2.5 小結(jié)24-25
• 第三章 美國(guó)某保險(xiǎn)公司營(yíng)銷數(shù)據(jù)的實(shí)證研究25-50
• 3.1 引言25
• 3.2 框架與具體流程25-27
• 3.2.1 商業(yè)問(wèn)題的轉(zhuǎn)化25-26
• 3.2.2 數(shù)據(jù)的準(zhǔn)備26
• 3.2.3 模型的建立及驗(yàn)證26-27
• 3.3 數(shù)據(jù)簡(jiǎn)介27
• 3.4 模型建立的方法及過(guò)程27-30
• 3.4.1 數(shù)據(jù)的處理及轉(zhuǎn)化27-29
• 3.4.2 模型的建立及評(píng)價(jià)29-30
• 3.5 實(shí)證結(jié)果分析30-48
• 3.5.1 廣義線性模型結(jié)果及分析30-34
• 3.5.2 計(jì)數(shù)結(jié)局變量模型結(jié)果及分析34-48
• 3.6 小結(jié)48-50
• 第四章 總結(jié)與展望50-51
• 參考文獻(xiàn)51-54
• 致謝54-55

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 Julio B.Clempner;Alexander S.Poznyak;;SIMPLE COMPUTING OF THE CUSTOMER LIFETIME VALUE:A FIXED LOCAL-OPTIMAL POLICY APPROACH[J];Journal of Systems Science and Systems Engineering;2014年04期

2 田嬌妮;劉桂芬;張軍鋒;羅天娥;;多水平零膨脹計(jì)數(shù)模型在骨關(guān)節(jié)疼痛影響因素中的應(yīng)用研究[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2012年01期

，

本文編號(hào)：884497