本文關(guān)鍵詞：數(shù)據(jù)挖掘在電子商務(wù)銷售數(shù)據(jù)中的分析和應(yīng)用

  更多相關(guān)文章： 電子商務(wù) 銷售數(shù)據(jù) 數(shù)據(jù)挖掘 統(tǒng)計分析 動態(tài)特性 多關(guān)系挖掘 相似度

【摘要】：隨著我國居民生活節(jié)奏的加快，網(wǎng)絡(luò)購物以其在時間、地域以及商品選擇等多方面的優(yōu)勢而受到網(wǎng)民的青睞。中國網(wǎng)絡(luò)購物市場規(guī)模的擴(kuò)大和網(wǎng)購者數(shù)量的激增促使電子商務(wù)平臺產(chǎn)生了豐富多樣的電子商務(wù)銷售數(shù)據(jù)。面對紛繁復(fù)雜的銷售數(shù)據(jù)，商家需要深入分析和理解數(shù)據(jù)并從中挖掘出用戶的偏好，興趣，購買習(xí)慣等知識，從而據(jù)此制定各種銷售策略以滿足用戶的需求，為電子商品平臺贏得更多的顧客是最終的目的。為此，本文將從電子商務(wù)銷售數(shù)據(jù)著手將數(shù)據(jù)挖掘技術(shù)應(yīng)用于電子商務(wù)領(lǐng)域，利用統(tǒng)計分析和多關(guān)系聚類等多種技術(shù)從多個角度對數(shù)據(jù)進(jìn)行分析和處理。通過對數(shù)據(jù)的處理和分析來對用戶的購買行為影響因素，，購買習(xí)慣和用戶群體購買特點等有一個全新的認(rèn)識和理解。從而使服務(wù)商可以利用這些知識對電子商務(wù)平臺進(jìn)行創(chuàng)新，獲得顧客的滿意，贏得顧客資源，獲取更大利潤。針對電子商務(wù)銷售數(shù)據(jù)的特點，本文主要進(jìn)行了如下幾方面的工作： 1)為了對電子商務(wù)平臺新商品購買者的行為影響因素進(jìn)行分析，本文引入了統(tǒng)計方法中的線性回歸模型對影響新商品購買者購買不同檔次新商品的諸多因素進(jìn)行了研究。通過特征抽取和實證模型的建立得到了一些實用的統(tǒng)計結(jié)果。從而對新商品購買者的購買行為有了一定的理解，對于購買不同檔次新商品的購買者可以依據(jù)各個影響因素的不同程度來制定不同的銷售策略。 2)針對電子商務(wù)銷售數(shù)據(jù)動態(tài)特性問題，本文基于復(fù)雜網(wǎng)絡(luò)對商品銷量數(shù)據(jù)進(jìn)行動態(tài)特性的分析。利用可視化算法將商品銷量數(shù)據(jù)映射到復(fù)雜網(wǎng)絡(luò)，通過對網(wǎng)絡(luò)統(tǒng)計特性的分析來理解商品銷量的波動變化。利用商品銷量的動態(tài)波動特性可以對商品的銷售情況和顧客的購買情況進(jìn)行深入的分析，從而間接地理解用戶對不同類型商品的購買習(xí)慣。實驗中本文對電子商務(wù)平臺和門店超市的日用品銷量情況進(jìn)行了對比分析，對不同渠道下的購買者的購買行為進(jìn)行了對比分析。 3)為了充分利用電子商務(wù)銷售數(shù)據(jù)中的多關(guān)系信息和用戶行為信息，為了解決電子商務(wù)領(lǐng)域數(shù)據(jù)間多關(guān)系聚類問題，本文提出了一種有效的融合屬性相似和結(jié)構(gòu)相似的相似度度量方法。多種實驗驗證了本章方法相比于其他方法的優(yōu)越性。首先將新的相似度度量方法應(yīng)用于顧客劃分問題，通過對實驗結(jié)果進(jìn)行定性和定量分析后從群體層面對顧客的行為有了更深的理解；其次，商品推薦實驗也更進(jìn)一步驗證了多關(guān)系數(shù)據(jù)中新相似度的計算問題。 通過對上述問題的研究，本文可以作為一套對電子商務(wù)銷售數(shù)據(jù)進(jìn)行全面分析和處理的系統(tǒng)化的解決方案。本文的工作可以較好地應(yīng)用于電子商務(wù)領(lǐng)域，能夠為電子商務(wù)中的個性化推薦技術(shù)和銷售策略的制定等提供強有力的技術(shù)支持和理論基礎(chǔ)，同時本文的研究方法還可以為其他相關(guān)適用領(lǐng)域的應(yīng)用問題提供研究思路。
【關(guān)鍵詞】：電子商務(wù) 銷售數(shù)據(jù) 數(shù)據(jù)挖掘 統(tǒng)計分析 動態(tài)特性 多關(guān)系挖掘 相似度
【學(xué)位授予單位】：青島理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：F724.6;TP311.13
【目錄】：

• 摘要7-9
• Abstract9-11
• 第一章 緒論11-23
• 1.1 電子商務(wù)銷售數(shù)據(jù)及其研究問題11-14
• 1.1.1 電子商務(wù)銷售數(shù)據(jù)的產(chǎn)生及其特點11-12
• 1.1.2 基于電子商務(wù)銷售數(shù)據(jù)研究的問題12-14
• 1.2 數(shù)據(jù)挖掘綜述14-18
• 1.2.1 數(shù)據(jù)挖掘技術(shù)簡介14-17
• 1.2.2 數(shù)據(jù)挖掘技術(shù)應(yīng)用于電子商務(wù)領(lǐng)域存在的問題17-18
• 1.3 數(shù)據(jù)挖掘在電子商務(wù)銷售數(shù)據(jù)中的分析和應(yīng)用18-21
• 1.3.1 電子商務(wù)銷售數(shù)據(jù)研究方法概述18-19
• 1.3.2 基于統(tǒng)計分析的電子商務(wù)銷售數(shù)據(jù)研究19-20
• 1.3.3 基于多關(guān)系聚類分析的電子商務(wù)銷售數(shù)據(jù)研究20-21
• 1.4 本文工作主要內(nèi)容21-23
• 第二章 基于線性回歸模型的新商品購買者行為影響因素分析23-35
• 2.1 引言23-24
• 2.2 假設(shè)24-25
• 2.3 方法25-28
• 2.3.1 數(shù)據(jù)獲取情況25-26
• 2.3.2 影響因素分析和特征描述26
• 2.3.3 實證模型26-27
• 2.3.4 解釋變量和依賴變量的統(tǒng)計描述27-28
• 2.4 統(tǒng)計結(jié)果28-34
• 2.5 本章小結(jié)34-35
• 第三章 基于復(fù)雜網(wǎng)絡(luò)的日用商品銷售數(shù)據(jù)分析35-52
• 3.1 引言35-36
• 3.2 可視化算法及冪率分布36-38
• 3.2.1 可視化圖36-37
• 3.2.2 冪率分布及其驗證策略37-38
• 3.3 數(shù)據(jù)集描述38-40
• 3.3.1 網(wǎng)店商品日銷售數(shù)據(jù)38-39
• 3.3.2 門店超市商品日銷售數(shù)據(jù)39-40
• 3.4 銷量分布及其自相似性分析40-44
• 3.4.1 銷量分布40-43
• 3.4.2 自相似性-Hurst 指數(shù)43-44
• 3.5 可視化圖的統(tǒng)計特性44-50
• 3.5.1 度分布45-49
• 3.5.2 其他統(tǒng)計量結(jié)果49-50
• 3.6 結(jié)論50-52
• 第四章 基于結(jié)構(gòu)相似度和屬性相似度的顧客劃分問題52-77
• 4.1 引言52-55
• 4.2 相關(guān)工作55-59
• 4.2.1 關(guān)系數(shù)據(jù)挖掘55-56
• 4.2.2 結(jié)構(gòu)相似度計算方法 SimRank56-58
• 4.2.3 屬性特征距離度量58-59
• 4.3 方法59-63
• 4.3.1 預(yù)備知識59-61
• 4.3.2 Attribute-SimRank 公式61
• 4.3.3 Attribute-SimRank 相似度的計算61-63
• 4.4 聚類實驗63-72
• 4.4.1 數(shù)據(jù)集63-65
• 4.4.2 聚類結(jié)果評價指標(biāo)65-66
• 4.4.3 實驗結(jié)果分析66-72
• 4.5. 商品推薦實驗72-76
• 4.5.1. 協(xié)同過濾問題73
• 4.5.2. Top-N 推薦的基本思想73
• 4.5.3. Top-N 推薦實驗的具體方法和步驟73-74
• 4.5.4. Top-N 推薦實驗結(jié)果及其分析74-76
• 4.6 本章小結(jié)76-77
• 第五章 總結(jié)與展望77-79
• 參考文獻(xiàn)79-83
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及科研工作83-84
• 致謝84

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 陳學(xué)軍;消費者心理特征對新產(chǎn)品購買的影響作用研究[J];商業(yè)研究;2003年04期

2 徐光美;楊炳儒;張偉;寧淑榮;;多關(guān)系數(shù)據(jù)挖掘方法研究[J];計算機應(yīng)用研究;2006年09期

3 高瀅;劉大有;齊紅;劉赫;;一種半監(jiān)督K均值多關(guān)系數(shù)據(jù)聚類算法[J];軟件學(xué)報;2008年11期

本文編號：518438