本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)消費(fèi)者價(jià)值研究　出處：《哈爾濱商業(yè)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： 網(wǎng)絡(luò)消費(fèi)者價(jià)值 聚類 決策樹(shù) DEA交叉評(píng)價(jià)

【摘要】：隨著網(wǎng)購(gòu)人數(shù)的不斷增多,電子商務(wù)企業(yè)的數(shù)量在不斷增加,企業(yè)之間競(jìng)爭(zhēng)也越來(lái)越激烈,而保留和吸引有價(jià)值的消費(fèi)者是企業(yè)提升競(jìng)爭(zhēng)力的關(guān)鍵。當(dāng)前消費(fèi)者價(jià)值研究大部分是基于客戶的視角,很少站在企業(yè)的視角去研究;并且大部分研究在對(duì)客戶進(jìn)行分類時(shí)只考慮到消費(fèi)者價(jià)值因素,沒(méi)有考慮到消費(fèi)者行為因素,研究角度單一。因此,通過(guò)對(duì)比分析國(guó)內(nèi)外有關(guān)消費(fèi)者價(jià)值的研究?jī)?nèi)容及方法,結(jié)合文獻(xiàn),提出了基于RFCP模型的網(wǎng)絡(luò)消費(fèi)者價(jià)值評(píng)價(jià)指標(biāo)選定,同時(shí)結(jié)合聚類和決策樹(shù)算法建立了網(wǎng)絡(luò)消費(fèi)者價(jià)值綜合分析模型,并進(jìn)行了實(shí)證分析。具體研究?jī)?nèi)容如下:首先,數(shù)據(jù)的準(zhǔn)備與指標(biāo)的確定。選擇消費(fèi)者自身特征數(shù)據(jù),如:產(chǎn)品信息及消費(fèi)者與企業(yè)間的交易行為等相關(guān)數(shù)據(jù)。選擇消費(fèi)者最近一次購(gòu)買時(shí)間到實(shí)驗(yàn)日期的時(shí)間間隔、購(gòu)買頻次、購(gòu)買產(chǎn)品的成本、購(gòu)買產(chǎn)品給企業(yè)帶來(lái)的利潤(rùn)4個(gè)指標(biāo)作為新消費(fèi)者價(jià)值計(jì)算模型指標(biāo)。產(chǎn)品種類、訂單來(lái)源等指標(biāo)用于消費(fèi)者價(jià)值分類及預(yù)測(cè)。其次,在傳統(tǒng)RFM模型的基礎(chǔ)上提出了改進(jìn)的RFCP模型。采用聚類分析法將網(wǎng)絡(luò)消費(fèi)者劃分成三組,實(shí)現(xiàn)組內(nèi)消費(fèi)者價(jià)值相似度最大化,組間消費(fèi)者價(jià)值相似度最小化;再結(jié)合DEA(Data Envelopment Analysis數(shù)據(jù)包絡(luò)分析)交叉效率評(píng)價(jià)法來(lái)計(jì)算每組網(wǎng)絡(luò)消費(fèi)者價(jià)值,可以對(duì)三組不同價(jià)值的網(wǎng)絡(luò)消費(fèi)者進(jìn)行排序;之后采用決策樹(shù)算法對(duì)不同價(jià)值的網(wǎng)絡(luò)消費(fèi)者進(jìn)行分類及預(yù)測(cè)。再次,選取京東商城的在線銷售數(shù)據(jù),對(duì)消費(fèi)者價(jià)值模型進(jìn)行實(shí)證分析,為企業(yè)分類不同價(jià)值消費(fèi)者,并且對(duì)新增的消費(fèi)者進(jìn)行分類預(yù)測(cè),從而驗(yàn)證了網(wǎng)絡(luò)消費(fèi)者價(jià)值綜合分析模型的實(shí)用性。最后,消費(fèi)者價(jià)值層次策略分析。提出構(gòu)建差異化服務(wù)的必要性以及企業(yè)針對(duì)不同價(jià)值網(wǎng)絡(luò)消費(fèi)者的營(yíng)銷對(duì)策。企業(yè)針對(duì)不同價(jià)值的消費(fèi)者制定針對(duì)性的營(yíng)銷策略,提高資源利用率,企業(yè)的資源配置得到優(yōu)化的同時(shí)不僅可以為消費(fèi)者提供優(yōu)質(zhì)的服務(wù),還可以提升企業(yè)的市場(chǎng)占有率和競(jìng)爭(zhēng)力,滿足可持續(xù)發(fā)展的需要,具有一定的社會(huì)意義。
[Abstract]:With the increasing number of online shopping, the number of e-commerce enterprises are increasing, competition is becoming more and more intense among enterprises, and to retain and attract valuable consumers is the key to enhance the competitiveness of enterprises. The research value of consumer is mostly based on the perspective of the customer, rarely stand in the perspective of research; and most of the research in the classification of customers when considering only the consumer value factors, without considering the factors of consumer behavior, single research angle. Therefore, through the study of comparative analysis of domestic and foreign consumers value the contents and methods, combined with the literature, the selected evaluation indexes of network consumer value based on the RFCP model, combined with clustering and decision tree algorithm is constructed. Comprehensive analysis of online consumer value model, and empirical analysis. The specific contents are as follows: first, the preparation of data and means The subject of consumer choice determined. Characteristics of data, such as data and product information between consumers and business transactions. A recent consumer choice to buy time to date of the experiment time interval, purchase frequency, purchase cost, the purchase of products to bring the profits of enterprises 4 indicators as the new consumer value calculation model index. The product category, order source index for consumer value classification and prediction. Secondly, based on the traditional RFM model and improved RFCP model is proposed. By using the cluster analysis method of network consumers are divided into three groups, the group of consumers within the value maximizing the similarity between groups, consumer value similarity minimization; combined with the DEA (analysis of Data Envelopment Analysis) data envelopment evaluation method to calculate the efficiency of each cross network consumer value, of three groups of different value of network consumption By sorting; after using decision tree algorithm for different values of network consumer classification and prediction. Thirdly, online sales data from the Jingdong of the mall, the empirical analysis of consumer value model for enterprise value classification of different consumers, and to classify new consumers, which verified the practicality of the network consumer value analysis model. Finally, the analysis of consumer value level strategy. Put forward the necessity of differentiated services and enterprises for different marketing strategy of value network consumers. According to different enterprise value of consumers to develop targeted marketing strategies, improve the utilization rate of resources, enterprises optimize the allocation of resources at the same time not only can provide quality services consumers can also enhance the market share and competitiveness, to meet the needs of sustainable development, with a The social significance of setting.

【學(xué)位授予單位】：哈爾濱商業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：F724.6;F274

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王紅武;朱紹濤;蔡海博;;基于決策樹(shù)算法的上市公司股東行為研究[J];數(shù)理統(tǒng)計(jì)與管理;2017年01期

2 王玉斌;劉建和;施炳寬;張淑;;基于CHAID算法和貝葉斯網(wǎng)絡(luò)的基金風(fēng)險(xiǎn)預(yù)警研究[J];會(huì)計(jì)之友;2016年22期

3 肖乃慎;李博;孔德詩(shī);;大數(shù)據(jù)背景下的電網(wǎng)客戶用電行為分析系統(tǒng)設(shè)計(jì)[J];電子設(shè)計(jì)工程;2016年17期

4 趙宇;陳銳;劉蔚;;集成特征選擇的最優(yōu)化支持向量機(jī)分類器模型研究[J];計(jì)算機(jī)科學(xué);2016年08期

5 梁霄波;;電信客戶細(xì)分中基于聚類算法的數(shù)據(jù)挖掘技術(shù)研究[J];現(xiàn)代電子技術(shù);2016年15期

6 連漪;楊碩;;基于忠誠(chéng)度的客戶價(jià)值細(xì)分模型構(gòu)建及其應(yīng)用[J];商業(yè)經(jīng)濟(jì)研究;2016年14期

7 海沫;;大數(shù)據(jù)聚類算法綜述[J];計(jì)算機(jī)科學(xué);2016年S1期

8 李振;陳香香;楊文府;;BP人工神經(jīng)網(wǎng)絡(luò)算法的探究及其應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2016年02期

9 陳娟;;網(wǎng)絡(luò)購(gòu)物顧客的感知價(jià)值特征及營(yíng)銷策略研究[J];現(xiàn)代商貿(mào)工業(yè);2015年22期

10 張亮;寧芊;;CART決策樹(shù)的兩種改進(jìn)及應(yīng)用[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年05期

相關(guān)博士學(xué)位論文 前1條

1 周環(huán);基于顧客價(jià)值的企業(yè)投資績(jī)效評(píng)價(jià)研究[D];武漢理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前2條

1 張繼艷;基于改進(jìn)RFM模型的網(wǎng)絡(luò)消費(fèi)者價(jià)值識(shí)別研究[D];南華大學(xué);2015年

2 王麗君;CRM中客戶價(jià)值評(píng)價(jià)體系研究[D];南京理工大學(xué);2007年

，

本文編號(hào)：1382988