隨著移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算等諸多新技術(shù)的問世與發(fā)展,越來越多的大數(shù)據(jù)應(yīng)用正在使各個行業(yè)的管理模式與運營體系發(fā)生巨大的變化,并帶來了令人期待的前景。在大數(shù)據(jù)時代,旅游產(chǎn)品的營銷和推廣活動將日益基于數(shù)據(jù)進(jìn)行分析,而非傳統(tǒng)的營銷手段。大數(shù)據(jù)一方面給旅游市場帶來了廣闊的發(fā)展前景,另一方面也使旅游市場的競爭態(tài)勢加劇。隨著旅游市場競爭的加劇,賣方市場轉(zhuǎn)向了買方市場,消費者有了更多的話語權(quán),對于服務(wù)的個性化需求已成了主流態(tài)度。廣東中旅作為旅游行業(yè)中有著多年歷史的傳統(tǒng)企業(yè),擁有良好的口碑,但與其他企業(yè),尤其是攜帶互聯(lián)網(wǎng)基因的在線旅游社OTA相比,廣東中旅在營銷意識、營銷能力方面還存在很大的提升空間。因此本文基于數(shù)據(jù)驅(qū)動的視角,結(jié)合用戶畫像、個性化推薦算法、旅游精準(zhǔn)推薦系統(tǒng)等相關(guān)概念,通過旅游精準(zhǔn)營銷的實現(xiàn)新思路進(jìn)行相關(guān)詳細(xì)分析。首先基于旅游用戶畫像從概念、分類到構(gòu)建進(jìn)行了具體分析,提出了基于用戶畫像的精準(zhǔn)營銷實施方案,并實現(xiàn)了基于用戶畫像聚類的具體實驗案例,對結(jié)果進(jìn)行可視化展示;然后本文在旅游精準(zhǔn)營銷業(yè)務(wù)需求的基礎(chǔ)上,進(jìn)行個性化推薦算法的設(shè)計,實現(xiàn)基于用戶聚類的旅游景點推薦算法,證明了推薦系統(tǒng)的實... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究技術(shù)路線圖

華南理工大學(xué)碩士學(xué)位論文12的協(xié)同過濾算法由于旅游產(chǎn)品的低頻性特點存在數(shù)據(jù)稀疏性問題，這方面有很大改進(jìn)空間。旅游推薦需要投入更多的研究，尋求更有效的方法。因此本文對于旅游推薦的研究正是協(xié)同過濾算法在旅游景點推薦方面的改進(jìn)，針對旅游推薦存在的數(shù)據(jù)稀疏性和冷啟動問題，本文利用聚類方法和協(xié)同過濾相結(jié)合來解決，設(shè)計了一種適用于旅游推薦領(lǐng)域的旅游景點推薦算法。2.2.3旅游資源的研究旅游資源又稱旅游服務(wù)，在旅游中必須考慮酒店，景點，交通等相關(guān)服務(wù)，可以利用用戶數(shù)據(jù)挖掘用戶興趣點，使用戶獲得良好的旅游體驗[37]。張猛（2015）研究了旅游本體的構(gòu)建方法，利用七步法實現(xiàn)對旅游信息的分析，構(gòu)建了在旅游領(lǐng)域本體的基礎(chǔ)上實現(xiàn)概念相似度算法[38]。王星月（2017）認(rèn)為進(jìn)行旅游資源推薦時不僅有單個項目，還有推薦整個旅游路線所包含的多個項目的組合[39]。2.3推薦算法概述推薦系統(tǒng)的誕生時間是20世紀(jì)90年代中期[40]，隨著對推薦系統(tǒng)研究的深入以及技術(shù)的不斷進(jìn)步，推薦系統(tǒng)已有了較為成熟的發(fā)展。推薦系統(tǒng)分為主動和被動兩種[41]，被動推薦實際是用戶搜索關(guān)鍵詞系統(tǒng)為其主動推薦相關(guān)內(nèi)容，而主動推薦的基礎(chǔ)在于收集了大量的用戶數(shù)據(jù)包括了用戶屬性以及系統(tǒng)內(nèi)用戶相關(guān)行為等，根據(jù)用戶信息與項目間關(guān)系為用戶匹配適合的項目[42]。主動推薦技術(shù)以大數(shù)據(jù)為基礎(chǔ)來挖掘用戶的偏好，從而實現(xiàn)了推薦，充分利用了用戶與系統(tǒng)交互過程中產(chǎn)生的信息。一個功能完善的推薦系統(tǒng)，包括了以下三個關(guān)鍵模塊，智能推薦模型如下圖2-1所示。圖2-1智能推薦模塊圖推薦系統(tǒng)當(dāng)前有著十分廣泛的應(yīng)用方向：電商方面，黃鎮(zhèn)（2019）根據(jù)跨境電商行

華南理工大學(xué)碩士學(xué)位論文203.1.4旅游用戶畫像的實施框架模型在實現(xiàn)精確推薦的過程中，企業(yè)通常會通過用戶畫像建模來挖掘用戶的行為偏好、興趣習(xí)慣等關(guān)鍵性的有價值信息。用戶畫像建模的核心是對用戶的基礎(chǔ)信息、行為信息進(jìn)行提煉與整理，這一過程是進(jìn)行用戶信息的標(biāo)簽化。旅游用戶畫像的實施框架主要包括：結(jié)合有關(guān)旅游系統(tǒng)的用戶數(shù)據(jù)，獲取和研究用戶基本信息、用戶互動信息，用戶行為信息，分類/聚類分析，為用戶建立標(biāo)簽體系，用戶的劃分和個人用戶及群體用戶的聚類畫像呈現(xiàn)。用戶畫像的實施框架模型如下圖3-1所示：圖3-1用戶畫像的實施框架模型首先是整合用戶數(shù)據(jù)，包括在線旅游門戶、旅游運營商、移動服務(wù)平臺、線下旅游服務(wù)提供方產(chǎn)生的一系列屬性信息、互動信息、瀏覽、搜索、評分、用戶間相互關(guān)注等

【參考文獻(xiàn)】：
期刊論文
[1]推薦規(guī)模對個性化推薦系統(tǒng)用戶決策的影響研究[J]. 陳梅梅,劉利梅,施馳瑋,戴偉輝.  南開管理評論. 2020(01)
[2]新型分享式社交媒體在旅游目的地營銷中的應(yīng)用價值研究[J]. 遲貽丹.  旅游縱覽(下半月). 2019(11)
[3]基于DeepFM模型的廣告推薦系統(tǒng)研究[J]. 郁豹,李振華,張凱,胡安翔.  計算機應(yīng)用與軟件. 2019(07)
[4]互聯(lián)網(wǎng)+環(huán)境下營銷模式創(chuàng)新:價值網(wǎng)絡(luò)重構(gòu)視角[J]. 張罡,王宗水,趙紅.  管理評論. 2019(03)
[5]基于用戶交互的社交網(wǎng)絡(luò)好友推薦算法[J]. 龍增艷,陳志剛,徐成林.  計算機工程. 2019(03)
[6]基于用戶評論的深度情感分析和多視圖協(xié)同融合的混合推薦方法[J]. 張宜浩,朱小飛,徐傳運,董世都.  計算機學(xué)報. 2019(06)
[7]推薦算法概述[J]. 張世東.  科技傳播. 2019(04)
[8]推薦算法概述與展望[J]. 俞偉,徐德華.  科技與創(chuàng)新. 2019(04)
[9]基于知識圖譜和頻繁序列挖掘的旅游路線推薦[J]. 孫文平,常亮,賓辰忠,古天龍,孫彥鵬.  計算機科學(xué). 2019(02)
[10]大數(shù)據(jù)背景下我國電商精準(zhǔn)營銷策略研究[J]. 趙鑫,李洋,李溫新,王爽.  冶金經(jīng)濟(jì)與管理. 2019(01)

博士論文
[1]大數(shù)據(jù)背景下商業(yè)銀行精準(zhǔn)營銷的設(shè)計與應(yīng)用[D]. 鄧典雅.華南理工大學(xué) 2018

碩士論文
[1]基于協(xié)同過濾的跨境電商推薦系統(tǒng)研究[D]. 黃鎮(zhèn).華中科技大學(xué) 2019
[2]基于大數(shù)據(jù)的旅游網(wǎng)站營銷策略研究[D]. 滕雨杉.北京郵電大學(xué) 2018
[3]基于多推薦算法融合的視頻實時推薦系統(tǒng)的設(shè)計與實現(xiàn)[D]. 楊喬虎.東南大學(xué) 2017
[4]基于協(xié)同過濾的個性化旅游推薦系統(tǒng)的研究與實現(xiàn)[D]. 吳軍.北京交通大學(xué) 2017
[5]大數(shù)據(jù)時代精準(zhǔn)營銷在京東的應(yīng)用研究[D]. 阮利男.電子科技大學(xué) 2016
[6]基于領(lǐng)域本體的個性化旅游推薦系統(tǒng)的研究與實現(xiàn)[D]. 張猛.重慶大學(xué) 2015



本文編號：3116735