本文關(guān)鍵詞：大數(shù)據(jù)營銷理論及其在游戲運營中的應(yīng)用

  更多相關(guān)文章： 大數(shù)據(jù)營銷 精準(zhǔn)營銷 用戶畫像標(biāo)簽 協(xié)同過濾推薦算法

【摘要】：近年來,隨著互聯(lián)網(wǎng)的不斷發(fā)展,電子商務(wù)的規(guī)模不斷的擴大,傳統(tǒng)營銷方式受到巨大沖擊,"互聯(lián)網(wǎng)+"成為業(yè)界關(guān)注的焦點。在傳統(tǒng)營銷中巨大成本花銷但用戶轉(zhuǎn)化率卻提高不明顯,為了突破傳統(tǒng)營銷方式的缺點和局限性,目前已經(jīng)有很多許多互聯(lián)網(wǎng)公司依靠大數(shù)據(jù)技術(shù)實現(xiàn)了精準(zhǔn)營銷,如通過深度數(shù)據(jù)挖掘和數(shù)據(jù)分析實現(xiàn)了基于用戶的個性化推薦,大幅減少了運營成本并且提升用戶轉(zhuǎn)化率及營收。這種新型的大數(shù)據(jù)營銷成為商業(yè)領(lǐng)域研究的熱點。本文以蘇州蝸牛數(shù)字科技股份有限公司(后文簡稱蘇州游戲蝸牛)營銷業(yè)務(wù)改造項目為背景,針對以往營銷業(yè)務(wù)中存在的目標(biāo)用戶特征認(rèn)知模糊和缺少以數(shù)據(jù)分析為背景的推薦等問題,構(gòu)建和設(shè)計一個將公司營銷業(yè)務(wù)與目標(biāo)用戶特征相結(jié)合的用戶畫像模型和推薦系統(tǒng)。本文主要工作:1、構(gòu)建基于公司營銷業(yè)務(wù)改造項目的設(shè)計方案;2、構(gòu)建與公司營銷業(yè)務(wù)相結(jié)合的用戶畫像模型;3、基于公司營銷業(yè)務(wù)設(shè)計與實現(xiàn)一個過濾推薦系統(tǒng);4、設(shè)計與實現(xiàn)一個基于公司營銷業(yè)務(wù)的綜合內(nèi)容推薦系統(tǒng);5、給出蘇州游戲蝸牛公司營銷業(yè)務(wù)改造項目的實例。論文結(jié)果表明,通過公司營銷業(yè)務(wù)改造項目的實施,提升公司營銷業(yè)務(wù)效果及對目標(biāo)客戶的把握,拓寬公司營銷渠道,提高公司營收。
【關(guān)鍵詞】：大數(shù)據(jù)營銷 精準(zhǔn)營銷 用戶畫像標(biāo)簽 協(xié)同過濾推薦算法
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F274;F49;TP311.13
【目錄】：

• 中文摘要4-5
• Abstract5-13
• 第一章 緒論13-23
• 1.1 研究背景與意義13-15
• 1.2 主要研究方法概述15-21
• 1.2.1 數(shù)據(jù)挖掘與分析15-18
• 1.2.2 大數(shù)據(jù)處理流程18-20
• 1.2.3 大數(shù)據(jù)處理工具20-21
• 1.3 本文的主要工作及結(jié)構(gòu)安排21-23
• 第二章 準(zhǔn)備知識23-39
• 2.1 傳統(tǒng)營銷理論23-25
• 2.2 大數(shù)據(jù)分析中的營銷理論25-28
• 2.2.1 大數(shù)據(jù)營銷理論25-27
• 2.2.2 大數(shù)據(jù)營銷的現(xiàn)狀27-28
• 2.3 大數(shù)據(jù)挖掘分析模型28-34
• 2.3.1 聚類分析28-32
• 2.3.2 關(guān)聯(lián)分析32-33
• 2.3.3 矩陣數(shù)據(jù)分析法33-34
• 2.4 大數(shù)據(jù)營銷實現(xiàn)案例34-36
• 2.5 蝸牛大數(shù)據(jù)推薦系統(tǒng)設(shè)計方案概述36-39
• 2.4.1 整體設(shè)計思路和構(gòu)想36-37
• 2.4.2 設(shè)計可行性分析37-38
• 2.4.3 開發(fā)流程38-39
• 第三章 用戶畫像標(biāo)簽理論39-49
• 3.1 用戶畫像理論39-42
• 3.1.1 用戶畫像定義39
• 3.1.2 用戶畫像的意義39-40
• 3.1.3 用戶畫像的構(gòu)建40-42
• 3.2 用戶畫像分析模型42-46
• 3.2.1 動態(tài)用戶畫像分析模型42-45
• 3.2.2 靜態(tài)用戶畫像分析模型45-46
• 3.3 基于戶畫像標(biāo)簽的推薦系統(tǒng)46-49
• 第四章 協(xié)同過濾推薦算法49-56
• 4.1 基于SPARK MLLIB平臺的協(xié)同過濾算法49-51
• 4.1.1 基于用戶的推薦算法49-50
• 4.1.2 基于商品的推薦算法50-51
• 4.1.3 基于模型的推薦算法51
• 4.2 基于用戶的協(xié)同過濾推薦算法模型51-56
• 4.2.1 發(fā)現(xiàn)興趣相似的用戶51-53
• 4.2.2 推薦物品53-56
• 第五章 蝸牛游戲公司營銷分析推薦系統(tǒng)56-72
• 5.1 業(yè)務(wù)背景56-57
• 5.2 用戶畫像分析系統(tǒng)57-63
• 5.2.1 用戶屬性維度分類57-59
• 5.2.2 完成維度組合59-60
• 5.2.3 制作數(shù)據(jù)切片60
• 5.2.4 用戶畫像的分析60-63
• 5.3 協(xié)同過濾推薦系統(tǒng)63-65
• 5.3.1 基于用戶的協(xié)同過濾推薦63
• 5.3.2 情感傾向分析63-65
• 5.4 綜合內(nèi)容推薦系統(tǒng)65-72
• 第六章 全文總結(jié)72-73
• 6.1 結(jié)論72
• 6.2 展望72-73
• 參考文獻73-75
• 附錄75-87
• 攻讀碩士期間發(fā)表的論文87-88
• 致謝88-89

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 單海波;;淺談大數(shù)據(jù)時代的數(shù)據(jù)分析與挖掘[J];科技創(chuàng)新與應(yīng)用;2016年24期

2 王文;王樹鋒;李洪華;;基于文本語義和表情傾向的微博情感分析方法[J];南京理工大學(xué)學(xué)報;2014年06期

3 榮輝桂;火生旭;胡春華;莫進俠;;基于用戶相似度的協(xié)同過濾推薦算法[J];通信學(xué)報;2014年02期

4 王東雷;孫忠林;;基于MapReduce的大數(shù)據(jù)流程處理方法[J];計算機應(yīng)用;2013年S2期

5 王燕;;基于Web日志的序列模式挖掘應(yīng)用研究[J];信息技術(shù);2009年09期

6 馬建華;李本星;黃靜;陳武凡;;基于Minkowski距離最小化的多模態(tài)圖像配準(zhǔn)[J];電路與系統(tǒng)學(xué)報;2008年05期

7 賈俊芳;張日權(quán);;基于分布式的大數(shù)據(jù)集聚類分析[J];計算機工程與應(yīng)用;2008年28期

8 張光衛(wèi);李德毅;李鵬;康建初;陳桂生;;基于云模型的協(xié)同過濾推薦算法[J];軟件學(xué)報;2007年10期

9 劉平峰;聶規(guī)劃;陳冬林;;基于知識的電子商務(wù)智能推薦系統(tǒng)平臺設(shè)計[J];計算機工程與應(yīng)用;2007年19期

10 孫曉霞,王愛玲;數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用[J];機械管理開發(fā);2005年02期

，

本文編號：560106