近年來,“大數(shù)據(jù)”一詞吸引了眾多學(xué)者和企業(yè)管理者的目光,海量數(shù)據(jù)的出現(xiàn)開啟了一次重大的時(shí)代轉(zhuǎn)型。大數(shù)據(jù)時(shí)代的來臨,使得無論是醫(yī)療、教育、商業(yè)還是其他領(lǐng)域,都逐漸要求人們用大數(shù)據(jù)思維處理和分析日益龐大的數(shù)據(jù)資源。國(guó)內(nèi)外學(xué)者紛紛提出針對(duì)大數(shù)據(jù)的研究方法及應(yīng)用實(shí)例,企業(yè)也將注意力和資源轉(zhuǎn)向開發(fā)基于大數(shù)據(jù)的產(chǎn)品研究中,互聯(lián)網(wǎng)電子商務(wù)行業(yè)就是其中受影響較大的領(lǐng)域之一。京東于2004年1月正式涉足電子商務(wù)領(lǐng)域,近年來發(fā)展尤為迅速,現(xiàn)已成為全國(guó)最大的自營(yíng)式綜合網(wǎng)絡(luò)零售商。隨著平臺(tái)知名度的提高以及規(guī)模的增大,用戶量急劇增長(zhǎng),目前京東商城已經(jīng)積累了大量的用戶網(wǎng)絡(luò)數(shù)據(jù),如何從海量數(shù)據(jù)中找到有價(jià)值的信息,去預(yù)測(cè)消費(fèi)者未來的購(gòu)買意向,是京東商城也是整個(gè)電子商務(wù)領(lǐng)域利用大數(shù)據(jù)解決精準(zhǔn)營(yíng)銷問題的關(guān)鍵。本研究以京東商城用戶真實(shí)的行為數(shù)據(jù)為基礎(chǔ),前期本文以特征工程為研究重點(diǎn),借助Hive SQL從Hadoop集群中提取數(shù)據(jù),并分析確定646維特征,為模型預(yù)測(cè)打下良好的基礎(chǔ);其次借助Apache Spark完成對(duì)數(shù)據(jù)的處理與計(jì)算,基于邏輯回歸算法搭建了用于預(yù)測(cè)用戶購(gòu)買意向的短期意圖模型,輸出用戶購(gòu)買某種品類的預(yù)測(cè)概率,...

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１用戶年齡分布??－

用戶下單前５天的６種行為統(tǒng)計(jì)，用戶下單前５天要對(duì)要購(gòu)買商品的點(diǎn)擊次??數(shù)，用戶下單前將商品加入購(gòu)物車的人數(shù)統(tǒng)計(jì)。??圖２－１的橫軸表示年齡段，縱軸表示各年齡段對(duì)應(yīng)的人數(shù)占比，從圖中可以??看出，用戶年齡集中分布在２６－３５歲，占總下單用戶的５６．２３％，其次是１９－２５歲??和３....

圖２－２用戶等級(jí)分布??

?５??圖２－２用戶等級(jí)分布??圖２－３所示為用戶注冊(cè)兩周內(nèi)的下單人數(shù)，橫軸為距離注冊(cè)日的時(shí)間間隔，??縱軸為統(tǒng)計(jì)人數(shù)。由圖可知，在注冊(cè)日當(dāng)天就有下單行為的用戶數(shù)最多，約占總??人數(shù)的３２．６３％，在注冊(cè)日當(dāng)天過后下單的人數(shù)占比急劇下降，在注冊(cè)一周內(nèi)下??單的用戶數(shù)較多，注冊(cè)一周....

圖２－３用戶注冊(cè)兩周內(nèi)的下單人數(shù)統(tǒng)計(jì)??

?４?５??圖２－２用戶等級(jí)分布??圖２－３所示為用戶注冊(cè)兩周內(nèi)的下單人數(shù)，橫軸為距離注冊(cè)日的時(shí)間間隔，??縱軸為統(tǒng)計(jì)人數(shù)。由圖可知，在注冊(cè)日當(dāng)天就有下單行為的用戶數(shù)最多，約占總??人數(shù)的３２．６３％，在注冊(cè)日當(dāng)天過后下單的人數(shù)占比急劇下降，在注冊(cè)一周內(nèi)下??單的用戶數(shù)較多，注冊(cè)....

圖２４用戶下單前５天的６種行為統(tǒng)計(jì)??

圖２４用戶下單前５天的６種行為統(tǒng)計(jì)??－５橫軸是用戶下單前５天點(diǎn)擊要購(gòu)買的商品的次數(shù)，縱軸，如用戶下單前５天，約有７５人對(duì)要購(gòu)買的商品點(diǎn)擊了?４次數(shù)集中在３－６次，該統(tǒng)計(jì)數(shù)據(jù)在用戶中表現(xiàn)出了差異性，一

本文編號(hào)：3939019