【摘要】：近年來,由于人民生活質(zhì)量的提升,帶來消費者消費理念的變化,使化妝品市場呈現(xiàn)出輕奢化的狀態(tài)。簡單來說,就是消費者開始選擇價格相對較高,同時質(zhì)量優(yōu)質(zhì)的產(chǎn)品。另一方面,“異質(zhì)經(jīng)濟時代”豐富的產(chǎn)品選擇使得消費者行為越來越求新和多變,顧客粘性變低,需求的差異性顯著�；诖�,研究高端化妝品業(yè)的消費者購買需求,分析消費者的主觀偏好,掌握消費者購買行為的變化規(guī)律,適應(yīng)普遍具有差異化需求的市場規(guī)律,并以此來進行個性化推薦,成為企業(yè)提升利潤獲得口碑的關(guān)鍵。基于此,本文以個性化營銷策略研究為主題,以SQL SERVER2012、SPSS、R軟件為數(shù)據(jù)處理、數(shù)據(jù)描述、數(shù)據(jù)建模工具,以精確定位消費者、推薦消費者所需商品為方法,以提高消費者滿意度、實現(xiàn)企業(yè)收益最大化為目標,進行高端化妝品的營銷策略研究,并據(jù)此形成推演,每季度預(yù)測一次消費者的購買行為,針對不同行為進行針對化的個性營銷,以此來提高營銷效率,提升顧客滿意度。全文共分六章,第一章為背景、目的、參考文獻的介紹;第二部分介紹個性化營銷策略在高端化妝品行業(yè)的應(yīng)用理論及研究思路;第三部分為分類算法的比較、選擇;第四部分為不均衡樣本處理方法的比較、選擇;第五部分為實證部分,實證方法為第三、四章所選擇的算法,數(shù)據(jù)為本人所實習(xí)公司的真實數(shù)據(jù),建模軟件為R軟件;第六部分基于實證,提出結(jié)論與建議。
【學(xué)位授予單位】：蘭州財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F274;F426.72
【圖文】：

圖 2.1 個性化營銷模型構(gòu)建流程解。在進行實際業(yè)務(wù)分析之前，應(yīng)充分理解客戶變量與最實際的研究方法，以給后續(xù)分析打好基備。實際工作中，采集的數(shù)據(jù)很有可能是無意識照實際客戶需求，選擇有效變量并進行相應(yīng)整理數(shù)據(jù)標準化處理、目標數(shù)據(jù)（即被解釋變量）的和精力很多，要占整個數(shù)據(jù)挖掘分析流程的的 7數(shù)據(jù)表現(xiàn)就好，最后模型表現(xiàn)就好。建立與調(diào)整�；趯I(yè)務(wù)的理解，明確任務(wù)與目立模型。當然，如果模型效果不佳，要繼續(xù)訓(xùn)練評價與應(yīng)用。此階段是對模型建立階段構(gòu)建的模優(yōu)模型用語言加以解釋，根據(jù)模型的解釋和評估

圖 3.1 ROC 曲線3.1 可以看出：當 1-Specificity=0，且 Sensitivity=1 時，所有樣本都被正確當 1-Specificity=1，且 Sensitivity=0 時，所有樣本都被錯誤當 1-Specificity=0，且 Sensitivity=0 時，預(yù)測所有樣本為負當 1-Specificity=1，且 Sensitivity=1 時，預(yù)測所有樣本為正如果點在對角線上，說明該分類器隨機對于一半的樣本猜為負樣本�？芍�，當 ROC 曲線越接近左上角，則該分類器的性能越

人工神經(jīng)網(wǎng)絡(luò) 支持向量機圖 3.2 各算法 ROC 曲線結(jié)果整合 3.2 可知，各算法的 ROC 曲線都不是效果特別明顯，其中較、人工神經(jīng)網(wǎng)絡(luò)和支持向量機算法。相應(yīng)的 AUC 值整理在表 值可得，決策樹算法表現(xiàn)相較好一些，但也不是特別明顯。表 3.3 各算法基礎(chǔ)運算速度、適應(yīng)性等性能對比法名稱 計算速度 分類器對數(shù)據(jù)的適應(yīng)度 可解釋性 A策樹 206.83 秒 數(shù)據(jù)不需標準化 強 0輯回歸 187.82 秒 數(shù)據(jù)需標準化 強 0KNN 210.36 秒 數(shù)據(jù)需標準化 不強 0神經(jīng)網(wǎng)絡(luò) 266.65 秒 數(shù)據(jù)需標準化 復(fù)雜 0向量機 375.71 秒 數(shù)據(jù)需標準化 復(fù)雜 0

【參考文獻】

相關(guān)期刊論文 前4條

1 曾志強;吳群;廖備水;高濟;;一種基于核SMOTE的非平衡數(shù)據(jù)集分類方法[J];電子學(xué)報;2009年11期

2 杜娟;姜麗麗;陳紅麗;;不均衡數(shù)據(jù)集文本分類中少數(shù)類樣本生成方法研究[J];計算機應(yīng)用研究;2009年10期

3 郝紅衛(wèi);蔣蓉蓉;;基于最近鄰規(guī)則的神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本選擇方法[J];自動化學(xué)報;2007年12期

4 王海軍;孫寶元;張強;王吉軍;魏小鵬;;支持個性化產(chǎn)品定制的變型配置設(shè)計方法[J];機械工程學(xué)報;2006年01期

相關(guān)博士學(xué)位論文 前4條

1 錢云;非均衡數(shù)據(jù)分類算法若干應(yīng)用研究[D];吉林大學(xué);2014年

2 王瑞;針對類別不平衡和代價敏感分類問題的特征選擇和分類算法[D];中國科學(xué)技術(shù)大學(xué);2013年

3 姜元春;基于智能優(yōu)化方法的個性化營銷策略研究[D];合肥工業(yè)大學(xué);2011年

4 潘淮水;基于顧客關(guān)系管理的直復(fù)營銷企業(yè)整合營銷管理模式研究[D];南開大學(xué);2009年

相關(guān)碩士學(xué)位論文 前5條

1 黃超然;基于數(shù)據(jù)挖掘的精準營銷系統(tǒng)的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2013年

2 王海飛;基于Hadoop云的數(shù)據(jù)庫營銷海量數(shù)據(jù)處理與挖掘的研究[D];浙江理工大學(xué);2013年

3 陳秋陽;基于數(shù)據(jù)挖掘技術(shù)的精準營銷系統(tǒng)的設(shè)計與實現(xiàn)[D];浙江大學(xué);2010年

4 牛文穎;改進的ID3決策樹分類算法在成績分析中的應(yīng)用研究[D];大連交通大學(xué);2008年

5 鄭明超;數(shù)據(jù)挖掘技術(shù)中分類算法的比較分析[D];蘭州商學(xué)院;2007年

本文編號：2789103